典型文献
舵机异常检测模型的设计与研究
文献摘要：
针对舵机测试数据量大且样本不均衡问题,提出了一种使用灰狼优化算法(GWO)优化深度神经网络(DNN)并与逻辑回归分类器(LRC)相结合的舵机异常检测模型(GWO-DNN-LRC).模型的构建有效地解决了舵机测试数据中小样本难以被准确分类的问题,适用于舵机测试数据的深度特征提取与多故障分类.该方法的准确度达到99.261％,相较于 LRC、DNN、GWO-DNN 分别提高了 4.931％、0.205％、0.087％,精确度、召回率、F-score 达到98.417％、98.062％、98.217％.在不同类别分类准确度对比中,6种小样本的类别能够达到100％.实验结果表明,该方法充分提高了舵机异常检测的性能,是深度学习技术在舵机测试数据中的有效应用.
文献关键词：
舵机;异常检测;GWO-DNN-LRC模型;不均衡数据分析
中图分类号：
作者姓名：
杨瑞峰;王伟丽;郭晨霞;秦浩
作者机构：
中北大学仪器与电子学院 太原030051
文献出处：
引用格式：
[1]杨瑞峰;王伟丽;郭晨霞;秦浩-.舵机异常检测模型的设计与研究)[J].电子测量技术,2022(04):1-6
A类：
不均衡数据分析
B类：
异常检测,检测模型,设计与研究,舵机测试,测试数据,数据量,样本不均衡,均衡问题,灰狼优化算法,GWO,深度神经网络,DNN,逻辑回归,分类器,LRC,小样本,深度特征提取,多故障,故障分类,召回率,score,分提,深度学习技术,有效应用
AB值：
0.29331
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。
