文献检索-宁波市创意产业特色资源库

限定检索结果

基于改进CNN和ViT网络的复合工况示功图诊断技术研究: 收藏
分享
引用; 《石油化工应用》2022年第4期41卷 105-110页; 作者：钱帅康陈夕松姜磊邵志良李绪信史敦禹东南大学自动化学院江苏南京210096 南京富岛信息工程有限公司江苏南京210061 中策橡胶(建德)有限公司浙江杭州311600; 传统卷积神经网络在抽油机故障诊断领域中,面向单一工况示功图诊断已取得较好精度,但在处理复合工况示功图时,诊断精度仍较低。论文研究了改进卷积神经网络(CNN)和视觉Transformer(ViT)的复合工况示功图诊断技术,设计了融合ViT和非方卷...; 传统卷积神经网络在抽油机故障诊断领域中,面向单一工况示功图诊断已取得较好精度,但在处理复合工况示功图时,诊断精度仍较低。论文研究了改进卷积神经网络(CNN)和视觉Transformer(ViT)的复合工况示功图诊断技术,设计了融合ViT和非方卷积核的混合CNN结构,更有效地提取复合工况示功图特征。首先通过三元组损失对网络进行训练,使用训练完成的网络建立示功图特征检索库,再将示功图特征与检索库中特征计算相似度向量以实现诊断。实验结果表明,混合网络结构在测试集上诊断精度达95%以上,优于传统CNN模型,有效提升了复合工况示功图诊断精度。; 来源：详细信息评论

限定检索结果