检索结果-内蒙古大学图书馆

西北工业大学学报 2018年第3期36卷 536-542页

作者：王成许建新王红军张振明西北工业大学机电学院陕西西安710072 北京信息科技大学现代测控技术教育部重点实验室北京100192

装备的安全服役和有效感知越来越重要,特别是对于一些高端装备复杂系统模块的退化状态预测和备用系统的有效订购是保障安全运行、提升服务质量、降低维修成本的关键。为此,分析了复杂系统退化的特点,提出了一种基于复杂系统退化机理的... 详细信息

装备的安全服役和有效感知越来越重要,特别是对于一些高端装备复杂系统模块的退化状态预测和备用系统的有效订购是保障安全运行、提升服务质量、降低维修成本的关键。为此,分析了复杂系统退化的特点,提出了一种基于复杂系统退化机理的订购策略模型。基于状态空间特征矩阵建立系统退化过程模型,根据系统退化模型和备用系统随机交付时间构建复杂系统订购策略模型,该模型采用下订时刻作为决策变量。基于提出的复杂系统订购策略模型,存在一个唯一的使期望费用率最小化的最优下订时刻。最后,用实例验证了所提订购策略模型的有效性。

关键词：复杂系统状态空间退化过程随机交付时间视情订购费用率

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征提取的遥感旋转目标检测

引用

激光与光电子学进展 2023年第12期60卷 443-451页

作者：吴洛冰谷玉海吴文昊范帅鑫北京信息科技大学现代测控技术教育部重点实验室北京100089 北京信息科技大学机电工程学院北京100089

针对高分辨率遥感图像具有物体尺度差异大、小目标排列密集且方向性强的问题,提出一种基于多尺度特征提取的旋转遥感目标检测算法。选用CenterNet作为基准模型,对其进行重新设计。首先,为增强上下文信息提取能力,结合多尺度空洞卷积提... 详细信息

针对高分辨率遥感图像具有物体尺度差异大、小目标排列密集且方向性强的问题,提出一种基于多尺度特征提取的旋转遥感目标检测算法。选用CenterNet作为基准模型,对其进行重新设计。首先,为增强上下文信息提取能力,结合多尺度空洞卷积提出并使用感受野扩展模块;其次,结合自适应特征融合,增强算法对多尺度目标的提取能力;最后,重新设计CenterNet检测头并更新损失函数,增强模型对旋转物体的检测性能。设计的模型命名为CenterNet for remote sensing images(CenterNet-RS)。在DOTA数据集上进行实验,CenterNet-RS的平均精度均值(mAP)达73.01%,相较于基准模型,提高了9.45个百分点。实验结果表明,设计的方法可有效提高算法检测遥感图像目标的精度。

关键词：遥感图像旋转目标检测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

基于优化YOLOv3算法的违章车辆检测方法

引用

重庆理工大学学报（自然科学） 2021年第4期35卷 135-141页

作者：刘朔谷玉海饶文军王菊远北京信息科技大学现代测控教育部重点实验室北京100192

对YOLOv3算法模型进行改进,增加多个尺度检测,提高模型对小目标物体的检测能力,并增加聚类算法生成的anchors的数量,提高目标检测的准确率。在真实交通卡口数据集上进行测试,改进后的YOLOv3算法的mAP达到了92.53%,帧频为44.58 FPS,满足... 详细信息

对YOLOv3算法模型进行改进,增加多个尺度检测,提高模型对小目标物体的检测能力,并增加聚类算法生成的anchors的数量,提高目标检测的准确率。在真实交通卡口数据集上进行测试,改进后的YOLOv3算法的mAP达到了92.53%,帧频为44.58 FPS,满足实时检测的需求。实验结果表明:优化后的YOLOv3算法在违章车辆检测中的性能优于原始的方法,并且检测速度能够保持实时性。

关键词： YOLOv3 目标检测违章检测智能交通

来源：评论

学校读者我要写书评

暂无评论

基于改进Elman神经网络的烟气轮机运行状态趋势预测

引用

广西大学学报（自然科学版） 2019年第2期44卷 367-375页

作者：陈涛王立勇徐小力王少红北京信息科技大学现代测控教育部重点实验室北京100192

为提高烟气轮机状态趋势预测的精度,提出一种改进Elman神经网络的趋势预测方法。首先,引入以四分位数和四分位距为基础的箱线图方法判别异常值,并对缺失的数据进行插补,为状态趋势预测提供可靠的全数据序列;其次,根据设备运行状态数据... 详细信息

为提高烟气轮机状态趋势预测的精度,提出一种改进Elman神经网络的趋势预测方法。首先,引入以四分位数和四分位距为基础的箱线图方法判别异常值,并对缺失的数据进行插补,为状态趋势预测提供可靠的全数据序列;其次,根据设备运行状态数据序列具有的时间依存性,计算数据序列不同时延的相关程度,以相关系数最大值点对应的时延为最优预测步长;最后构建三层最优预测步长Elman神经网络对烟气轮机运行状态全数序列进行趋势预测实例分析。研究结果表明,箱线图法能够简捷快速、直观明了地判别异常值;邻近点中位数插补方法更贴近原始数据分布规律,为最优插补方法;相较其他预测步长的Elman神经网络预测方法,最优预测步长的预测误差最小、预测精度最高;同时,Elman神经网络最优预测步长方法的预测误差较BP、RBF神经网络更小、预测精度更高。改进Elman神经网络趋势预测方法能够为烟气轮机的状态趋势预测提供一种有效的预测方法,该方法还可应用于其他关键设备的趋势预测中。

关键词：异常值判别缺失数据插补最优预测步长 Elman神经网络状态趋势预测

来源：评论

学校读者我要写书评

暂无评论

风力发电机组早期故障诊断

引用

现代制造工程 2015年第3期 126-131页

作者：张晓东许宝杰吴国新左云波北京信息科技大学现代测控教育部重点实验室北京100192

随着风力发电行业的快速发展,风力发电机组装机数量迅猛增加。然而恶劣的工作环境导致风力发电机组故障率较高。通过故障诊断技术及时发现设备存在的故障,进而确保发电机组安全可靠运行,是降低事故的有效途径。提出一种风力发电机组早... 详细信息

随着风力发电行业的快速发展,风力发电机组装机数量迅猛增加。然而恶劣的工作环境导致风力发电机组故障率较高。通过故障诊断技术及时发现设备存在的故障,进而确保发电机组安全可靠运行,是降低事故的有效途径。提出一种风力发电机组早期故障诊断的方法,通过对风力发电设备运行状态进行实时监测并进行趋势预测,及时发现运行过程中存在的故障隐患,并利用信号处理方法 EEMD对故障信号进行分析处理,提取故障特征信息,进而诊断故障发生的原因和部位等情况,最后综合评价决策釆取适当的应对措施,并通过实验验证了该方法的有效性。

关键词：早期故障诊断 BP神经网络趋势预测总体经验模式分解

来源：评论

学校读者我要写书评

暂无评论

基于2D-MUSIC算法L型声阵列的轴承故障研究

引用

电子测量与仪器学报 2020年第1期32卷 121-127页

作者：张楠马超许宝杰徐小力北京信息科技大学现代测控技术教育部重点实验室北京100192

随着传感器阵列技术的发展,越来越多阵列技术用于设备的故障诊断研究中。针对设备中多滚动轴承诊断中故障的定性与定位问题,开展了基于2D-MUSIC算法L型声阵列的轴承故障定位理论仿真研究,旨在进行阵列参数的优化。根据滚动轴承声学信号... 详细信息

随着传感器阵列技术的发展,越来越多阵列技术用于设备的故障诊断研究中。针对设备中多滚动轴承诊断中故障的定性与定位问题,开展了基于2D-MUSIC算法L型声阵列的轴承故障定位理论仿真研究,旨在进行阵列参数的优化。根据滚动轴承声学信号特性,进行L型麦克风阵列下利用2D-MUSIC算法对双声源信号进行仿真计算,通过改变信噪比、阵元间距以及阵元数量等参数进行仿真分析,确定最优声阵列参数。仿真结果表明,在两个信号源确定的情况下,通过优化阵列参数可以提高其故障定位分辨率并对声源定位系统进行优化。研究对于有轨机车多轴承驱动系统轴承故障的快速定位和实时诊断技术有较好的理论指导意义。

关键词：轴承故障诊断 2D-MUSIC算法 L型声阵列声源定位

来源：评论

学校读者我要写书评

暂无评论

基于遗传非参数MDL-BW方法的HMM结构优化

引用

电子学报 2022年第11期50卷 2765-2772页

作者：徐佳伟罗倩北京信息科技大学信息与通信工程学院北京100101 北京信息科技大学光电测试技术及仪器教育部重点实验室北京100101

隐马尔科夫模型(Hidden Markov Model,HMM)广泛用于语音信号等时序信号的建模.HMM的结构优化包括模型参数个数优化和参数值的优化.针对传统的用于训练HMM的鲍姆-韦尔奇(Baum Welch,BW)算法在寻求最优解时容易陷入局部极值以及无法优化HM... 详细信息

隐马尔科夫模型(Hidden Markov Model,HMM)广泛用于语音信号等时序信号的建模.HMM的结构优化包括模型参数个数优化和参数值的优化.针对传统的用于训练HMM的鲍姆-韦尔奇(Baum Welch,BW)算法在寻求最优解时容易陷入局部极值以及无法优化HMM参数个数的问题,本文提出了遗传非参数MDL-BW方法.该方法通过结合遗传(Genetic Algorithm,GA)算法随机搜索的特点和自适应思想来扩大HMM参数值解的搜索空间,结合非参数思想帮助自动寻求HMM的合适参数个数,同时以最小描述长度MDL(Minimum Description Length,MDL)作为模型优化准则来寻求HMM在全局上的最优结构.仿真数据、语音数据以及人体动作数据的仿真结果表明遗传非参数MDL-BW方法相较BW方法等同类方法在HMM结构的寻求上具有更好的效果.

关键词：随机搜索 MDL准则非参数结构优化全局优化隐马尔科夫模型 BW方法

来源：评论

学校读者我要写书评

暂无评论

基于振动时频域特征的气门间隙故障诊断

引用

石油机械 2014年第9期42卷 48-51页

作者：李阳龙王立勇栾忠权陈涛北京信息科技大学现代测控教育部重点实验室

为了准确实现内燃机气门间隙异常的诊断,提出了基于频带能量特征向量时频域特征的气门间隙故障诊断方法。介绍了小波包改进算法原理及频段能量计算,并以S195四冲程柴油机为研究对象,测取气门间隙正常、进气门间隙异常和排气门间隙异常... 详细信息

为了准确实现内燃机气门间隙异常的诊断,提出了基于频带能量特征向量时频域特征的气门间隙故障诊断方法。介绍了小波包改进算法原理及频段能量计算,并以S195四冲程柴油机为研究对象,测取气门间隙正常、进气门间隙异常和排气门间隙异常等不同工况下的缸盖振动加速度信号,并对其进行改进小波包分解处理,通过6~8 kHz高频带能量的故障阈值和分析信号时域内气门开启、关闭时刻对应的曲轴转角的变化确定进气门或排气门间隙异常,试验结果表明采用该方法诊断出各工况的故障与实际故障吻合。因此,通过小波包分解后各频带相对能量分布来诊断内燃机气门间隙故障是一种有效且可行的方法。

关键词：振动信号小波包分解频带能量内燃机气门间隙故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于有限元数据集建立髋臼周围截骨术的骨刀变形预测模型

引用

医用生物力学 2024年第4期39卷 657-662页

作者：李玉梅韩阳卢鼎北京信息科技大学高动态导航技术北京市重点实验室、现代测控技术教育部重点实验室北京100192

目的建立一种用于髋臼周围截骨(periacetabular osteotomy,PAO)手术的骨刀变形预测模型,快速且精准地预测骨刀变形。方法建立包含皮质骨和松质骨的骨盆-骨刀有限元数值模型,分析节点应变与形变之间的相关性,并优选综合相关性最强的5个... 详细信息

目的建立一种用于髋臼周围截骨(periacetabular osteotomy,PAO)手术的骨刀变形预测模型,快速且精准地预测骨刀变形。方法建立包含皮质骨和松质骨的骨盆-骨刀有限元数值模型,分析节点应变与形变之间的相关性,并优选综合相关性最强的5个节点的应变作为输入,选择刀刃部分节点的位移增量作为输出。通过数据集训练模型后,采用基于有限元数据集的深度学习神经网络回归模型,建立骨刀应变-形变预测模型。在模型预测完成后,利用双目视觉定位系统确定截骨手术过程中骨刀的空间精确位置,以此对骨刀进行术中跟踪。结果预测模型的R^(2)为0.98781,骨刀离散成节点后的平均变形误差为0.07 mm。该预测模型能够快速且精确地获取骨刀变形,在降低PAO手术事故方面显示出巨大的潜力。结论建立的骨刀变形预测模型可通过骨刀的应变信息快速预测骨刀的变形,从而避免伤及组织周围神经和血管等组织,降低PAO术中难度和风险,并为临床应用提供理论支撑。

关键词：截骨术骨刀变形预测神经网络有限元分析

来源：评论

学校读者我要写书评

暂无评论

铜基粉末冶金材料摩擦界面自愈性能试验研究

引用

机械工程学报 2023年第18期59卷 69-79页

作者：王立勇吴健鹏李乐王华庆陈睿涵舒越超北京信息科技大学现代测控技术教育部重点实验室北京100192 北京化工大学机电工程学院北京100029

针对摩擦界面常见的犁沟损伤形式设计“损伤-自愈”试验,提出摩擦界面自愈性能表征方法。基于摩擦界面自愈性能表征参数,综合分析粉末冶金摩擦材料特定工况的自愈性能演变历程,评估自愈时间。最终,通过三组对比试验分析环境温度、转速... 详细信息

针对摩擦界面常见的犁沟损伤形式设计“损伤-自愈”试验,提出摩擦界面自愈性能表征方法。基于摩擦界面自愈性能表征参数,综合分析粉末冶金摩擦材料特定工况的自愈性能演变历程,评估自愈时间。最终,通过三组对比试验分析环境温度、转速、压力三个主要因素对自愈性能的影响规律。结果表明,温度、压力对自愈性能的影响显著,转速的提升可以促进浅蓝色矿物性化合物新相的形成以及非金属组分的均匀填充,但对损伤边界的硬度影响不明显。本研究为摩擦材料界面修复技术提供了新思路,促进了摩擦界面“损伤-自愈”性能研究的工程应用。

关键词：摩擦元件自愈性能界面损伤粉末冶金

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：