碧波液压网 欢迎你,游客。 登录 注册

基于改进CNN的工业控制网络入侵检测研究

作者: 郭越 来源:机械设计与制造工程 日期: 2024-07-27 人气:163
基于改进CNN的工业控制网络入侵检测研究
现有工业控制网络入侵检测准确率不高,为此提出了一种改进CNN入侵检测方法。首先,针对传统CNN无法有效提取稀疏数据特征的问题,采用小尺寸卷积核串联的Inception模块替代传统CNN卷积层,针对网络平均池化或最大池化可能弱化或丢失关键信息的问题,采用自适应池化方式;然后,基于改进CNN构建工业控制网络入侵检测模型;最后,通过NSL-KDD数据集和天然气管道数据集对入侵检测模型的性能进行验证。结果表明,在NSL-KDD数据集上,相较于传统CNN算法和Inception-CNN,改进CNN算法的准确率可达98.50%,误报率为0.34%;在天然气管道数据集上,相较于C-SVM算法和K-means算法,改进CNN算法的准确率可达96.32%,误报率仅为1.25%。改进CNN可实现工业控制网络入侵的高精度检测。

基于改进型ESMD和动力学模型的齿轮箱冲击特征提取方法研究

作者: 谷晟 别锋锋 缪新婷 赵威 郭越 来源:机械传动 日期: 2024-07-05 人气:51
基于改进型ESMD和动力学模型的齿轮箱冲击特征提取方法研究
齿轮箱振动信号具有非线性冲击特征,其有效特征信息易于被振动信号其他干扰成分所淹没。针对如何有效提取其冲击特征这一热点和难点问题,通过构建直齿锥齿轮动力学模型,研究其典型故障振动机理,提出了一种基于改进型极点对称模态分解(ESMD)和支持向量机(SVM)相结合的故障诊断方法。该方法通过改进型ESMD将振动信号自适应分解为多个IMF分量,然后利用最大峭度-包络谱指标选取一定量的分量并提取每个分量的奇异值,构建特征向量集合并输入SVM进行故障模式识别。动力学仿真模拟和齿轮箱实验研究表明,改进型ESMD-SVM法能够有效提取并识别齿轮箱故障信息。

基于CEEMDAN-DRT的滚动轴承故障诊断方法研究

作者: 周斌 来源:机械传动 日期: 2024-06-14 人气:99
基于CEEMDAN-DRT的滚动轴承故障诊断方法研究
针对滚动轴承故障信息不易提取的特性,提出了完全集合经验模态分解(CEEMDAN)自适应消噪和共振解调技术(DRT)相结合的故障诊断方法。首先,利用CEEMDAN自适应地将信号分解成多个分量,通过互相关系数方法进行重构以达到消噪的目的;然后,对重构的信号进行谱峭度分析,得到冲击成分所在的频带,并据此设计带通滤波器对重构信号进行滤波处理;最后,对滤波后的信号进行Hilbert包络谱分析,提取冲击成分的频率,并与滚动轴承故障特征频率对比,进行故障模式识别。通过动力学仿真和滚动轴承实验对该方法进行了有效性论证。结果表明,该方法可以有效识别滚动轴承的故障信息。
    共1页/3条