CNN_1D_train_accuracy = np.average(accuracy_1D)*100 print('CNN 1D train accuracy =', CNN_1D_train_accuracy) 在测试集上评估模型的准确性 CNN_1D_test_loss, CNN_1D_test_accuracy = Classification_1D.model.evaluate(X_1D_test, y_1D_test) CNN_1D_test_accuracy*=100 print('CNN 1D test acc...
轴承 解决方案 使用深度学习技术的端到端故障诊断模型,该模型采用 1DCNN 进行特征自提取,LSTM 学习特征之间的时间依赖性,以弥补传统方法的不足。该模型集成了传统的信号降噪、特征提取、特征选择、特征分类等流程,最大程度地简化了诊断流程。LSTM 和 CNN 的结合弥补了使用 CNN 单独处理时间序列数据的不足,提高了模型...
南京航空航天大学的车畅畅、王华伟等在《机械工程学报》2021年第14期发表了《基于1D-CNN和Bi-LSTM的航空发动机剩余寿命预测》一文。他们在这篇文章中根据工程经验在多状态参数的主成分分析的基础上对退化过程进行随机分布拟合,得到综合性能退化...
首先,运用差分法对气象观测数据进行预处理,得到平稳时间序列数据;其次,运用1DCNN提取与气温变化相关的特征变量作为神经网络模型的输入变量;最后,运用1DCNN和LSTM构建多信息融合气温预报模型1DCNNLSTM,并以云南省昆明市历史气象观测数据为例,与传统的LSTM、1DCNN和反向传播神经网络(BP)对未来24小时的逐时气温预报进行了...
基于卷积神经网络的滚动轴承故障诊断可一维振动信号直接进行故障诊断(模型可有1D-CNN、LSTM、GRU)也可通过格拉姆角场、马尔可夫变迁场递归图短时傅里叶变换和连续小波变换等算法转图像后进行故障诊断 基于卷积神经…
方法、一维卷积神经网络(1D-CNN)与长短期记忆网络(LSTM)相结合方法对 正常、异常心音信号进行二分类识别。 研究工作用2307例心音样本,其中2001例为正常心音样本,306例为病理 心音样,分为训练集:1739例(正常1501例,异常229例),测试集:577例(正 常500例,异常77例)本进行了训练和测试。最终一维卷积神经网络(1D-...
针对单一深度学习网络对涡扇发动机退化特征提取不足,超参数选择困难的问题,提出一种改进一维卷积神经网络(1-Dimensional Convolutional Neural Network,1D-CNN)和长短时记忆网络(Long Short-Term Memory,LSTM)的涡扇发动机剩余寿命预测方法.首先,利用相关性,单调性和离散性一系列评价指标对涡扇发动机的多维传感器特征参数进行...
其次建立基于1DCNN和LSTM的组合故障诊断模型,使用1DCNN提取功率信号中的局部特征,使用LSTM选择性提取局部特征中的长距离特征;然后通过所建模型诊断出道岔转辙机的故障类型,并结合t-分布随机近邻嵌入展示诊断效果;最后与经典的诊断方法进行对比分析.对比实验结果表明:本方法在道岔转辙机故障诊断中具有较高的准确性和稳定...
摘要:针对在短期电力负荷预测中,当某区域电力负荷数据较少时,负荷预测精度较差的问题,提出一种基于1DCNN⁃LSTM(1D Convolutional Neural⁃Long Short⁃Term Memory Networks)和参数迁移的短期负荷预测方法,并采用1DCNN⁃LSTM 结合迁移学习针对性提高预测精度㊂使用美国某地区的实际负荷数据进行仿真分析,实验结果表明...
基于SANC和1D-CNN-LSTM的风电机组行星齿轮箱故障诊断方法专利信息由爱企查专利频道提供,基于SANC和1D-CNN-LSTM的风电机组行星齿轮箱故障诊断方法说明:本发明涉及一种基于SANC和1D‑CNN‑LSTM的风电机组行星齿轮箱故障诊断方法,采集行星齿...专利查询请上爱企查