典型文献
基于深度学习的风洞天平测力试验数据异常检测方法研究
文献摘要：
风洞天平测力试验数据异常检测有助于分析试验异常原因、排查设备故障、改进试验方案,为解决目前人工检测时间成本高、效率低的问题,提出一种基于深度学习的异常检测框架.首先针对异常零样本问题,对风洞试验常见的异常类型及规律进行总结;然后为解决不同车次数据维度不同的问题,提出基于统计特征的标准化特征表示方案;最后利用神经网络学习异常特征,完成异常检测.试验结果表明:基于深度学习的异常检测方法对风洞异常数据检测的准确率和检出率分别达到了81.7％和72.6％,能够较好地识别孤立跳点异常和多点异常.
文献关键词：
风洞试验;天平测力;异常检测;异常规则;深度学习
中图分类号：
作者姓名：
张靖;孙文举;尼文斌;魏巍;张江;杨武兵;李清勇
作者机构：
北京交通大学 智慧高铁系统前沿科学中心,北京 100044;中国航天空气动力技术研究院,北京 100074
文献出处：
引用格式：
[1]张靖;孙文举;尼文斌;魏巍;张江;杨武兵;李清勇-.基于深度学习的风洞天平测力试验数据异常检测方法研究)[J].实验流体力学,2022(06):67-73
A类：
异常规则
B类：
洞天,天平测力,数据异常检测,异常检测方法,异常原因,设备故障,试验方案,解决目前,检测时间,时间成本,检测框架,零样本,风洞试验,决不,同车,车次,数据维度,统计特征,特征表示,神经网络学习,异常特征,异常数据检测,点异常
AB值：
0.34156
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
