检索结果-内蒙古大学图书馆

机床与液压 2025年第8期 174-181页

作者：闫锋肖成军孙一伟孙有朝谭忠睿中国民用航空飞行学院航空工程学院南京航空航天大学民航学院中国南方航空河南航空有限公司中国民用航空飞行学院绵阳分院

针对液压系统故障特征提取困难、诊断准确率低等问题，提出一种基于多尺度一维卷积神经网络（MS1DCNN）和贝叶斯搜索优化支持向量机（SVM）的智能故障诊断模型。将多个传感器信号合并为单一输入信号；通过多尺度卷积处理提取关键故障特... 详细信息

针对液压系统故障特征提取困难、诊断准确率低等问题，提出一种基于多尺度一维卷积神经网络（MS1DCNN）和贝叶斯搜索优化支持向量机（SVM）的智能故障诊断模型。将多个传感器信号合并为单一输入信号；通过多尺度卷积处理提取关键故障特征，构建特征向量；然后，利用贝叶斯搜索优化SVM进行分类识别，构建故障诊断模型；最后，对模型进行训练。结果表明：该模型对柱塞泵和蓄能器的故障诊断准确率分别为99.63%、 99.17%；与MS1DCNN、 1DCNN、 SVM模型相比，该模型在液压系统故障诊断方面具有高准确率、高可靠性和强泛化能力的优势。

关键词：液压系统多尺度卷积神经网络支持向量机贝叶斯搜索优化故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于GADF变换和多尺度CNN的哈密瓜表面农药残留可见-近红外光谱判别方法

引用

光谱学与光谱分析 2021年第12期41卷 3701-3707页

作者：喻国威马本学陈金成党富民李小占李聪王刚石河子大学机械电气工程学院新疆石河子832003 农业农村部西北农业装备重点实验室新疆石河子832003 新疆农垦科学院机械装备研究所新疆石河子832000 农业部食品质量监督检验测试中心(石河子) 新疆石河子832000 新疆农垦科学院分析测试中心新疆石河子832000

针对哈密瓜表面农药残留化学检测方法成本高且具有破坏性等问题,探索了可见-近红外(Vis-NIR)光谱技术对农药残留定性判别的可行性。以哈密瓜为载体,百菌清和吡虫啉农药为研究对象,采集哈密瓜表面无残留、百菌清和吡虫啉残留的可见-近红... 详细信息

针对哈密瓜表面农药残留化学检测方法成本高且具有破坏性等问题,探索了可见-近红外(Vis-NIR)光谱技术对农药残留定性判别的可行性。以哈密瓜为载体,百菌清和吡虫啉农药为研究对象,采集哈密瓜表面无残留、百菌清和吡虫啉残留的可见-近红外漫反射光谱,利用格拉姆角场(GAF)将一维光谱数据转换为二维彩色图像,构建GAF图像数据集。设计一种包含Inception结构的多尺度卷积神经网络模型用于哈密瓜表面农药残留种类判别,包括1层输入层、3层卷积层、1层融合层、1层平坦层、2层全连接层和1层输出层。模型测试混淆矩阵结果表明,格拉姆角差场(GADF)变换对哈密瓜表面农药残留的可见-近红外光谱表达能力较强。此外,构建AlexNet、VGG-16卷积神经网络(CNN)模型和支持向量机(SVM)、极限学习机(ELM)机器学习模型与提出的多尺度CNN模型进行性能对比。结果表明,3种CNN模型对哈密瓜表面有无农药残留的判别效果较好,综合判别准确率均高于SVM和ELM模型。对比3种CNN模型性能,多尺度CNN模型的性能最佳,训练耗时为14 s,综合判别准确率为98.33%。多尺度CNN模型结构利用多种小尺寸滤波器组合(1×1,3×3和5×5)和并行卷积模块,能够捕获不同层次和尺度的特征,通过级联融合模式进行深度特征融合,提高了模型的特征提取能力。与传统深度CNN模型相比,在保证计算复杂度不变的情况下,多尺度CNN模型的精度得到了有效提高。实验结果表明,GADF变换结合多尺度CNN模型可以有效进行光谱数据解析,利用可见-近红外光谱技术可以实现哈密瓜表面农药残留的定性判别。研究结果为大型瓜果表面农药残留的快速无损检测技术的研发提供了理论参考。

关键词：哈密瓜格拉姆角场变换可见-近红外光谱多尺度卷积神经网络农药残留判别

来源：评论

学校读者我要写书评

暂无评论

重点营运车辆的异常驾驶行为识别研究

引用

交通运输系统工程与信息 2022年第1期22卷 282-291页

作者：赵建东陈溱焦彦利张凯丽韩明敏北京交通大学交通运输学院北京100044 北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室北京100044 河北省交通规划设计院石家庄050000

为加强对重点营运车辆异常驾驶行为的监督与检测,本文基于时间序列符号化算法(TSA)与多尺度卷积神经网络模型(MCNN)提出一种组合模型TSA-MCNN,用于识别重点营运车辆异常驾驶行为。首先,对北斗数据进行预处理,并基于营运车辆存在多种车... 详细信息

为加强对重点营运车辆异常驾驶行为的监督与检测,本文基于时间序列符号化算法(TSA)与多尺度卷积神经网络模型(MCNN)提出一种组合模型TSA-MCNN,用于识别重点营运车辆异常驾驶行为。首先,对北斗数据进行预处理,并基于营运车辆存在多种车型、多种速度限制、多种异常驾驶行为的特点划分4种异常驾驶行为,构建异常样本数据集。其次,构建TSA-MCNN模型识别样本数据集,其过程分为两阶段,第1阶段,针对重点营运车辆的特点,引入能够粗粒化处理数据特征的时间序列符号化算法与能够多通道参数输入的多尺度卷积神经网络进行组合,并基于Keras库完成TSA-MCNN模型的搭建;第2阶段,利用样本数据集作为模型的输入变量,完成模型的训练、测试与识别。最后,以广河高速重点营运车辆北斗数据验证TSA-MCNN模型的性能,同时,与异常识别传统算法的卷积神经网络(CNN)模型与动态时间扭曲-K最近邻(DTW-KNN)模型进行对比分析。验证结果表明:TSA-MCNN模型整体识别准确率为97.25%,相对于CNN模型与DTW-KNN模型提高了20.50%与5.63%。其中,TSA-MCNN模型对于正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为、低速驾驶行为的识别精确率相对于CNN模型(DTW-KNN模型)分别提高了26%(13%)、26%(6%)、23%(5%)、28%(3%)、0(0),说明该模型对于重点营运车辆异常驾驶行为的识别具有良好的性能。

关键词：智能交通异常驾驶行为识别多尺度卷积神经网络重点营运车辆车辆驾驶行为深度学习

来源：评论

学校读者我要写书评

暂无评论

基于BFD和MSCNN的风电滚动轴承智能故障诊断

引用

东南大学学报（自然科学版） 2021年第3期51卷 521-528页

作者：邓敏强邓艾东朱静史曜炜马天霆东南大学能源与环境学院南京210096 东南大学火电机组振动国家工程研究中心南京210096 国华太仓发电有限公司苏州215000

针对变工况下风电滚动轴承的健康状态评估问题,提出了一种基于带宽傅里叶分解(BFD)和多尺度卷积神经网络(MSCNN)的智能故障诊断方法.首先,通过BFD算法将原始振动信号分解为一系列带宽模态函数(BMF);然后,通过希尔伯特阶次变换(HOT)计算... 详细信息

针对变工况下风电滚动轴承的健康状态评估问题,提出了一种基于带宽傅里叶分解(BFD)和多尺度卷积神经网络(MSCNN)的智能故障诊断方法.首先,通过BFD算法将原始振动信号分解为一系列带宽模态函数(BMF);然后,通过希尔伯特阶次变换(HOT)计算各BMF的包络阶次谱,并根据特征阶次比筛选出分解结果中包含故障信息最多的有效分量.最后,通过MSCNN学习有效分量的包络阶次谱与故障类别之间的映射关系以实现滚动轴承健康状态的自动识别.实验结果表明,所提方法采用BFD分解结果的包络阶次谱作为故障识别的特征量,能有效提高模型在不同工况下的泛化能力,其测试准确率达到97%以上,可应用于变工况条件下风电滚动轴承的智能故障诊断.

关键词：风电滚动轴承故障诊断带宽傅里叶分解多尺度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于端点检测与信号重组的光纤分布式传感信号识别

引用

光子学报 2021年第11期50卷 115-122页

作者：吴虎孔勇王振伟丁伟李欢上海工程技术大学电子电气工程学院上海201620

为提高基于相敏光时域反射计的分布式光纤声传感系统对入侵振动事件的识别准确率,提出一种基于端点检测与信号重组的光纤振动信号识别方法。该方法首先使用基于EMD_PCC的去噪方式对信号进行去噪,然后对去噪后的信号进行端点检测,将检测... 详细信息

为提高基于相敏光时域反射计的分布式光纤声传感系统对入侵振动事件的识别准确率,提出一种基于端点检测与信号重组的光纤振动信号识别方法。该方法首先使用基于EMD_PCC的去噪方式对信号进行去噪,然后对去噪后的信号进行端点检测,将检测到的振动信号进行振动信号的重组,并提出使用一个双输入多尺度卷积神经网络分别提取振动信号的时域特征与频域特征,最后使用支持向量机进行分类。实验证明该识别方法能快速完成对识别模型的训练,并且能有效识别在实际环境中采集的入侵振动信号,对入侵信号的识别准确率可达94.8%。

关键词：分布式光纤传感相敏光时域反射计端点检测多尺度卷积神经网络支持向量机

来源：评论

学校读者我要写书评

暂无评论

多尺度残差注意力的高速铁路OFDM信道估计

引用

电子科技大学学报 2023年第4期52卷 512-522页

作者：陈永蒋丰源詹芝贤兰州交通大学电子与信息工程学院兰州730070

针对高速铁路正交频分复用(OFDM)通信系统在高速移动场景下,难以准确对快时变信道状态信息进行估计的问题,提出了一种基于多尺度残差注意力网络的高速铁路OFDM信道估计方法。首先,设计多尺度信道特征提取结构,对低分辨率信道矩阵采用多... 详细信息

针对高速铁路正交频分复用(OFDM)通信系统在高速移动场景下,难以准确对快时变信道状态信息进行估计的问题,提出了一种基于多尺度残差注意力网络的高速铁路OFDM信道估计方法。首先,设计多尺度信道特征提取结构,对低分辨率信道矩阵采用多尺度多维特征提取,增强了信道不同尺度信息的提取能力。然后,构建残差注意力级联深度网络进行信道特征重构映射,将局部残差反馈结合注意力机制促进深层特征的融合和利用,提升OFDM信道矩阵的重构映射能力。最后,使用子像素卷积重构生成高分辨率信道矩阵,完成信道估计。通过频域和时域信道估计测试分析表明:在低速及高速铁路场景下,该方法与其他方法相比,信道估计的精度和复杂度等客观性评价指标均优于比较算法,能够满足OFDM信道估计的要求。

关键词：信道估计深度残差注意力多尺度卷积神经网络正交频分复用系统超分辨率重构

来源：评论

学校读者我要写书评

暂无评论

基于视频监控图像的环巢湖蓝藻实时动态监测

引用

湖泊科学 2022年第6期34卷 1840-1853页

作者：马腾耀肖鹏峰张学良段洪涛邱银国南京大学地理与海洋科学学院自然资源部国土卫星遥感应用重点实验室江苏省地理信息技术重点实验室南京210023 中国科学院南京地理与湖泊研究所中国科学院流域地理学重点实验室南京210008

蓝藻的防控与治理是湖泊水环境、水生态管理的重要内容,实时获取蓝藻的空间分布信息对于降低蓝藻灾害风险具有重要意义.针对地面调查费时费力、卫星遥感监测粒度较粗且时效性不强等问题,本文提出了一种基于视频监控网络的湖泊蓝藻实时... 详细信息

蓝藻的防控与治理是湖泊水环境、水生态管理的重要内容,实时获取蓝藻的空间分布信息对于降低蓝藻灾害风险具有重要意义.针对地面调查费时费力、卫星遥感监测粒度较粗且时效性不强等问题,本文提出了一种基于视频监控网络的湖泊蓝藻实时监测技术.基于环巢湖视频监控网络的33个功能摄像机,研究如何从视频图像中实时、准确提取蓝藻的分布信息.为克服不同摄像头的观测角度不一致、光照强度和背景条件不一致等诸多挑战,在视频图像蓝藻表征分析的基础上,通过多尺度深度网络进行图像粗粒度分类,区分蓝藻与浑浊、阴影水体;基于随机森林进行蓝藻精细化识别,克服蓝藻的强异质性.最后以渔政站沿岸水域的日均蓝藻覆盖率和月均蓝藻覆盖率为统计单位,开展了巢湖沿岸蓝藻的动态监测.研究成果可为科学制定蓝藻治理方案提供技术支撑.

关键词：巢湖视频图像蓝藻识别多尺度卷积神经网络随机森林蓝藻动态监测

来源：评论

学校读者我要写书评

暂无评论

融合注意力机制的刀具磨损预测方法

引用

天津大学学报（自然科学与工程技术版） 2024年第4期57卷 362-373页

作者：董靖川武晓鑫高宇博苏德鹏天津大学机械工程学院天津300072

刀具的磨损状态影响着工件表面质量与加工稳定性,故实现其磨损量的准确监测对于保证加工可靠性、维持生产加工连续性具有积极作用.为进一步提高刀具磨损预测模型的泛化性能和准确度,提出一种融合注意力机制的多尺度卷积双向门控循环(mul... 详细信息

刀具的磨损状态影响着工件表面质量与加工稳定性,故实现其磨损量的准确监测对于保证加工可靠性、维持生产加工连续性具有积极作用.为进一步提高刀具磨损预测模型的泛化性能和准确度,提出一种融合注意力机制的多尺度卷积双向门控循环(multiscale convolutional bidirectional gated recurrent unit-attention,MSCBGRU-A)神经网络的刀具磨损预测方法,其由特征拓展模块、多尺度卷积模块、双向GRU模块、注意力模块、回归模块组成.首先,将切削力、声发射、振动信号作为输入信号,输入信号通过多尺度卷积模块获得多个尺度的刀具磨损输出特征图,将多个卷积通道输出的特征图输入到连接层进行首尾和层叠两种方式的连接来获得两种输出数据.然后,将两种输出数据分别输入到双向GRU模块与注意力模块,通过双向GRU模块学习输出特征图动态变化来获取时序特征,通过注意力模块对多尺度卷积神经网络的输出进行权值分配,强化对刀具磨损预测结果贡献度更大的特征.最后,通过回归模块对磨损值进行预测.经过对比实验引入混合域注意力机制的基于卷积块的注意力机制(convolutional block attention mechanism,CBAM),获得MSCBGRU-CBAM模型,并且通过绘制CBAM的注意力权重图证明注意力机制可以自适应地关注与刀具磨损更相关的特征.与其他深度学习模型进行对比实验表明,MSCBGRU-CBAM模型具有最高的预测精度,且与未使用注意力机制的MSCBGRU模型相比,RMSE降低19.3%,MAE降低17.7%,R 2提高2.7%.

关键词：刀具磨损预测多尺度卷积神经网络注意力机制门控循环单元

来源：评论

学校读者我要写书评

暂无评论

基于多尺度-高效通道注意力网络的刀具故障诊断方法

引用

机械工程学报 2024年第6期60卷 82-90页

作者：狄子钧袁东风李东阳梁道君周晓天信苗苗曹凤雷腾飞山东大学信息科学与工程学院济南250100 山东大学控制科学与工程学院济南250061 齐鲁理工学院机电工程学院济南250200

目前,生产加工流程正向着智能化迈进,设备的故障诊断及预测性维护在保障企业生产效率,降低生产成本方面起着至关重要的作用。刀具作为数控机床的切削工具,其实时健康状态直接影响着机床的加工效率和产品质量。对刀具磨损状态的精准监测... 详细信息

目前,生产加工流程正向着智能化迈进,设备的故障诊断及预测性维护在保障企业生产效率,降低生产成本方面起着至关重要的作用。刀具作为数控机床的切削工具,其实时健康状态直接影响着机床的加工效率和产品质量。对刀具磨损状态的精准监测有助于避免因刀具失效导致的产品质量问题。基于此背景,研究一种基于深度学习的刀具故障诊断方法,将高效通道注意力应用到多尺度卷积神经网络中,提出基于多尺度-高效通道注意力网络的刀具故障诊断方法,利用通道特征学习将机床主轴不同方向的振动信号进行自适应的特征融合,从而提升刀具磨损状态诊断精度。此外,设计刀具磨损试验平台,用于采集符合实际生产的数据,在实际生产场景中验证所提算法的性能。试验结果表明,所提出方法较多尺度网络的刀具故障诊断准确率提高4.47%。

关键词：刀具故障诊断多尺度卷积神经网络高效通道注意力特征融合智能制造

来源：评论

学校读者我要写书评

暂无评论

基于多尺度深度卷积网络特征融合的滚动轴承故障诊断

引用

太阳能学报 2022年第4期43卷 351-358页

作者：王妮妮马萍张宏立王聪新疆大学电气工程学院乌鲁木齐830047

针对传统滚动轴承故障诊断模型对工程先验知识依赖性强、提取特征不充分、分类器选取困难等问题,提出一种基于多尺度深度卷积网络特征融合的滚动轴承故障诊断模型。首先,建立集特征提取与模式识别于一体的卷积神经网络模型,利用小波变... 详细信息

针对传统滚动轴承故障诊断模型对工程先验知识依赖性强、提取特征不充分、分类器选取困难等问题,提出一种基于多尺度深度卷积网络特征融合的滚动轴承故障诊断模型。首先,建立集特征提取与模式识别于一体的卷积神经网络模型,利用小波变换将滚动轴承振动信号转换为二维图像作为输入样本集。然后,在网络结构中构建多尺度特征融合模块自适应提取故障样本不同层级特征,以实现样本不同尺度特征的充分提取。最后,将故障样本输入到网络中实现轴承信号特征自适应提取及端到端诊断。实验结果表明,所提基于多尺度深度卷积网络特征融合的故障诊断模型能充分提取信号各层级特征,在不同噪声干扰下具有较高的诊断精度和鲁棒性,可为滚动轴承故障诊断提供理论基础和实现途径。

关键词：风电机组滚动轴承故障诊断小波变换多尺度卷积神经网络特征融合

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：