基于融合CNN和SSA-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断问题,提出一种融合一维卷积神经网络(1D CNN)和麻雀算法优化支持向量机(SSA-SVM)的网络结构。该网络结构通过卷积运算对原始时域振动信号直接进行特征提取,将提取到的特征输入到麻雀算法优化的支持向量机中,使用支持向量机代替Softmax进行分类。利用滚动轴承故障数据进行验证,此方法故障诊断精度高达0.983,高于其他网络结构,且整体网络结构简单,有一定实际应用价值。     

基于优化残差卷积网络的滚动轴承变工况故障诊断

针对滚动轴承在实际运行环境中同时存在变负荷和变噪声的复合工况干扰而产生的故障诊断效果不理想的问题,提出了一种用于滚动轴承变工况故障诊断的一维残差卷积神经网络方法。将归一化后整理完的原始轴承振动信号输入到网络模型中,利用具有残差连接的多个一维卷积层提取特征,再经过多个卷积池化,最后输入到Softmax层进行分类,输出轴承振动信号的故障类型。将所提方法与一维卷积神经网络(CNN)、LeNet-5和AlexNet几个经典模型进行对比分析,结果表明,本文方法在变噪声实验和变负荷实验中的平均准确率分别为94.16%和95.31%,均高于其他经典神经网路,具有较强的抗噪性和泛化性能力。     

基于大数据迁移学习的灰岩地区排水孔淤堵自动识别技术

隧道排水管淤堵或者失效,会危及边坡的稳定和公路的交通安全.目前缺乏对排水孔淤堵分类的研究.排水孔淤堵分类对排水管道的后期养护具有重大意义.为探索排水孔淤堵智能化检测方法,文章依托广连高速高峰隧道等粤北实体工程,研究了一种采用模型迁移的方法,将排水孔图像数据输入预训练卷积神经网络进行训练,以对新图像进行分类.在采集的排水...     

基于RBF神经网络设计的桥梁结构损伤识别方法研究

首先根据桥梁结构的动力特性分析,构造了用于结构损伤识别的损伤标示量,并从理论上分析了该参数用于结构损伤识别的可行性.然后,从径向基函数(RBF)神经网络结构、网络设计和网络训练算法等方面论述了RBF神经网络理论,着重说明RBF网络的调用及径向基函数中心和宽度的确定步骤.最后,以一座装配式预应力钢筋混凝土系杆拱桥为工程实例,通过改变构件的弹性模量降低单元刚度来模拟结构损伤程度,并以任意三组向量对网络进行测试,说明了基于频率参数和RBF网络方法的结构损伤识别的可行性和准确性.     

基于LabVIEW的溢流阀测试系统开发

为精准测试航空用“简”系列溢流阀的相关性能,设计了基于LabVIEW的溢流阀的压力稳定性测试、寿命测试以及动静态性能测试系统。采用LabVIEW与PLC相结合的实时监测与控制技术,优化了基于神经网络的自适应PID控制器,对溢流阀测试系统进行压力及流量的控制,实现了溢流阀动静态性能的自动测试。实验结果显示,测试系统具有较高的自动化程度和测试效率。     

基于机器视觉的路面裂缝病害多目标识别研究

为了建立一种基于深度学习卷积神经网络的多目标路面裂缝检测模型,实现对路面裂缝的精确识别、分割与统计,采用卷积神经网络Mask R-CNN为主干框架,融入ResNet模型与特征金字塔网络(FPN)提高对病害特征提取的精度,建立了针对裂缝病害识别的基础网络体系;考虑裂缝病害图像特征,采用随机梯度下降算法与冲量算法优化损失函...     

行李安检禁限带物品识别多标签图像分类算法

有效识别禁限带物品的智能识别算法有助于降低安检人员劳动强度,提升旅客行李安检作业效率。文章采用图像多标签分类的深度卷积神经网络,通过引入图像注意力机制与动态元融合,能够在卷积前向传递过程中补充低层图像视觉线索,有效应对行李X光图像中物品影像混叠干扰及低分辨率特征混淆的问题,增强对细粒度特征的识别能力;同时,引入外部神经知识的元选择网络,实现网络多阶段预测的自适应融合,以避免权重偏置现象。实验结果表明,文章算法能够克服行李X光图像中影像混叠和物品尺度变化带来的禁限带物品识别困难,有效提高识别准确率。     

面向智能车的电子液压制动系统研究

面向智能车设计了一款并联式电子液压制动系统,并针对智能车在紧急制动时易失稳的问题,基于车辆制动时的载荷转移特性,提出一种制动力分配控制策略.根据车辆在制动时前、后轴载荷转移量调节前、后轴车轮制动力,并将此时前、后轴车轮制动力矩作为基准制动力矩,基于径向基神经网络和PID算法设计附加制动力矩控制器,以此调节各车轮的制动力...     

基于BP人工神经网络的压力传感器的温度补偿实现过程研究

对于压力传感器而言,在测量压力大小的时候,敏感材料很容易受到温度的影响,因此需要对温度补偿。补偿的根本就是把温度的影响降到最低,本文通过MATLAB神经网络工具箱中提供的构造神经网络的各种函数进行编程实现压力传感器的温度补偿功能。     

Kohonen神经网络的VC实现及测试

Kohonen神经网络能够模仿人脑特征进行自组织学习,并能根据其学习规则,对输入模式自动进行分类。文章通过对Kohonen神经网络模型的研究,运用VC语言实现其算法,并完成对该神经网络分类功能的测试。