基于LSTM和CRF的加工過(guò)程運(yùn)行狀態(tài)識(shí)別

摘要： 針對(duì)加工過(guò)程中時(shí)序信號(hào)截取成本高和運(yùn)行狀態(tài)自動(dòng)識(shí)別困難的問(wèn)題，提出一種結(jié)合雙向循環(huán)神經(jīng)網(wǎng)絡(luò)BiLSTM和條件隨機(jī)場(chǎng)(CRF)的加工過(guò)程信號(hào)狀態(tài)識(shí)別模型，適用于變參數(shù)加工場(chǎng)景。采用LSTM來(lái)捕捉時(shí)間序列數(shù)據(jù)的前后依賴性關(guān)系，并利用該網(wǎng)絡(luò)對(duì)振動(dòng)信號(hào)進(jìn)行深層特征提取。在此基礎(chǔ)上，為了進(jìn)一步捕捉狀態(tài)數(shù)據(jù)，將LSTM的輸出特征輸入至條件隨機(jī)場(chǎng)(CRF)模型和多層感知機(jī)(MLP)中進(jìn)行邊界... （共6頁(yè)）