為解決裝備故障檢測(cè)存在故障數(shù)據(jù)少,難以應(yīng)用深度學(xué)習(xí)方法提高性能的問(wèn)題,提出一種基于優(yōu)化深度隨機(jī)森林的提高裝備故障診斷精度方法。根據(jù)數(shù)據(jù)集合數(shù)據(jù)的特點(diǎn),構(gòu)建重采樣的樣本集合決策樹(shù)模型,通過(guò)對(duì)故障數(shù)據(jù)中的連續(xù)數(shù)值進(jìn)行C4.5決策樹(shù)離散化處理,使用擴(kuò)張卷積方法擴(kuò)展滑動(dòng)窗口的感測(cè)范圍,對(duì)訓(xùn)練模型進(jìn)行實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,運(yùn)用深度隨機(jī)森林的方法對(duì)提高裝備故障診斷有一定借鑒作用。 

【文章來(lái)源】：兵工自動(dòng)化. 2020,39(12)

【文章頁(yè)數(shù)】：4 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于深度語(yǔ)義分割的遙感圖像海面艦船檢測(cè)研究[J]. 陳彥彤,李雨陽(yáng),陳偉楠,張獻(xiàn)中,王俊生.  儀器儀表學(xué)報(bào). 2020(01)
[2]基于模糊證據(jù)認(rèn)知圖的裝備維修風(fēng)險(xiǎn)評(píng)估方法[J]. 肖雄,董鵬.  兵工自動(dòng)化. 2020(02)
[3]基于蒙特卡羅仿真評(píng)價(jià)車(chē)輛裝備預(yù)防性維修間隔期方法[J]. 趙星賀,周斌,封會(huì)娟,許凱,張衡.  兵工自動(dòng)化. 2019(11)
[4]基于空洞卷積的快速背景自動(dòng)更換[J]. 張浩,竇奇?zhèn)?欒桂凱,姚紹文,周維.  計(jì)算機(jī)應(yīng)用. 2018(02)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)電信號(hào)搜索[J]. 何元利,龔曉峰.  兵工自動(dòng)化. 2017(10)
[6]基于MMBI的高分辨率影像建筑物提取研究[J]. 陳行,卓莉,陶海燕.  遙感技術(shù)與應(yīng)用. 2016(05)
[7]裝備故障的時(shí)空共現(xiàn)模式挖掘[J]. 楊樂(lè),包磊.  兵工自動(dòng)化. 2016(06)
[8]決策樹(shù)算法在裝備故障檢測(cè)中的應(yīng)用[J]. 陳秀芳,許利亞,劉曉春,王喜權(quán).  兵工自動(dòng)化. 2015(10)
[9]基于神經(jīng)網(wǎng)絡(luò)的復(fù)雜電子裝備故障診斷系統(tǒng)的仿真研究[J]. 張義忠,馮振聲.  計(jì)算機(jī)仿真. 2000(04)



本文編號(hào)：3579760