CN119493374A 一种基于机器学习的工业设备状态监测预警系统及方法 （中能拾贝科技有限公司）_第1页
CN119493374A 一种基于机器学习的工业设备状态监测预警系统及方法 （中能拾贝科技有限公司）_第2页
CN119493374A 一种基于机器学习的工业设备状态监测预警系统及方法 （中能拾贝科技有限公司）_第3页
CN119493374A 一种基于机器学习的工业设备状态监测预警系统及方法 （中能拾贝科技有限公司）_第4页
CN119493374A 一种基于机器学习的工业设备状态监测预警系统及方法 （中能拾贝科技有限公司）_第5页
已阅读5页，还剩27页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

道光谱中路11号2栋1单元14层02-04一种基于机器学习的工业设备状态监测预于机器学习的工业设备状态监测预警系统及方2优化剪枝策略生成模块，基于训练好的卷积神经网络构剪枝神经网络生成模块，根据优化剪枝策略对训练好的卷积神经网络状态监测及预警模块，将能量值输入剪枝卷积神经网络，对待监3.根据权利要求2所述的基于机器学习的工业设备状态监测预警系统，其特征在于：S113、确定历史振动信号对应的状态异常类型4.根据权利要求3所述的基于机器学习的工业设备状态监测预警系统，其特征在于：35.根据权利要求3所述的基于机器学习的工业设备状态监测预警系统，其特征在于：;6.根据权利要求2所述的基于机器学习的工业设备状态监测预警系统，其特征在于：S131、基于当前的网络参数和损失函数，利用当其中，权重和偏置为卷积神经网络需要学习的网络参数，7.根据权利要求6所述的基于机器学习的工业设备状态监测预警系统，其特征在于：;;;;4;;S23中采用多目标浣熊优化算法对剪枝策略生成模型进行多目标优化求解，得到优化S232、进行算法参数初始化，并根据设置参数随S234、当捕食者出现时，浣熊个体在逃离过程中根据当前自59.根据权利要求8所述的基于机器学习的工业设备状态监测预警系统，其特征在于：;S234中当捕食者出现时，浣熊个体在逃离过程中根据当前自;n为第n个浣熊个体的逃跑方向，d,=normalizefr::[LB+r;·((UB-LB)》，r2、r3均S2、基于训练好的卷积神经网络构建剪枝策略生6态监测预警系统及方法，能够有效克服现有技术所存在的难以对工业设备状态进行精准、剪枝神经网络生成模块，根据优化剪枝策略对训练好的卷积神经网络进行剪枝，7;8;;;;;;9S23中采用多目标浣熊优化算法对剪枝策略生成模型进行多目标优化求解，得到;;步长控制参数，dn为第n个浣熊个体的逃跑方向，d,=normalizefr::[LB+r;·((UB-LB)》，r232）神经网络训练模块对卷积神经网络进行模型训练，得到训练好的卷积神经网剪枝神经网络生成模块，根据优化剪枝策略对训练好的卷积神经网络进行剪枝，[0022]①神经网络训练模块对卷积神经网络进行模型训练，得到训练好的卷积神经网;;;;;;;[0031]S23中采用多目标浣熊优化算法对剪枝策略生成模型进行多目标优化求解，得到;;步长控制参数，dn为第n个浣熊个体的逃跑方向，d,=normalizefr::[LB+r;·((UB-LB)》，r23

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论