检索结果-南通市图书馆

频域特征提取联合双流CNN的轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

噪声与振动控制 2024年第4期44卷 167-173,295页

作者：田野陈姚节张莉陈黎武汉科技大学计算机科学与技术学院武汉430065 武汉晴川学院计算机学院武汉430204

针对传统方法提取到的轴承各类故障特征混杂,部分类别故障不易区分的问题,设计一种双流卷积神经网络(Convolutional Neural Network,CNN)的故障诊断模型。首先将振动信号转换到频域,为减少低频微弱信号的干扰,过滤频域信号,设定滤波器... 详细信息

针对传统方法提取到的轴承各类故障特征混杂,部分类别故障不易区分的问题,设计一种双流卷积神经网络(Convolutional Neural Network,CNN)的故障诊断模型。首先将振动信号转换到频域,为减少低频微弱信号的干扰,过滤频域信号,设定滤波器通带和阻带衰减值以保证信号不失真,进而确定频率带宽,在该带宽值下求得信号振幅占比最大值的范围,同时以正常信号振幅平均值作为高频信号的阈值确定频率最高值。用上述参数分别作为滤波器的参数,过滤信号得到频谱信号和构建时频图像。将提取频谱信号和时频图作为模型两个通道的输入,在卷积层和池化层后加入特征融合层,通过加权融合的方式将两个通道的特征融合,使得各类故障特征区分度显著提高。实地搭建故障平台采集数据验证,实验结果表明,该方法能提取到每类故障独有的特征,轴承故障识别准确率达到98.95%。

关键词：故障诊断特征提取卷积神经网络滤波器时频图特征融合

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

抑制船尾拖纹的长时段船舶跟踪方法

计算机应用与软件 2024年第6期41卷 161-168页

作者：何水陈黎陈姚节武汉科技大学计算机科学与技术学院湖北武汉430081 武汉科技大学湖北省智能信息处理与实时工业系统重点实验室湖北武汉430081

船舶跟踪任务中水面拖纹干扰和目标遮挡会影响船舶跟踪的效果。提出一种抑制船尾拖纹的长时段船舶跟踪方法。对图像预处理,提升图像清晰度;使用离线训练的拖纹检测器检测水面拖纹,实时校正船舶跟踪框;根据感知哈希算法判断是否发生目标... 详细信息

船舶跟踪任务中水面拖纹干扰和目标遮挡会影响船舶跟踪的效果。提出一种抑制船尾拖纹的长时段船舶跟踪方法。对图像预处理,提升图像清晰度;使用离线训练的拖纹检测器检测水面拖纹,实时校正船舶跟踪框;根据感知哈希算法判断是否发生目标遮挡,遮挡时使用在线检测器对目标区域进行检测,找回船舶位置并初始化跟踪器,实现长时段跟踪。实验结果表明,该方法能有效抑制船尾拖纹对跟踪的影响,提高船舶跟踪精度,实现长时段船舶跟踪。

关键词：船舶跟踪拖纹检测孪生网络长时段重检测

在线全文

学校读者我要写书评

暂无评论

船载视觉水炮目标锁定技术研究

计算机与数字工程 2024年第4期52卷 1075-1081页

作者：彭川陈姚节武汉科技大学计算机科学与技术学院武汉430065 冶金工业过程国家级虚拟仿真实验教学中心武汉430065

船载水炮在打击动态目标时,往往会因水柱飞行的时间长存在打击滞后的现象。论文设计的视觉水炮,通过视觉系统进行67目标检测与识别,对目标进行定位;对定位目标进行跟踪,并设计了丢失预警模块和重检测方法实现了长时间的鲁棒跟踪;对目标... 详细信息

船载水炮在打击动态目标时,往往会因水柱飞行的时间长存在打击滞后的现象。论文设计的视觉水炮,通过视觉系统进行67目标检测与识别,对目标进行定位;对定位目标进行跟踪,并设计了丢失预警模块和重检测方法实现了长时间的鲁棒跟踪;对目标轨迹进行预测,通过轨迹曲线斜率特征方程来建立预测数学模型,计算提前量实现了对目标的锁定。在100次轨迹试验中,在目标相对速度5节时,吻合度可以达到92.3%。在应用中,此技术有效地解决了视觉水炮打击运动目标时的滞后现象。

关键词：视觉水炮目标检测目标跟踪轨迹预测

在线全文

学校读者我要写书评

暂无评论

改进YOLOv8的水面小目标检测算法

计算机系统应用 2024年第4期33卷 152-161页

作者：张瑶陈姚节武汉科技大学计算机科学与技术学院武汉430081 智能信息处理与实时工业系统湖北省重点实验室武汉430081

针对水面目标检测中的噪声干扰和小目标的漏检问题,提出一种改进YOLOv8的水面小目标检测算法YOLOv8-WSSOD(YOLOv8-water surface small object detection).首先,为降低水面复杂环境在主干网络下采样过程中产生的噪声干扰,提出基于BiFor... 详细信息

针对水面目标检测中的噪声干扰和小目标的漏检问题,提出一种改进YOLOv8的水面小目标检测算法YOLOv8-WSSOD(YOLOv8-water surface small object detection).首先,为降低水面复杂环境在主干网络下采样过程中产生的噪声干扰,提出基于BiFormer双层路由注意力机制构建的C2fBF(C2f-BiFormer)模块,在特征提取过程中保留细粒度的上下文特征信息;其次,针对水面小目标的漏检问题,新增一个更小的检测头,提升网络对小目标的感知力,并在Neck端引入GSConv和Slim-neck,减轻模型复杂度并保持精度;最后,使用MPDIoU损失函数解决CIoU损失函数的局限性,以提高模型检测准确率.实验结果表明,相较于原始YOLOv8算法,该算法在水面小目标上平均准确率mAP@0.5提升了4.6%,mAP@0.5:0.95提升了2.2%,并且改进后的算法检测速度达到86f/s,能有效实现对水面小目标快速、准确的检测.

关键词： YOLOv8 水面小目标检测 BiFormer GSConv MPDIoU

基于S-Transformer的多模态船舶轨迹预测

在线全文

学校读者我要写书评

暂无评论

计算机系统应用 2024年第3期33卷 273-280页

作者：柯研陈姚节武汉科技大学计算机科学与技术学院武汉430081 湖北省智能信息处理与实时工业系统重点实验室武汉430081

船舶轨迹预测是实现船舶智能航行的前提与基础.目前,针对船舶轨迹预测的研究大多仅依赖于船舶自动识别系统(AIS)历史数据,而未利用到船舶上其他传感器信息.于是本文提出了一种多模态轨迹预测模型——S-Transformer.在该网络中,电子海图... 详细信息

船舶轨迹预测是实现船舶智能航行的前提与基础.目前,针对船舶轨迹预测的研究大多仅依赖于船舶自动识别系统(AIS)历史数据,而未利用到船舶上其他传感器信息.于是本文提出了一种多模态轨迹预测模型——S-Transformer.在该网络中,电子海图中的海水/陆地被分割作为辅助训练目标与真实舟山港AIS数据加以综合从而对模型进行训练,并对船舶未来航行轨迹进行预测;其中,本文还引入segment recurrence来捕获AIS数据的长期依赖关系.实验结果表明,S-Transformer在不同的船舶行驶情况中都有优秀的预测结果,并优于相关预测任务的单模态基准模型.

关键词：轨迹预测多模态 Transformer 语义分割

在线全文

学校读者我要写书评

暂无评论

基于混合滤波器的水炮打击目标轨迹预测方法

计算机与数字工程 2024年第3期52卷 886-891页

作者：李福成陈姚节武汉科技大学计算机科学与技术学院武汉430065 冶金工业过程国家级虚拟仿真实验教学中心武汉430065

在智能水炮打击处于运动状态的目标船舶时,射流在空中运动所耗时间会导致打击脱靶问题。针对这种情况,提出一种基于混合滤波器的水炮打击目标轨迹预测方法。该方法首先采集目标跟踪设备的轨迹数据,然后使用轨迹数据训练混合滤波器模型,... 详细信息

在智能水炮打击处于运动状态的目标船舶时,射流在空中运动所耗时间会导致打击脱靶问题。针对这种情况,提出一种基于混合滤波器的水炮打击目标轨迹预测方法。该方法首先采集目标跟踪设备的轨迹数据,然后使用轨迹数据训练混合滤波器模型,最后使用模型实时预测目标轨迹。实验结果表明,在搭建的智能水炮实验环境中,持续预测目标未来0~2s的轨迹,均方误差在0.3025~1.4832之间,预测效果良好,在实际应用中,该方法有效地解决了智能水炮打击运动目标时的脱靶问题。

关键词：智能水炮脱靶修正混合滤波器轨迹预测

基于YOLOv5-SSA的水炮射击半遮挡目标检测

在线全文

学校读者我要写书评

暂无评论

计算机与数字工程 2024年第3期52卷 915-921页

作者：向河汉陈黎陈姚节武汉科技大学智能信息处理与实时工业系统湖北省重点实验室武汉430081

船舶水炮射击时容易产生水花,造成对射击目标的遮挡,现有水炮控制跟踪系统在水炮射击场景中容易丢失目标,难以获得有效的瞄准效果。论文提出一种基于深度学习的目标检测方法,将水炮射击时拍摄的图像作为输入,实时检测出要射击目标的位置... 详细信息

船舶水炮射击时容易产生水花,造成对射击目标的遮挡,现有水炮控制跟踪系统在水炮射击场景中容易丢失目标,难以获得有效的瞄准效果。论文提出一种基于深度学习的目标检测方法,将水炮射击时拍摄的图像作为输入,实时检测出要射击目标的位置,来达到良好的瞄准效果,实现对目标准确有效的射击。论文设计一个轻量级的深度学习目标检测网络YOLOv5-SSA对水炮射击的目标进行实时检测,在实际场景中进行测试时,在目标检测准确率达到93.2%的前提下,处理速度达到了21.18ms,实现了对目标的实时检测。

关键词：目标检测实时深度学习水炮

在线全文

学校读者我要写书评

暂无评论

改进TD3算法在电机PID控制器中的应用

计算机系统应用 2024年第5期33卷 262-270页

作者：张梦杰陈姚节邓江武汉科技大学计算机科学与技术学院武汉430081

本文针对永磁同步电机(PMSM)在工业领域中的多变量、非线性和强耦合特性以及传统PID控制在应对其变化时可能导致参数调整困难、响应延迟、鲁棒性差以及适应性问题,提出一种结合双延迟深度确定性策略梯度(TD3)算法和PID控制的创新方案,... 详细信息

本文针对永磁同步电机(PMSM)在工业领域中的多变量、非线性和强耦合特性以及传统PID控制在应对其变化时可能导致参数调整困难、响应延迟、鲁棒性差以及适应性问题,提出一种结合双延迟深度确定性策略梯度(TD3)算法和PID控制的创新方案,以优化PID参数调整,实现更精确的电机速度控制.在本文的方法中,融合双向长短期记忆网络(BiLSTM)到Actor和Critic网络中,极大增强了对PMSM动态行为的时间序列数据处理能力,使得系统不仅能够准确捕捉当前状态,还能预测未来趋势,从而实现对PID参数更精确和适应性强的自整定.此外,通过整合熵正则化和好奇心驱动的探索方法进一步增强策略的多样性,避免过早收敛到次优策略,并鼓励模型对未知环境进行深入探索.为验证方法的有效性,设计了一个永磁同步电机的仿真模型,并将本文提出的方法BiLSTM-TD3-ICE与传统的TD3以及经典的Ziegler-Nichols (Z-N)方法进行对比.实验结果充分证明了本文提出的策略在控制性能上具有显著的优势.

关键词：深度强化学习 TD3算法永磁同步电机 PID参数自整定 BiLSTM 内在好奇心熵正则化

融合残差注意力和标准偏差的6D姿态细化网络

在线全文

学校读者我要写书评

暂无评论

计算机系统应用 2024年第3期33卷 187-194页

作者：邓江陈姚节张梦杰武汉科技大学计算机科学与技术学院武汉430081

在6D物体姿态估计领域中,现有算法往往难以实现对目标物体精准且鲁棒的姿态估计.为解决该问题,提出了一种结合残差注意力、混合空洞卷积和标准差信息的物体6D姿态细化网络.首先,在Gen6D图片特征提取网络中,采用混合空洞卷积模块替换传... 详细信息

在6D物体姿态估计领域中,现有算法往往难以实现对目标物体精准且鲁棒的姿态估计.为解决该问题,提出了一种结合残差注意力、混合空洞卷积和标准差信息的物体6D姿态细化网络.首先,在Gen6D图片特征提取网络中,采用混合空洞卷积模块替换传统卷积模块,以此扩大感受野、加强全局特征捕获能力.接着,在3D卷积神经网络中,加入残差注意力模块,这有助于区分特征通道的重要程度,进而在提取关键特征的同时,减少浅层特征的丢失.最后,在平均距离损失函数中,引入了标准差信息,从而使模型能够区分物体的更多姿态信息.实验结果显示,所提出的网络在LINEMOD数据集和GenMOP数据集上的ADD指标分别达到了68.79%和56.03%.与Gen6D网络相比,ADD指标分别提升了1.78个百分点和5.64个百分点,这一结果验证了所提出的网络能够显著提升6D姿态估计的准确性.

关键词： 6D姿态估计混合空洞卷积残差注意力标准差