摘要
本发明涉及装甲车辆传动装置异常检测领域,公开了一种基于深度特征挖掘的综合传动装置异常检测方法及系统,其包括:将获取的多种传感器监测到的综合传动装置关键部位的原始数据,记录成多维时间序列数据,并通过主成分分析方法进行初步降维,得到降维后的数据;将降维后的数据进行分段处理,获得多组序列片段,并通过PAA对每组序列片段中的每个子序列片段进一步降维,将进一步降维后的序列片段划分为训练集和测试集;通过训练集数据对改进的CNN‑LSTM模型进行训练,得到训练好的最优模型,采用训练好的最优模型对测试集数据进行检测,判断数据是否存在异常。本发明有能处理复杂多变的高维时间序列数据,提高传动装置异常检测的准确性和效率。
技术关键词
综合传动装置
异常检测方法
主成分分析方法
LSTM模型
训练集数据
传感器监测
高维时间序列数据
协方差矩阵
信号特征
局部时空特征
特征值
滑动窗口方法
Adam算法
异常检测系统
随机梯度下降
加权方法
指标
系统为您推荐了相关专利信息
视频异常检测方法
大语言模型
场景
字幕
滑动窗口
节能电控系统
数据收集模块
传感器收集设备
数据储存模块
空分设备
快速检索方法
多模态
长短期记忆网络
特征提取模型
梅尔频率倒谱系数
吊装设备
吊装方法
LSTM模型
YOLO算法
吊装系统
循环神经网络模型
模型超参数
光伏发电功率预测
遗传算法
数据