深度学习在激光熔覆领域的发展与应用

介绍激光熔覆的基本原理、应用领域和深度学习模型的发展状况,阐述深度学习在激光熔覆领域的应用。深度学习利用神经网络模型监控激光熔覆过程,在熔覆工艺参数优化和熔覆过程质量控制等方面具有较好优势,可有效提升激光熔覆过程的精度和稳定性。     

检修无级变速器特殊故障的教训

如今中国汽车科技飞速发展,各式各样的新技术应用于汽车上,无级变速器的应用就是一个例子,这就迫使我们要不断学习,以适应时代潮流。最近笔者遇到这样一个故障:　一辆南京菲亚特派力奥轿车因一次事故对变速器修理后,换挡杆从P 挡到R挡,或从N 挡到D挡时,变速器冲击严重,正常行驶     

基于一维ConvNeXt网络的齿轮箱故障诊断

针对齿轮箱发生故障时内部齿轮与滚动轴承受损情况复杂且难以识别的问题,提出一种基于ConvNeXt网络的齿轮箱故障诊断方法。该网络模型以深度可分离卷积为基础框架,构建适用于一维数据的残差块。为了提升网络模型的拟合能力,引入GELU(Gaussian Error Linear Units)激活函数对数据进行非线性变换。使用层标准化对数据进行归一化处理,抑制了中间协变量偏移现象并提升了网络的收敛速度和稳定性。使用DDS(Drivetrain Dynamics Simulator)齿轮箱故障数据集进行实验,结果表明此网络模型大幅降低了网络模型参数量,对齿轮箱各类故障均有较高的识别精度并具有良好的抗噪性。     

改进神经网络的船舶红外图像边缘检测方法

研究改进神经网络的船舶红外图像边缘检测方法,提升边缘检测抗噪声干扰能力。采用块匹配的主成分分析方法对船舶红外图像实施去噪处理后,经梯度算子将降噪后船舶红外图像转换为二值图像;以BP神经网络为基础,通过附加动量法-自适应学习速率调整BP神经网络权值,提高网络训练鲁棒性;将转换后舰船二值图像作为改进神经网络的输入,在实施网络训练后得出输出值,依据输出值和设置阈值的对比结果,获取船舶红外图像边缘点,实现船舶红外图像边缘检测。实验结果表明：该方法降噪后船舶红外图像的PSNR值全部高于40 dB,降噪效果较好;可有效提取船舶红外图像边缘特征且边缘检测结果清晰、连贯,能够达到船舶红外图像边缘检测标准。     

“党建+水上红旅”大学生党史学习教育实践路径浅析

大学生作为年轻有活力一族的代表,是社会进步的主要推动力,而党史教育是大学生增强对党的认同感和归属感、树立正确价值观的主要方式。本文通过调查分析大学生党史学习教育现状,重视实践,突出实践,从全新红旅融合出发,探索符合新时代需求的党史学习教育新模式,焕发高校学生党建新活力。     

高校党史学习教育需要把握的三个着力点 ——以沈阳航空航天大学为例

高校是立德树人的重要阵地,担负着青年学生成长成才、引导树立正确人生观价值观的重要职责。在推进高校党史学习教育中,要注重把握三个着力点,在深刻认识"三个必然要求"基础上着力把握建党百年的时代脉搏,在深刻理解"六个进一步"基础上着力汲取学校特色发展的融合之路,在深刻把握"务求实效"的基础上着力将学习教育成果转化为推动高质量发展的强大动力,从而促进学生素养提升,促进学校事业高质量发展。     

基于双路神经网络融合模型的高速公路雾天检测

高速公路天气状况实时监察对于高速行车安全具备重要意义,然而气象检测只能对大范围区域的气象情况进行预报,不能满足高速行车各个路段气象情况实时检测的需求. 为此,提出一种基于双路神经网络融合模型的高速公路雾天检测算法. 该算法基于双路深度神经网络融合模型,提取雾天图像的可视深度图以及暗通道图像两种视觉特征,并利用深度神经网络进行建模,获得初步分类结果;然后,再利用均值融合层进行分数融合. 为了全面评测该算法的性能,构建了一个覆盖多个省份高速公路的视频监控雾天数据集（express way fog detection dataset,EWFD）,该数据集能够全面涵盖国内高速公路的天气情况,并在该数据集上做了全面的分析对比实验. 实验结果显示,本文所提出的双路神经网络融合模型的雾天监测算法取得了93.7%的准确率,与国际前沿的检测分类算法101层残差网络（ResNet-101）相比,本文提出的算法准确率提高了10%以上.      

基于DBNs的车辆悬架减振器异响鉴别方法

针对人工经验提取特征进行减振器异响鉴别的复杂性与不可扩展性的问题,分析了深度信念网络(deep belief networks,DBNs)在减振器异响鉴别中的应用,并结合减振器整车与台架试验提出了完整的减振器异响鉴别流程.该方法只需将收集到的减振器活塞杆顶端振动加速度信号作为输入,经过DBNs模型逐层特征学习便可进行减振器异响鉴别.同时将鉴别结果与经典的BP神经网络、支持向量机以及传统的3种人工特征提取方法进行对比分析.结果表明:在输入仅为原始信号的条件下,深度信念网络模型对减振器异响鉴别的准确率为96.7%,表明了深度信念网络在减振器异响甄别中的优越性,具有广泛的工程应用前景.      

一种基于支持向量机的增量学习算法

具有增量学习功能的数据分类技术与普通的数据处理技术相比较,增量学习分类技术具有明显的优越性?在新的训练过程中充分利用了历史的训练结果,从而显著减少了后继训练的时间。介绍了支持向量机的基本理论和一般的支持向量机增量学习算法,针对有些渐变问题(如机械设备的早期故障期和损耗期),新样本所提供的信息量与历史样本所提供的信息量是不同的,给出一种新息加权的支持向量机的增量学习算法,通过循环来获得最优分类面仿真实验表明,采用加权的增量算法更能反映新样本点的特征?     

交叉口Agent间的多遇协调策略及其参数影响分析

为信号控制的城市道路交叉口定义一个Agent结构模型,在分析相邻交叉口交通流关联关系的基础上,利用记忆因子δ、学习概率α、交叉口交通流变化概率β<,i>等参数阐述了交叉口Agent间的多遇协调流程.交叉口 Agent多遇协调采用部分获利协作策略,其交互策略更多地考虑在获利少于对方时候如何以更加协作的态度进行协调.利用记...