检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种神经网络的多方向GWO优化方法

小型微型计算机系统 2024年

作者：张晓丽闻俊朱贵富许诺聂佳磊杨璨昆明理工大学信息工程与自动化学院昆明理工大学信息化建设管理中心

针对标准的GWO算法不稳定性和表现性能不佳问题，本文从多个方向提出优化路径。首先，为灰狼群体中增加最优解、候选狼群定义步长、候选狼群步长的权值进行优化、以及各优化方向相结合，对标准GWO算法进行优化改进，总共形成8种优化算... 详细信息

针对标准的GWO算法不稳定性和表现性能不佳问题，本文从多个方向提出优化路径。首先，为灰狼群体中增加最优解、候选狼群定义步长、候选狼群步长的权值进行优化、以及各优化方向相结合，对标准GWO算法进行优化改进，总共形成8种优化算法；然后将优化算法融入RNN、MLP和CMLP三种神经网络中，总共构成24种预测模型；最后通过公共数据集进行了240次测试，结果表明，不同方向的优化可以提高各个神经网络预测模型的准确率及稳定性，具有更好的实用性。

关键词：灰狼优化算法神经网络预测模型

小波变换和深度残差收缩网络在齿轮箱故障诊断中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

机械科学与技术 2024年第5期43卷 790-797页

作者：翁敏超王海瑞朱贵富昆明理工大学信息工程与自动化学院昆明650500

齿轮的精确故障诊断是确保旋转机械设备稳定可靠运行的有效手段,针对强噪声环境下齿轮箱中齿轮故障分类问题,提出了一种基于连续小波变换和深度残差收缩网络的故障诊断模型。首先,采用小波变换对一维时间序列的振动数据进行时频分析,将... 详细信息

齿轮的精确故障诊断是确保旋转机械设备稳定可靠运行的有效手段,针对强噪声环境下齿轮箱中齿轮故障分类问题,提出了一种基于连续小波变换和深度残差收缩网络的故障诊断模型。首先,采用小波变换对一维时间序列的振动数据进行时频分析,将其转化为二维时频图作为深度残差收缩网络(DRSN)的输入;其次,在多层卷积神经网络的基础上加入残差结构中的跨层恒等连接解决了梯度消失和爆炸的问题,同时利用自适应阈值子网络实现软阈值化降噪;最后,将故障样本的时频图作为诊断模型的输入进行故障分类。实验结果证明了与其他模型相比,本文采用的故障诊断方法更容易识别故障特征,分类准确率达到了99.15%。

关键词：齿轮箱时频分析深度残差收缩网络(DRSN) 故障诊断

基于VMD和优化CNN⁃GRU的锂电池剩余使用寿命间接预测

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2024年第2期47卷 133-139页

作者：徐达王海瑞朱贵富昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学信息化建设管理中心云南昆明650500

准确预测锂电池的剩余使用寿命(RUL)对降低电池使用风险有着至关重要的作用。为了解决电池容量在实际应用中不易获得以及单一门控循环神经网络(GRU)不能有效提取数据间的深层特征等问题,提出一种基于间接健康因子的混合神经网络模型,即... 详细信息

准确预测锂电池的剩余使用寿命(RUL)对降低电池使用风险有着至关重要的作用。为了解决电池容量在实际应用中不易获得以及单一门控循环神经网络(GRU)不能有效提取数据间的深层特征等问题,提出一种基于间接健康因子的混合神经网络模型,即融合变分模态分解(VMD)、一维卷积神经网络(1D‐CNN)和麻雀搜索算法(SSA)优化GRU的组合剩余使用寿命预测模型。采用NASA数据集验证所提模型的有效性,实验结果表明,相比于GRU、VMD‐GRU、VMD‐SSA‐GRU,所提模型具有较高的预测精度与更快的运行速度,可以应用于锂电池RUL预测。

关键词：锂电池剩余使用寿命预测间接健康因子变分模态分解一维卷积神经网络麻雀搜索算法门控循环网络

在线全文

学校读者我要写书评

暂无评论

无人机远程通信高密度集成电磁干扰抑制技术

现代电子技术 2024年第12期47卷 96-100页

作者：程佳敏李亚朱贵富昆明理工大学云南昆明650500

在高密度集成电磁干扰环境中,为增强无人机远程通信的信息可靠性与有效性,文中研究无人机远程通信高密度集成电磁干扰抑制技术。估算无人机远程通信网络中高密度集成电磁干扰信号能量,并通过自适应波束形成实现电磁干扰抑制。在入射信... 详细信息

在高密度集成电磁干扰环境中,为增强无人机远程通信的信息可靠性与有效性,文中研究无人机远程通信高密度集成电磁干扰抑制技术。估算无人机远程通信网络中高密度集成电磁干扰信号能量,并通过自适应波束形成实现电磁干扰抑制。在入射信号动态变化时,自适应调节权重系数,形成高密度集成电磁干扰信号抑制波束,并引入基于相位补偿的抗扰波束指向优化控制方法,来控制频率跳变对电磁干扰信号抗扰波束指向的负面影响,优化电磁干扰抑制效果。测试结果显示,使用此技术后,无人机远程通信网络的信息传输误比特率从0.1降为0.02,信息可靠性与有效性得到了提升。

关键词：无人机远程通信高密度集成电磁干扰抑制自适应波束形成相位补偿波束指向

维普期刊数据库博看期刊

基于MIC特征提取与BO-CatBoost的航空发动机RUL预测

在线全文

学校读者我要写书评

暂无评论

空军工程大学学报 2024年第1期25卷 31-38页

作者：李东君李亚李东文朱贵富昆明理工大学信息工程与自动化学院昆明650504 昆明理工大学信息化建设管理中心昆明650504

针对航空发动机传感器监测的退化参数提取困难,易受噪声干扰及发动机剩余使用寿命预测精度不足等问题,利用最大信息系数、贝叶斯优化算法和类别特征梯度提升算法,提出了一种新的发动机剩余使用寿命预测模型。首先,为有效解决特征提取不... 详细信息

针对航空发动机传感器监测的退化参数提取困难,易受噪声干扰及发动机剩余使用寿命预测精度不足等问题,利用最大信息系数、贝叶斯优化算法和类别特征梯度提升算法,提出了一种新的发动机剩余使用寿命预测模型。首先,为有效解决特征提取不足的问题,对采集的传感器历史监测特征进行最大信息系数相关性计算,提取出对发动机寿命运行周期影响较大的关键退化特征。其次,为解决剩余使用寿命预测中的梯度偏差及预测偏移问题,使用基于贝叶斯优化的类别特征梯度提升方法对航空发动机进行剩余使用寿命预测。最后,在美国航空航天局提供的商用模块化航空推进系统仿真数据集上进行实验,结果表明所提预测方法的性能较好,验证了该方法的有效性。

关键词：航空发动机剩余使用寿命 MIC Bo-CatBoost 贝叶斯优化

在线全文

学校读者我要写书评

暂无评论

基于多尺度局部特征融合的行人重识别方法

计算机科学 2024年第S1期51卷 494-499页

作者：吴蕾王海瑞朱贵富赵江河昆明理工大学信息工程与自动化学院昆明650500

针对现有行人重识别方法在提取行人特征时存在特征不对齐、忽略相邻区域语义相关性、背景杂乱以及训练效率低的问题,提出一种多尺度局部特征融合的方法。首先引入空间变换网络对图像进行自适应仿射变换,实现行人空间特征对齐;接着横向... 详细信息

针对现有行人重识别方法在提取行人特征时存在特征不对齐、忽略相邻区域语义相关性、背景杂乱以及训练效率低的问题,提出一种多尺度局部特征融合的方法。首先引入空间变换网络对图像进行自适应仿射变换,实现行人空间特征对齐;接着横向均等分割不同尺度的特征图,对相邻局部块采取不同的拼接方式,以弥补切割造成的相邻块关联性信息缺失的问题;再融合全局特征与局部特征,挖掘二者之间的关联性。同时,融入随机擦除的方法对数据集进行处理,防止模型过拟合;并且使用多种损失函数对网络模型进行训练,提升模型的类内紧致性和类间差异性。将所提方法在Market-1501和DukeMTMC-ReID数据集上进行实验,Rank-1分别达到95.0%,88.8%,mAP分别达到89.2%,78.9%,结果表明所提方法能够提取更具判别力的行人特征。

关键词：行人重识别局部特征特征空间分割空间变换网络随机擦除

在线全文

学校读者我要写书评

暂无评论

卷积神经网络下的复杂场景人群计数算法研究

电脑编程技巧与维护 2024年第1期 34-36页

作者：程佳敏李亚朱贵富昆明理工大学昆明650093

针对复杂场景,提出了一种基于注意力机制的多尺度融合算法,用于解决复杂场景中的人群计数问题。算法利用卷积神经网络(CNN)进行特征提取,引入通道和空间注意力机制以提高背景和人头目标的识别性能,并自适应校正位置信息。通过卷积池化... 详细信息

针对复杂场景,提出了一种基于注意力机制的多尺度融合算法,用于解决复杂场景中的人群计数问题。算法利用卷积神经网络(CNN)进行特征提取,引入通道和空间注意力机制以提高背景和人头目标的识别性能,并自适应校正位置信息。通过卷积池化金字塔和多分支特征融合结构,实现了多尺度特征的优化。采用联合损失函数,包括欧式几何距离损失函数和人数损失函数,提高了人群计数的准确性。实验结果表明,在CNN的运行环境下,该算法在平均绝对误差(MAE)和平均方误差(MSE)等评估指标上优于近年来的主流人群计数方法,对partA和partB数据集都取得显著改进。

关键词：卷积神经网络复杂场景人群计数

基于并行SDAE-Seq2Seq模型的轴承寿命预测方法

在线全文

学校读者我要写书评

暂无评论

化工自动化及仪表 2024年第3期51卷 427-437页

作者：张俊杰王海瑞李亚朱贵富昆明理工大学信息工程与自动化学院昆明理工大学信息化建设管理中心

基于数据驱动的轴承寿命预测方法大多需要人工提取退化特征,而且对于不同工况下的轴承需要进行针对性优化,也是依赖专家知识和经验进行特征提取。为此,提出一种并行堆叠降噪自动编码器算法(PSDAE)来提取轴承退化特征,并结合Seq2Seq模型... 详细信息

基于数据驱动的轴承寿命预测方法大多需要人工提取退化特征,而且对于不同工况下的轴承需要进行针对性优化,也是依赖专家知识和经验进行特征提取。为此,提出一种并行堆叠降噪自动编码器算法(PSDAE)来提取轴承退化特征,并结合Seq2Seq模型预测轴承剩余寿命。通过PSDAE直接对原始振动信号进行降噪、降维,得到退化特征,通过神经网络的学习和训练自动获得不同工况下的轴承退化特征。其次,引入注意力机制,将提取的特征输入Seq2Seq模型进行训练,并在PHM2012数据集上验证模型的预测效果。实验结果表明:PSDAE通过并行集成方式降低了模型的训练参数和整体误差,提取的退化特征在单调性和可预测性方面优于堆叠降噪自动编码器(SDAE),使用该退化特征有效减少了Seq2Seq模型的预测误差,提高了预测得分,具有更好的预测效果和稳定性。

关键词：并行堆叠降噪自动编码器算法寿命预测滚动轴承特征提取注意力机制 Seq2Seq模型

一种融合神经网络的航空发动机寿命预测方法研究

在线全文

学校读者我要写书评

暂无评论

机械科学与技术 2023年

作者：林荣祥王海瑞朱贵富昆明理工大学信息建设管理中心昆明理工大学信息工程与自动化学院

准确预测航空发动机的剩余使用寿命(RUL)对航空公司合理制定维修计划、有效降低维修成本具有重要意义。传统的单参数、单级模型预测精度较低。为了提高航空发动机RUL的预测精度，本文提出了一种堆叠卷积融合长短时间记忆网络模型(SDCNN-... 详细信息

准确预测航空发动机的剩余使用寿命(RUL)对航空公司合理制定维修计划、有效降低维修成本具有重要意义。传统的单参数、单级模型预测精度较低。为了提高航空发动机RUL的预测精度，本文提出了一种堆叠卷积融合长短时间记忆网络模型(SDCNN-LSTM)求解发动机衰减特性的映射关系来提高航空发动机剩余使用寿命预测精度。首先，对多传感器监测到的数据进行归一化处理，降低数据的量纲使数据落入一个小的特定区间，从而消除奇异样本的影响；其次，构建SDCNN-LSTM神经网络预测模型，SDCNN中的膨胀率用于增加卷积层的感受野，同时保持计算成本低。这使得该模型能够捕捉发生在各种时间尺度上的模式，模型接下来使用自注意力机制对特征进行编码，以便在加入LSTM层之前进一步提取时间序列的特征，LSTM用于捕捉时序数据中的时间依赖性，并对下一个时刻进行预测，从而有效的预测出航空发动机的RUL；最后通过Hyperband算法对模型进行优化，以提高模型预测准确性，并利用涡扇发动机退化过程数据集C-MAPSS对所提方法进行验证，实验结果表明本文所用方法优于其他模型，验证了该方法的可行性和有效性。

关键词：航空发动机剩余使用寿命堆叠膨胀卷积网络长短时间记忆网络自注意力机制 Hyperband算法