基于1D-CNN-SVM的钢丝绳损伤识别方法

基于1D-CNN-SVM的钢丝绳损伤识别方法
摘要：为实现对钢丝绳损伤的高效、精准识别,提出一种基于1D-CNN-SVM的钢丝绳损伤识别模型。使用一维卷积神经网络对损伤的漏磁检测信号进行特征提取,然后输入到支持向量机中进行缺陷分类,通过将不同工况速度下的数据集代入该模型,检验所提模型的缺陷识别能力。试验结果表明,相较于1D-CNN,1D-CNN-ELM,1D-CNN-LTSM等模型,所提模型的准确性和可靠性更高,对各类损伤的识别准确率均不小于97%,体现出较强的泛化能力。

标题：基于1D-CNN-SVM的钢丝绳损伤识别方法

作者：任建浩,陈实,薛家杰,吴非,孙燕华,

关键词：一维卷积神经网络,支持向量机,漏磁检测,损伤识别,

发表日期：2024年6月

2025-1-19 14:28 上传 基于1D-CNN-SVM的钢丝绳损伤识别方法.pdf

文件大小:

5.14 MB

下载次数:

60

高速下载