检索结果-内蒙古大学图书馆

控制工程 2023年

作者：刘海涛戴娟朱胜涛李剑锋北京信息科技大学高动态导航技术北京市重点实验室北京信息科技大学现代测控技术教育部重点实验室北京信息科技大学自动化学院

针对移动机器人位姿估计过程中存在累积误差导致位姿估计精度差的问题，提出一种基于深度学习方法的视觉里程计。设计卷积神经网络提取图像序列的视觉特征，设计自适应存储网络记录历史位姿信息，通过双向LSTM网络预测未来位姿信息，将... 详细信息

针对移动机器人位姿估计过程中存在累积误差导致位姿估计精度差的问题，提出一种基于深度学习方法的视觉里程计。设计卷积神经网络提取图像序列的视觉特征，设计自适应存储网络记录历史位姿信息，通过双向LSTM网络预测未来位姿信息，将历史信息和未来信息同时作用于当前时刻的位姿输出，降低累积误差对位姿估计精度的影响。在KITTI和TUM数据集进行的实验表明，提出的方法可以直接获取相机的相对位姿参数，并能准确估计出机器人的运动轨迹。相比于其他视觉里程计算法，位姿估计模型精度有较大提升，其绝对轨迹误差和相对位姿误差均有很大改善。

关键词：视觉里程计深度学习相位姿估计卷积神经网络 Bi-LSTM 自适应存储

来源：评论

学校读者我要写书评

暂无评论

可穿戴定位系统阵列惯性器件故障检测方法

引用

电子测量技术 2023年第16期46卷 105-111页

作者：陈豪苏中徐湛北京信息科技大学高动态导航技术北京市重点实验室北京100101 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

通过阵列惯性器件构成的可穿戴自主定位系统,可显著提高人员的定位精度,但是可穿戴自主定位系统中的阵列式惯性器件在工作过程中难以避免出现故障。针对应急救援人员穿戴的自主定位系统中阵列加速度计的噪声增大现象,提出了一种基于卷... 详细信息

通过阵列惯性器件构成的可穿戴自主定位系统,可显著提高人员的定位精度,但是可穿戴自主定位系统中的阵列式惯性器件在工作过程中难以避免出现故障。针对应急救援人员穿戴的自主定位系统中阵列加速度计的噪声增大现象,提出了一种基于卷积神经网络的阵列加速度计故障检测方法,使用广义似然比检验对比得到阵列陀螺仪对照数据,再通过CNN计算加速度计数据与陀螺仪对照数据的映射结果,实现了对阵列加速度计噪声增大故障的快速检测。通过十二IMU阵列数据融合和故障检测试验结果表明,该检测方法能够快速有效检测地出阵列惯性器件中的加速度计噪声增大典型故障,故障检测率≥98%,效果明显。

关键词：阵列惯性器件故障检测 CNN 广义似然比可穿戴装备

来源：评论

学校读者我要写书评

暂无评论

ISSA优化SVM的电机滚动轴承故障诊断

引用

电子测量技术 2023年第15期46卷 186-192页

作者：杨旭张涛李玉梅刘洪北京信息科技大学高动态导航技术北京市重点实验室北京100101 北京信息科技大学现代测控技术教育部重点实验室北京100101

针对电机轴承易发生故障,传统故障诊断方法具有耗时长、诊断精度低、调节参数多等问题,提出一种改进麻雀搜索算法ISSA优化支持向量机SVM的轴承故障诊断方法。该分类算法在传统麻雀寻优算法中引入改进Tent混沌映射、鸡群算法随机跟随策... 详细信息

针对电机轴承易发生故障,传统故障诊断方法具有耗时长、诊断精度低、调节参数多等问题,提出一种改进麻雀搜索算法ISSA优化支持向量机SVM的轴承故障诊断方法。该分类算法在传统麻雀寻优算法中引入改进Tent混沌映射、鸡群算法随机跟随策略、自适应t分布与动态选择策略,首先采用CEEMDAN能量熵对振动信号进行分解,选取与原信号相关性最大的5个IMF分量的能量熵值作为特征向量,然后输入到ISSA-SVM分类器中进行轴承故障诊断。分别与PSO-SVM、GWO-SVM、SSA-SVM分类模型进行实验对比,结果表明ISSA-SVM诊断模型的诊断精度最高可达到100%。

关键词：支持向量机滚动轴承麻雀搜索算法相关系数

来源：评论

学校读者我要写书评

暂无评论

基于PSO-BP神经网络湿式摩擦元件损伤预测模型

引用

北京理工大学学报 2022年第12期42卷 1246-1255页

作者：李乐舒越超吴健鹏陈漫王立勇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 北京理工大学机械与车辆学院北京100081

为求解湿式离合器的多影响因素损伤关系,应用多源数据融合方法,构建一种基于PSO-BP神经网络的湿式摩擦元件损伤预测模型.将转速和接合油压作为模型的输入参数,将提取到的摩擦片周向温度梯度、Fe和Cu元素浓度变化率、摩擦片表面粗糙度变... 详细信息

为求解湿式离合器的多影响因素损伤关系,应用多源数据融合方法,构建一种基于PSO-BP神经网络的湿式摩擦元件损伤预测模型.将转速和接合油压作为模型的输入参数,将提取到的摩擦片周向温度梯度、Fe和Cu元素浓度变化率、摩擦片表面粗糙度变化率作为模型输出参数,建立了有限元仿真模型,搭建了湿式离合器摩擦磨损综合试验台,采用控制变量法研究了油压、转速对摩擦元件损伤特征参数的影响.结果表明,输入工况与4类损伤特征参数呈非线性关系,预测值与实测值随工况变化趋势一致,损伤特征参数较油压的变化更为敏感.对比同类模型与试验数据,预测模型具有较高的预测精度,能够有效地对湿式离合器多工况损伤进行预测.

关键词：湿式离合器神经网络损伤预测温度梯度表面粗糙度

来源：评论

学校读者我要写书评

暂无评论

油液光谱数据诊断综合传动装置异常磨损定位方法

引用

光谱学与光谱分析 2024年第5期44卷 1398-1404页

作者：徐峰张倩倩季文龙贾然张鹏郑长松中国人民解放军32184部队北京100072 中国人民解放军32381部队北京100072 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 北京理工大学机械与车辆学院北京100081

磨损是影响综合传动装置工作可靠性及使用寿命的重要因素之一,当前相关研究中常用的聚类、主成分分析、加权融合等油液光谱数据分析方法,缺乏对特定元素浓度指标异常磨损情况下随时间增长的考虑。为分析综合传动装置不同零部件的磨损状... 详细信息

磨损是影响综合传动装置工作可靠性及使用寿命的重要因素之一,当前相关研究中常用的聚类、主成分分析、加权融合等油液光谱数据分析方法,缺乏对特定元素浓度指标异常磨损情况下随时间增长的考虑。为分析综合传动装置不同零部件的磨损状态,提出一种基于油液光谱数据的零部件异常磨损定位分析方法。针对综合传动装置异常磨损过程中部分元素在特定阶段会出现快速增长的情况,提出基于时间窗相关距离的聚类方法,分离表征不同零部件磨损状态的元素;提出磨损元素的磨损趋势分级方法,以高磨损趋势元素为聚类中心,使聚类结果具备可解释性;通过分级系数确定零部件磨损元素权重,融合各零部件磨损元素,获取不同零部件磨损状态表征;通过异常磨损界限值识别异常磨损,实现零部件异常磨损定位。以综合传动装置润滑油液光谱数据为例,检测判断该装置异常磨损的零部件及时间段。检测结果表明:Fe、Cu、Pb三种元素的磨损趋势分级系数最高,携带大量磨损信息,能够有效表征装置的磨损状态;基于时间窗相关距离的有中心聚类方法,成功将油液光谱数据分为Fe、Cu、Pb三类,可用于有效表征整体、摩擦片、齿轮组的磨损状态;基于分级系数的加权融合方法可以有效对该装置的异常磨损部位和时间周期进行检测和判断,为后续的故障预防和维护提供技术指导。

关键词：机械磨损油液光谱数据磨损趋势分级异常磨损定位

来源：评论

学校读者我要写书评

暂无评论

复合作业模式下基于A*-PPO算法的AGV调度

引用

计算机集成制造系统 2025年

作者：汪国安王红军马宁张明亮北京信息科技大学机电工程学院北京信息科技大学高端装备智能感知与控制北京市国际科技合作基地北京信息科技大学现代测控技术教育部重点实验室北京无线电测量研究所

自动导引车(Automated Guided Vehicle，AGV)的调度效率在智能工厂物流运作中起着至关重要的作用。复合作业模式下，AGV需要连续完成多组任务，缩短总任务时间成为调度优化的核心。为此，提出了基于改进近端策略优化（A-star Proximal P... 详细信息

自动导引车(Automated Guided Vehicle，AGV)的调度效率在智能工厂物流运作中起着至关重要的作用。复合作业模式下，AGV需要连续完成多组任务，缩短总任务时间成为调度优化的核心。为此，提出了基于改进近端策略优化（A-star Proximal Policy Optimization，A*-PPO）算法的调度方法。首先，利用A*(A-star)算法在复杂车间环境中获取调度经验样本，初始化神经网络参数，结合Proximal Policy Optimization（PPO）算法训练智能体，以优化调度策略，实现AGV在最短时间内完成配送任务。实验结果证明，A*-PPO算法在调度效率上较传统方法显著提升。比优化后的双倍深度Q学习（D3QN）、Soft Actor Critic（SAC）和Trust Region Policy Optimization（TRPO）算法，收敛速度分别提高了7.9%、15.1%和24.2%。此外，实际工厂仿真结果表明，A*-PPO算法有效缩短了不同数量AGV在随机任务中的平均完成时间。

关键词：自动导引车复合作业模式调度优化近端策略优化算法强化学习

来源：评论

学校读者我要写书评

暂无评论

基于改进CNN-LSTM的综合传动装置异常检测方法

引用

机电工程 2024年第11期41卷 1986-1994页

作者：姚海洋陈涛贾然邢培鑫孙光新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 北京机械设备研究所总装调试室北京100854

针对履带装甲车辆工作环境恶劣、工况复杂多变,导致综合传动装置数据异常、检测困难等问题,提出了一种基于改进的卷积神经网络(CNN)与长短期记忆网络(LSTM)复合模型的异常检测方法。首先,使用主成分分析法(PCA)和滑动窗口对综合传动监... 详细信息

针对履带装甲车辆工作环境恶劣、工况复杂多变,导致综合传动装置数据异常、检测困难等问题,提出了一种基于改进的卷积神经网络(CNN)与长短期记忆网络(LSTM)复合模型的异常检测方法。首先,使用主成分分析法(PCA)和滑动窗口对综合传动监测数据进行了降维和序列划分,提升了异常检测所用的数据质量;然后,使用改进型CNN-LSTM提取了序列数据中的空间特征,利用全连接层输出了数据类别,该方法将CNN和LSTM并联,并引入了残差连接结构,以提高网络对综合传动数据的学习能力;最后,搭建了综合传动装置的异常检测实验台,布置了多种传感器采集综合传动装置的状态数据,并对改进CNN-LSTM方法的有效性进行了验证。研究结果表明:采用残差连接结构改进的并联型CNN-LSTM复合模型,在综合传动系统漏油实验数据的测试集上的异常检测准确率达到了92.7%,并且其接收者操作特性(ROC)曲线下的面积(AUC)达到了0.982,相比于传统CNN-LSTM提升了0.034。改进CNN-LSTM模型具有较强的鲁棒性和泛化能力,能够为综合传动装置的数据异常检测提供一种较为可行的新方法。

关键词：机械传动装置卷积神经网络长短时记忆网络残差连接主成分分析法接收者操作特性曲线下的面积

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神经网络的故障诊断方法

引用

振动与冲击 2021年第18期40卷 204-211页

作者：卞景艺刘秀丽徐小力吴国新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

针对机电装备故障诊断需要大量专家经验、故障特征识别困难的问题,在一维深度卷积神经网络基础上进行改进,构建多尺度一维深度卷积神经网络(M1DCNN),提出基于多尺度一维深度卷积神经网络的故障诊断方法:首先在网络输入层构建多个含有不... 详细信息

针对机电装备故障诊断需要大量专家经验、故障特征识别困难的问题,在一维深度卷积神经网络基础上进行改进,构建多尺度一维深度卷积神经网络(M1DCNN),提出基于多尺度一维深度卷积神经网络的故障诊断方法:首先在网络输入层构建多个含有不同尺寸卷积核通道的特征提取层,对一维时序信号中故障特征进行多尺度特征提取,丰富智能体诊断信息,将所提取特征通过输入到包含多尺寸卷积核以及多样池化层中进行特征处理,最后合并多通道所处理的特征,使网络完成自我学习,从而实现故障诊断。将该方法应用到西储大学轴承故障数据及行星齿轮箱的故障数据诊断实验,结果表明该方法具有诊断精度高、鲁棒性强的特点,相较于一维卷积神经网络准确率提高1.25%,与反向传播神经网络、循环神经网络相比准确率平均提高3%以上,对网络特征提取效果进行可视化分析,结果表明该方法特征提取效果与诊断精度优于一维卷积神经网络。

关键词：深度卷积神经网络(DCNN) 多尺度特征提取特征可视化故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于EMD二值化图像和CNN的滚动轴承故障诊断

引用

振动．测试与诊断 2021年第1期41卷 105-113,203页

作者：谷玉海朱腾腾饶文军黄艳庭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

针对传统故障诊断方法识别准确率低、泛化能力差,而基于深度学习的故障诊断普遍存在需要海量训练数据的问题,提出了一种基于经验模态分解(empirical mode decomposition,简称EMD)与卷积神经网络(convolutional neural networks,简称CNN... 详细信息

针对传统故障诊断方法识别准确率低、泛化能力差,而基于深度学习的故障诊断普遍存在需要海量训练数据的问题,提出了一种基于经验模态分解(empirical mode decomposition,简称EMD)与卷积神经网络(convolutional neural networks,简称CNN)的滚动轴承智能故障诊断方法。首先,对轴承振动数据进行EMD,同时对相关系数最大的本征模函数(intrinsic mode function,简称IMF)分量进行频谱分析,获取频谱图,并将频谱图数据压缩成特征二值化图像作为CNN分类网络训练的输入数据;其次,将正常状态下和各类故障状态下的滚动轴承特征二值化图像作为CNN的输入得到训练模型,利用训练好的模型对各类故障进行分类识别。实验结果表明:在较少的训练数据下,轴承故障诊断准确率达到97.61%,远超过使用反向传播神经网络(back propagation,简称BP)和概率神经网络(probabilistic neural network,简称PNN)方法,证明了所提出方法与传统故障诊断方法相比能够更加准确地识别各类故障类别;对原始信号加入6 dB白噪声后的识别准确率也达到了96.19%,证明了所提出方法具有良好的泛化能力与抗噪性能。

关键词：经验模态分解卷积神经网络滚动轴承故障诊断

来源：评论

学校读者我要写书评

暂无评论

低轨卫星星座快速响应链路损毁路由算法

引用

电讯技术 2023年第8期63卷 1165-1172页

作者：崔荣芳徐湛职如昕北京信息科技大学信息与通信工程学院北京100101 北京信息科技大学现代测控技术教育部重点实验室北京100101

设计高效弹性的卫星路由算法是未来低轨(Low Earth Orbit, LEO)卫星通信技术的一个重要发展方向。为解决低轨卫星星座网络中星间链路发生故障后存在的传输中断和数据安全问题,提出了一种低轨卫星星座快速响应链路损毁路由算法(Quick-res... 详细信息

设计高效弹性的卫星路由算法是未来低轨(Low Earth Orbit, LEO)卫星通信技术的一个重要发展方向。为解决低轨卫星星座网络中星间链路发生故障后存在的传输中断和数据安全问题,提出了一种低轨卫星星座快速响应链路损毁路由算法(Quick-response Link Destruction Routing Algorithm for LEO Satellite Constellation, QRLDRA)。QRLDRA以星座可预测拓扑作为星间路由计算基础,增加星地回传路由设计,快速将星间链路异常回传至地面计算中心处理;引入多优先级动态队列,根据节点链路状态调整星间链路不同数据传输的优先级;综合路由计算、路由上注、链路检测等功能,完成对拓扑变化的及时响应。通过仿真实验与传统算法的比较发现,所提算法有效提高了数据端到端传输的成功率,为用户业务服务质量(Quality of Service, QoS)提供了可靠保障。

关键词：低轨卫星星座卫星通信链路状态检测路由算法

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：