典型文献
基于一维卷积神经网络的塔式起重机结构损伤诊断方法研究
文献摘要：
文中针对塔式起重机结构损伤诊断依赖较强的专业知识、诊断过程复杂且效率低的问题,基于深度学习理论提出面向塔式起重机结构数据自动分类的一维卷积神经网络模型.首先针对塔式起重机结构损伤数据匮乏的问题,通过分析塔式起重机顶端位移数据的结构特点,研究了塔式起重机结构损伤数据增强方法;其次基于1D CNN模型泛化理论,建立塔式起重机结构损伤诊断模型;最后通过研究超参数对诊断结果的影响规律,以及与目前方法的对比,验证了所提出方法有效性与鲁棒性,并给出了参数选择方案.结果表明:该方法在推荐超参数下诊断准确率达到97.3％,说明其能够有效、较为准确地实现塔式起重机结构损伤的诊断,为基于深度学习的塔式起重机智能损伤诊断方法提供了方法指导与理论依据.
文献关键词：
塔式起重机;一维卷积神经网络;结构损伤;超参数;深度学习
中图分类号：
作者姓名：
宋世军;刘昂;安增辉;杨蕊;吴月华
作者机构：
山东建筑大学机电工程学院 济南 250101;山东富友科技有限公司 济南 250101
文献出处：
引用格式：
[1]宋世军;刘昂;安增辉;杨蕊;吴月华-.基于一维卷积神经网络的塔式起重机结构损伤诊断方法研究)[J].起重运输机械,2022(18):44-50
A类：
B类：
一维卷积神经网络,塔式起重机,结构损伤诊断,诊断过程,深度学习理论,出面,数据自动分类,卷积神经网络模型,数据匮乏,机顶,顶端位移,移数,数据增强,增强方法,1D,模型泛化,诊断模型,超参数,诊断结果,前方,参数选择,诊断准确率,机智,方法指导
AB值：
0.19164
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。
