-
公开(公告)号：CN116502163A
公开(公告)日：2023-07-28
申请号：CN202310427373.6
申请日：2023-04-20
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/2415 , G06F18/25 , G06F18/2131 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 基于多特征融合和深度学习的振动监测数据异常检测方法，涉及结构健康监测技术领域。本发明是为了解决现有的结构异常振动数据自动检测方法仅考虑历史数据在时域上的异常特征，导致效率低下、准确率差的问题。本发明从历史振动监测数据中分别提取残差序列和PSD序列作为训练样本，丰富了异常特征信息的同时还降低了模型输入样本的大小。将样本输入到卷积神经网络提取更高级别的数据特征，同时将历史数据在时域和频域上的特征进行融合；接着利用长短期记忆神经网络模型来学习融合后的特征序列的异常特征；最后利用训练好的模型实现振动监测数据的异常检测。
Search Results
1
records
(took 0.021 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
