适用平台:Matlab2023版及以上
参考文献一:哈尔滨工业大学博士论文《面向低亮度抓取目标的机器人视觉定位方法研究》
参考文献三:中文顶级EI期刊《中国电机工程学报》文献:《基于麻雀算法和深度极限学习机的NOx预测研究》中的麻雀搜索法。
Science Technology
往期推文介绍可知,预训模型+迁移学习的写作模式是当前发文的主流。本程序结合上述3篇文献,并对其进行多重改进创新!!!提出基于MTF-TLSSA-DarkNet-GRU-MSA迁移学习故障识别程序,改进点超多!创新点十足!足够支撑一篇高水平学术论文。
故障识别模型采用目标检测算法中的DarkNet19模型+迁移学习作为故障识别模型框架,在此基础上进行改进,增加GRU和多头自注意力机制(Multihead Self-Attention,MSA)提高模型的特征抓取能力;
数据预处理方面参考文献二,利用马尔可夫场将一维波形转化为图像;
针对DarkNet19-GRU-MSA模型中的超参数,采用自适应t分布和莱维飞行改进的麻雀搜索法进行优化TLSSA,即提出MTF-TLSSA-DarkNet-GRU-MSA故障识别模型。
改进麻雀搜索法优化+改进DarkNet19+GRU+多头注意力机制+迁移学习故障识别程序: MTF-TLSSA-DarkNet-GRU-MSA迁移学习故障识别程序,
文献一解读
而YOLOv2就是由 19 个卷积层、5 个最大池化层、1 个平均 池化层和归一化指数函数输出层组成的 DarkNet19模型,兼顾运算速度和精度,同样适用在故障识别领域,在故障识别领域目前还没人这么做!
稀疏连接:DarkNet19 网络的卷积层中,各神经元间的连接方式采用的是稀疏连接,这种连接方式不仅能使网络参数量大幅度降低,而且可以避免网络在对图像进行处理的过程中发生过拟合现象。 权值共享:DarkNet19网络还利用卷积神经网络的权值共享特点,在卷积操作中减少了大量不必要的网络参数运算,从而有效提升了卷积层的计算效率。
加速收敛:DarkNet19网络的卷积层的最大特点是在卷积操作后,采用了“批量标准化”来提高模型在训练过程中的稳定性,并加速收敛。“批量标准化”的采用,使得网络可以用更大的学习率进行更稳定的梯度传播,同时,网络的泛化能力也得到了提高。
文献二解读
文献二创新点:这篇文献的创新点在于马尔可夫场(MTF)与卷积神经网络(CNN)相结合,融入多头注意力机制,实现故障分类。MTF将一维信号转换为二维特征图,而CNN可以对这些特征图进行自适应的特征提取和分类,融合多头注意力机制有效把握提取特征的贡献程度,实现了故障的准确分类。
文献三解读
MTF-TLSSA-DarkNet-GRU-MSA迁移学习故障识别程序
仅需原始故障波形数据,即可根据波形数据,将一维序列转化为二维马尔可夫场图像。 使用预训练的DarkNet19模型作为起点,利用新的故障识别数据集上进行模型微调。针对不同的研究课题,故障类别也不相同,因此需要对预训练的DarkNet19模型冻结一部分可用的层。 对其输出层进行改进,增加门控循环单元网络GRU和多头自注意力机制MSA层,重新训练这些层以适应新的分类任务,本文模型结构如下图所示。
7大创新点:
7、Levy飞行策略本:文将Levy飞行应用于麻雀的位置更新中,在算法进行更新后再进行一次Levy飞行更新个体位置,可以实现跳出局部最优解,扩大搜索能力的效果。
完整代码:https://mbd.pub/o/bread/ZZ2amZtr
关注小编会不定期推送高创新型、高质量的学习资料、文章程序代码,为你的科研加油助力!