基于卷积神经网络的拧紧曲线异形识别方法研究

摘要：

针对现有拧紧曲线异形识别方法依赖人工提取特征和专业知识的问题,提出了一种基于卷积神经网络的拧紧曲线异形识别方法.首先,针对拧紧曲线数据匮乏、数据长度不均的问题,通过随机裁剪来进行数据增强,通过回归决策树重构曲线实现曲线对齐;然后,基于传统CNN模型,建立了拧紧曲线异形识别模型;最后,通过研究各项超参数与模型识别结果的关系,给出了最终的参数组合方案,并且通过分析训练过程中各个阶段的混淆矩阵,展示了模型的学习过程,通过与传统机器学习方法SVM等对比,验证了本文所提出方法的有效性.实验结果表明:该方法能够有效地识别出螺栓连接拧紧曲线的异常数据,识别正确率可以达到99%,为基于深度学习的螺栓连接件智能诊断提供了方法指导.

关键词：卷积神经网络、螺栓连接、拧紧曲线、故障诊断

所属期刊栏目：50

分类号：U270.6+7(车辆工程)

资助基金：国家重点研发计划2020YFA0710902

在线出版日期：2023-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：19-24,80