26年WP测控技术与仪器基于pytorch的轧机健康状态智能识别研究16.4-AI40.46_1全日(25998字).docx

下载文档加入资源篮

阅读 0
格式 docx
大小 3.13 MB
约60页
2026-09-19
评论
收藏
赞(0)
海报
分享
微信扫码分享或点击分享到
QQ空间
QQ好友
新浪微博
复制链接
分享赚佣金
举报

26年WP测控技术与仪器基于pytorch的轧机健康状态智能识别研究16.4-AI40.46_1全日(25998字).docx_第1页

1/60页

26年WP测控技术与仪器基于pytorch的轧机健康状态智能识别研究16.4-AI40.46_1全日(25998字).docx_第2页

2/60页

26年WP测控技术与仪器基于pytorch的轧机健康状态智能识别研究16.4-AI40.46_1全日(25998字).docx_第3页

3/60页

26年WP测控技术与仪器基于pytorch的轧机健康状态智能识别研究16.4-AI40.46_1全日(25998字).docx_第4页

4/60页

26年WP测控技术与仪器基于pytorch的轧机健康状态智能识别研究16.4-AI40.46_1全日(25998字).docx_第5页

5/60页

26年WP测控技术与仪器基于pytorch的轧机健康状态智能识别研究16.4-AI40.46_1全日(25998字).docx_第6页

6/60页

26年WP测控技术与仪器基于pytorch的轧机健康状态智能识别研究16.4-AI40.46_1全日(25998字).docx_第7页

7/60页

26年WP测控技术与仪器基于pytorch的轧机健康状态智能识别研究16.4-AI40.46_1全日(25998字).docx_第8页

8/60页

26年WP测控技术与仪器基于pytorch的轧机健康状态智能识别研究16.4-AI40.46_1全日(25998字).docx_第9页

9/60页

26年WP测控技术与仪器基于pytorch的轧机健康状态智能识别研究16.4-AI40.46_1全日(25998字).docx_第10页

10/60页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/60

加入VIP 下载文档加入资源篮

文本预览下载提示常见问题

I摘要轧机在生产中一直处于重度负荷运行状态，非常容易出现振动异常和颤振现象。颤振太严重了，不仅会降低产品质量，还可能损坏机械设备。因此，准确识别轧机运行状态具有重要意义。本文是一种在随机森林特征选择与深度神经网络分类的条件下对待轧机状态识别方法。采用滑动窗口方法，对振动信号和张力信号进行一段一段处理，提取均方根值、峰值、峭度、偏度等一些时域特征，以及低频、中频和高频能量等一些频域特征，构建特征向量。之后就利用随机森林算法对特征重要性进行评估，并选出最优特征子集，用来减少多余信息然后提高模型效率。基于 PyTorch 深度学习框架，...

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用.。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容