典型文献
基于轻量化图卷积的装甲车辆底盘发动机运行状态预测研究
文献摘要：
对装甲车辆底盘发动机进行运行状态预测,提前了解发动机的健康状态,可以有效保障装甲车的作战能力,还能延长使用寿命.提出了一种轻量化的图卷积神经网络(LGCN),对装甲车底盘发动机的运行状态进行预测研究.首先,根据影响发动机运行状态的特征数据进行皮尔逊相关系数的量化分析.其次,基于特征相关性的量化结构构建图拉普拉斯矩阵.然后,引入了切比雪夫多项式减少谱域图卷积(GCN)计算过程的参数量和计算复杂度.最后,基于提出的轻量化图卷积神经网络对装甲车辆底盘发动机进行运行状态预测分析.结果表明,LGCN可以有效实现运行状态的预测分析,多模式识别算法的预测结果显示,LGCN获得了98.75％的分类准确率和98.31％F1分数,同时获得了最佳的预测稳定性.
文献关键词：
发动机;运行状态;预测;图卷积;神经网络
中图分类号：
作者姓名：
李英顺;孟享广;姚兆;刘海洋;陶学新
作者机构：
北京石油化工学院信息工程学院,北京 102617;陆军装甲兵学院士官学校,吉林 长春 130117;沈阳顺义科技有限公司,辽宁 沈阳 110000
文献出处：
引用格式：
[1]李英顺;孟享广;姚兆;刘海洋;陶学新-.基于轻量化图卷积的装甲车辆底盘发动机运行状态预测研究)[J].车用发动机,2022(05):86-92
A类：
LGCN
B类：
装甲车辆,车辆底盘,盘发,机运,运行状态预测,预测研究,行运,健康状态,作战能力,图卷积神经网络,车底,特征数据,皮尔逊相关系数,建图,图拉普拉斯,拉普拉斯矩阵,切比雪夫多项式,谱域图卷积,参数量,计算复杂度,预测分析,多模式,模式识别,识别算法,分类准确率
AB值：
0.199011
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。
