《一种面向电力运维作业的LSTM动作识别方法》PDF+DOC
作者:刘培贞,贾玉祥,夏时洪
单位:北京仿真中心;中国仿真学会
出版:《系统仿真学报》2019年第12期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFXTFZ2019120370
DOC编号:DOCXTFZ2019120379
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于工业通讯和云主机的地下水监测系统设计》PDF+DOC2015年第11期 周萌,凤蔚,任晓霞,杨淑云
《基于体感网的人体运动监测动作识别研究》PDF+DOC2016年第10期 梁园
《基于非均衡数据的相似性动作识别方法研究》PDF+DOC2018年第05期 杨世文,杨明静,刘伟静
《多FSR传感器的手部姿态识别系统》PDF+DOC2009年第01期 孙超,姜力,杨大鹏,赵京东,刘宏
《基于SAE和LSTM的下肢外骨骼步态预测方法》PDF+DOC2019年第12期 陈超强,蒋磊,王恒
《智慧农业示范区初步设计》PDF+DOC2019年第07期 刘强
《转动机械振动的测量与动态数据采集系统》PDF+DOC2000年第03期 顾淑清,李长松,胡琼
《基于GPS的农田信息采集处理系统研究》PDF+DOC2010年第04期 明德廷
《3自由度柔性并联机器人的实验研究》PDF+DOC2009年第05期 吴绍群,张学涛,余跃庆
《基于加速度传感器的上肢爆发力训练研究》PDF+DOC 邢新阳,刘嘉嘉,张培,赵焕彬
电力运维安全是备受社会关注的课题。为了避免因运维人员的操作失误而产生严重后果,提出了一种基于长短期记忆网络LSTM(Long Short Term Memory)的、面向电力运维作业的动作识别方法,该方法涵盖了从数据采集、数据处理到分类识别的整个过程,可对人员工作过程中的操作行为进行识别和监督。基于新构建的电力运维作业数据集将方法中用到的深度学习算法LSTM与传统机器学习算法KNN进行仿真对比实验,结果表明,LSTM的表现更佳,在时间窗口为120帧时,LSTM的准确率达到91.32%,比KNN高出约2个百分点。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。