基于深度学习的柴油机振动监测测点布局优化的研究

分类： 动力与电气工程 >> 工程热物理学 提交时间： 2024-01-06

李利泉

摘要： 随着工业技术的不断进步，深度学习作为人工智能的重要分支，为各领域带来了新的可能性。本论文研究了柴油发动机振动监测位置的优化布局，专注于解决振动监测中的数据重叠和相互干扰问题。通过探讨柴油机传感器的最佳位置和数量，提出了一种基于图池化神经网络的传感器布局优化方法。将传感器测点视为图的节点，利用图卷积层处理邻接矩阵，得到每个节点的特征向量。通过信息熵和独立性方法对特征向量进行筛选和排序，选取具有代表性的特征向量作为重要节点。最后，在池化层中进行分类和筛选，考虑了覆盖范围和成本等因素，从而确定最佳传感器布置位置和数量。实验结果表明，所提出的图池化网络模型能够有效地优化传感器测点布局，并具有较高的准确性和稳定性。该方法不仅适用于柴油发动机振动监测，还可以推广到其他领域需要进行传感器布置优化的问题中。

同行评议状态:待评议

 点击量 564  下载量 156  评论