基于CNN-WSVM的閥門粘滯檢測方法

打開文本圖片集

摘 要 針對實際中粘滯與非粘滯數(shù)據(jù)不均衡問題，提出基于卷積神經(jīng)網(wǎng)絡(luò)和加權(quán)支持向量機融合的閥門粘滯檢測方法（CNN-WSVM）。首先搭建仿真控制回路生成不同工況的回路運行數(shù)據(jù)，然后利用一維卷積神經(jīng)網(wǎng)絡(luò)模型提取特征，再使用懲罰項系數(shù)可調(diào)的加權(quán)支持向量機實現(xiàn)對閥門狀態(tài)的分類。在仿真數(shù)據(jù)集和開源工業(yè)數(shù)據(jù)集中的驗證結(jié)果表明：該方法相較于僅使用卷積神經(jīng)網(wǎng)絡(luò)，在數(shù)據(jù)不均衡情況下，能夠顯著提高粘滯數(shù)據(jù)檢測準確率，同時在真實工業(yè)場景中具有較好的泛化能力。（剩余8540字）