首页|基于LSTM的刀具数据异常检测方法的研究

基于LSTM的刀具数据异常检测方法的研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
刀具状态是机械加工过程中影响产品质量的因素之一,其中刀具异常数据的有效检测将有助于掌握刀具状态,针对这一问题,论文提出了一种基于LSTM的数据异常检测方法.该方法采用LSTM模型对正常刀具数据进行训练预测,预测之后使用正态分布建模方法求均值作为阈值,将实时采集到的刀具数据预测建模求得的值与阈值进行比较,得到异常数据.对比找到适合的神经网络层数和隐藏的神经元个数,最终结果显示,双层神经网络和128个隐藏神经元的结合,预测准确率提高50％;同时将LSTM算法与PCA降维算法在准确度方面进行了比较,准确度提高约20％,验证了LSTM的有效性.
Research on Cutlery Data Anomaly Detection Method Based on Long Short-Term Memory Network

李建伟、鲁一萍、郭宏

展开 >

太原科技大学计算机科学与技术学院 太原 030024

太原科技大学机械工程学院 太原 030024

刀具数据 异常检测 长短时记忆网络 神经网络

HGKY2019079

2022

10.3969/j.issn.1672-9722.2022.12.040

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(12)
  • 9