检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

改进掩码自编码器的滚动轴承半监督故障诊断

仪器仪表学报 2024年第1期45卷 26-33页

作者：陈仁祥张晓张旭赵玲夏亮重庆交通大学交通工程应用机器人重庆市工程实验室重庆400074 重庆智能机器人研究院重庆400714

针对滚动轴承在不同转速条件下数据分布不同以及实际工程应用中标签样本不足导致故障诊断精度低的问题,将领域适配模块融入掩码自编码器(MAE)中,提出了改进掩码自编码器(IMAE)的滚动轴承半监督故障诊断方法。首先,对滚动轴承振动信号进... 详细信息

针对滚动轴承在不同转速条件下数据分布不同以及实际工程应用中标签样本不足导致故障诊断精度低的问题,将领域适配模块融入掩码自编码器(MAE)中,提出了改进掩码自编码器(IMAE)的滚动轴承半监督故障诊断方法。首先,对滚动轴承振动信号进行连续小波变换(CWT)得到反应信号时频特征的二维时频图,然后对时频图随机掩码,利用无标签样本进行掩码自编码器预训练,获得数据中复杂的内在特征,减少对有标签样本的依赖;其次将领域适配模块引入到预训练后的编码器中,使用少量有标签源域数据对IMAE进行微调,在希尔伯特空间中利用最小化最大均值差异减小因转速不同造成的源域与目标域间数据分布差异;最后在Softmax分类层下实现滚动轴承半监督故障诊断。通过滚动轴承数据集实验验证,所提方法检测精度均达到94%以上,证明了该方法的可行性与有效性。

关键词：掩码自编码器滚动轴承不同转速标签样本半监督故障诊断

基于深度残差收缩迁移网络的复杂工况下滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2024年第3期43卷 194-200页

作者：陈仁祥张晓朱玉清徐向阳杨宝军重庆交通大学交通工程应用机器人重庆市工程实验室重庆400074 重庆智能机器人研究院重庆400714

针对噪声和不同转速的复杂工况下滚动轴承故障诊断问题,提出一种基于深度残差收缩迁移网络的复杂工况下滚动轴承故障诊断方法。在深度残差收缩网络中加入领域适配层构建出具备降噪与适配能力的深度残差收缩迁移网络,从而减小噪声带来的... 详细信息

针对噪声和不同转速的复杂工况下滚动轴承故障诊断问题,提出一种基于深度残差收缩迁移网络的复杂工况下滚动轴承故障诊断方法。在深度残差收缩网络中加入领域适配层构建出具备降噪与适配能力的深度残差收缩迁移网络,从而减小噪声带来的干扰及转速变化导致的分布差异。首先,利用注意力机制学习经卷积层后各特征通道的重要性自动设定一组阈值,借助软阈值化将阈值范围内的特征置为零,减少噪声带来的干扰;然后,通过边缘分布适配对齐两域特征分布,减小转速变化带来的分布差异;最后,在Softmax分类层下实现端到端的复杂工况下滚动轴承故障诊断。复杂工况下滚动轴承故障诊断试验验证了所提方法的可行性和有效性。

关键词：噪声不同转速残差收缩迁移滚动轴承故障诊断

基于子空间域对抗判别网络的不同型号滚动轴承剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2024年第3期45卷 119-127页

作者：陈仁祥张雁峰徐向阳张鹏博杨宝军重庆交通大学交通工程应用机器人重庆市工程试验室重庆400074 重庆智能机器人研究院重庆400714

针对不同型号滚动轴承因结构尺寸、运行工况等差异导致轴承退化数据分布和特征尺度不一致,引起剩余寿命预测精度下降的问题,提出基于子空间域对抗判别网络的不同型号滚动轴承剩余寿命预测方法。首先,通过高效通道注意力机制提升特征提... 详细信息

针对不同型号滚动轴承因结构尺寸、运行工况等差异导致轴承退化数据分布和特征尺度不一致,引起剩余寿命预测精度下降的问题,提出基于子空间域对抗判别网络的不同型号滚动轴承剩余寿命预测方法。首先,通过高效通道注意力机制提升特征提取器各通道中重要特征的权重,自适应获取不同型号滚动轴承的深层性能退化特征,并以此预训练标签预测器;然后,在对抗判别网络框架上将域判别器与特征提取器对抗训练,最小化源域和目标域在表征子空间上的正交基距离,利用表征子空间正交基不受特征缩放影响的性质克服特征尺度变化过大引起的回归性能下降问题,实现不同型号滚动轴承间的域自适应;最后,利用训练好的特征提取器提取待预测轴承退化特征,输入标签预测器得到剩余寿命。在PRONOSTIA、XJTU-SY和自测数据集上进行了验证,实验结果表明所提方法能充分学习源域特征分布信息,有效克服不同型号下的特征尺度差异,相比其他域自适应方法效果提升20%至40%。

关键词：滚动轴承剩余寿命预测对抗判别域自适应时间卷积网络

改进YOLOv7的服务机器人密集遮挡目标识别

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2024年第10期32卷 1595-1605页

作者：陈仁祥邱天然杨黎霞余腾伟贾飞陈才重庆交通大学交通工程应用机器人重庆市工程实验室重庆400074 重庆科技学院工商管理学院重庆401331 重庆智能机器人研究院重庆400714

针对服务机器人视觉抓取时待识别目标存在密集遮挡导致识别效果差的问题,提出改进YOLOv7的服务机器人密集遮挡目标识别方法。首先,为改善密集遮挡目标特征信息丢失导致识别困难的问题,使用深度过参数化卷积构建深度过参数化高效聚合网络... 详细信息

针对服务机器人视觉抓取时待识别目标存在密集遮挡导致识别效果差的问题,提出改进YOLOv7的服务机器人密集遮挡目标识别方法。首先,为改善密集遮挡目标特征信息丢失导致识别困难的问题,使用深度过参数化卷积构建深度过参数化高效聚合网络,利用不同卷积核对每个通道进行运算,增强网络感知能力,使网络关注目标未遮挡区域特征;其次,为抑制密集遮挡目标边界不易区分对识别造成的影响,将坐标注意力机制嵌入主干网络中,使网络获取目标位置信息并更好地关注特征图中的重要区域,增强网络特征提取能力;最后,使用Ghost网络进行轻量化改进,减少计算量并降低模型内存占用。在自建数据集与公共数据集分别对模型进行对比实验,实验结果表明,改进后模型mAP分别达到92.9%,87.8%。本文模型在降低内存占用的同时,识别精度和识别效率提升,整体性能更优。

关键词：密集遮挡改进YOLOv7 服务机器人目标识别

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv5的驾驶员分心驾驶检测

吉林大学学报（工学版） 2024年第4期54卷 959-968页

作者：陈仁祥胡超超胡小林杨黎霞张军何家乐重庆交通大学交通工程应用机器人重庆市工程实验室重庆400074 重庆工业大数据创新中心有限公司重庆400056 重庆科技学院工商管理学院重庆401331

针对采用分类方法进行分心驾驶检测存在只能识别有限分心驾驶行为类别以及忽视时间信息的问题,提出了基于改进YOLOv5的驾驶员分心驾驶检测方法。首先,在YOLOv5的基础上引入Ghost模块,采用线性变换代替部分常规卷积进行特征提取以轻量化... 详细信息

针对采用分类方法进行分心驾驶检测存在只能识别有限分心驾驶行为类别以及忽视时间信息的问题,提出了基于改进YOLOv5的驾驶员分心驾驶检测方法。首先,在YOLOv5的基础上引入Ghost模块,采用线性变换代替部分常规卷积进行特征提取以轻量化网络模型,实现快速又准确地检测图像中手机、水杯、驾驶员双眼和头部区域;其次,在获取目标检测结果的基础上,结合头部姿态估计设计逻辑算法并融入YOLOv5中,从认知分心和视觉分心两个角度检测每帧图像中驾驶员是否存在分心驾驶,避免了分类方法受限分心驾驶类别数的问题,再设置适当的时间阈值,从而实现端到端实时的分心驾驶预警;最后,对采集的18名驾驶员的驾驶行为数据集进行对比试验,验证了本文方法的可行性和有效性。

关键词：分心驾驶 YOLOv5 驾驶行为目标检测头部姿态估计

基于注意力引导多尺度降噪卷积神经网络的钢轨表面缺陷图像降噪

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

铁道学报 2024年第5期46卷 123-131页

作者：陈仁祥潘升杨黎霞王建西夏天重庆交通大学交通工程应用机器人重庆市工程实验室重庆400074 重庆科技大学工商管理学院重庆401331 石家庄铁道大学道路与铁道工程安全保障教育部重点实验室河北石家庄050043

针对钢轨表面缺陷图像降噪依赖人工设置滤波参数和缺陷边缘模糊的问题,提出基于注意力引导多尺度降噪卷积神经网络的钢轨表面缺陷图像降噪方法。首先采用深层网络中的多尺度卷积自动提取含噪图像的特征,使其不依赖于人工设置滤波参数,... 详细信息

针对钢轨表面缺陷图像降噪依赖人工设置滤波参数和缺陷边缘模糊的问题,提出基于注意力引导多尺度降噪卷积神经网络的钢轨表面缺陷图像降噪方法。首先采用深层网络中的多尺度卷积自动提取含噪图像的特征,使其不依赖于人工设置滤波参数,并克服单尺度卷积特征不够精细导致缺陷边缘模糊的问题;其次利用跳跃连接融合网络深层特征和浅层特征,强化浅层特征影响,克服因网络加深导致浅层特征被忽略的问题,使特征更充分;然后利用注意力机制调节特征在空间不同位置的权重,筛选出能表征噪声的特征,获得噪声信息;最后通过重建模块去除含噪图像中的噪声,实现端到端的降噪。试验结果从定性和定量角度证明所提方法不仅降噪效果更好,且更有效地保留了缺陷边缘信息,为缺陷精确分割提供条件。

关键词：钢轨表面缺陷图像降噪卷积神经网络多尺度特征

自然驾驶状态下城市地下环道驾驶人心理负荷研究

在线全文

学校读者我要写书评

暂无评论

交通运输系统工程与信息 2024年第4期24卷 274-282页

作者：尚婷易爱强何军刘祥重庆交通大学交通运输学院重庆400074 重庆交通大学智能综合立体交通重庆市重点实验室重庆400074 重庆市气象服务中心重庆401147

为探究城市地下环道驾驶人心理负荷特性,组织驾驶人自然驾驶试验,使用生理仪获取自然驾驶状态下驾驶人心电信号数据。以驾驶人心率、心率增长率和心率变异性指标为关键变量,基于因子分析法构建心理负荷量化模型,揭示地下环道平曲线半径... 详细信息

为探究城市地下环道驾驶人心理负荷特性,组织驾驶人自然驾驶试验,使用生理仪获取自然驾驶状态下驾驶人心电信号数据。以驾驶人心率、心率增长率和心率变异性指标为关键变量,基于因子分析法构建心理负荷量化模型,揭示地下环道平曲线半径、曲线类型、出入口以及熟练程度对驾驶人心理负荷的影响。研究表明:心率指标和心率变异性指标分别与地下环道平曲线半径呈负相关和正相关关系;驾驶人心理负荷与平曲线半径呈负相关,在相同半径条件下,连续曲线场景下的心理负荷显著高于单个曲线场景,且连续曲线间负荷累积作用超过单一曲线半径对驾驶人心理负荷的影响;入口段驾驶人心理负荷比出口段高21.39%;非熟练驾驶人心理负荷比熟练驾驶人高30.75%;建议在城市地下环道出入口和曲率变化区段增设视线诱导设施,设计车速为20~40 km·h^(-1)时,平曲线半径不宜小于30 m。

关键词：交通工程驾驶人心理负荷因子分析城市地下环道心率变异性自然驾驶试验

同方期刊数据库

基于多目标进化算法和SWMM的LID设施空间布局优化研究

在线全文

学校读者我要写书评

暂无评论

水资源保护 2024年第1期40卷 108-116页

作者：程麒铭尹超陈垚杨真梅苏义鸿刘非重庆交通大学河海学院重庆400074 江津区生态环境监测站重庆402260 重庆交通大学环境水利工程重庆市工程实验室重庆400074

针对传统算法无法满足低影响开发(LID)设施空间布局优化模型求解的性能要求的问题,以重庆秀山海绵城市建设区为研究区,基于MATLAB软件的platEMO4.0平台,对比分析了NSGA-Ⅱ、NSGA-Ⅲ、MOEAD、PICEA-g、MOEAPSL、CCMO与CAMOEA7种多目标进... 详细信息

针对传统算法无法满足低影响开发(LID)设施空间布局优化模型求解的性能要求的问题,以重庆秀山海绵城市建设区为研究区,基于MATLAB软件的platEMO4.0平台,对比分析了NSGA-Ⅱ、NSGA-Ⅲ、MOEAD、PICEA-g、MOEAPSL、CCMO与CAMOEA7种多目标进化算法对LID设施空间布局优化问题的求解结果与性能评价指标,并提出最佳方案。结果表明:新算法大部分性能指标优于传统算法,其中CCMO算法的多样性与收敛性最佳,而MOEAPSL算法的求解速度最快,搜索能力最强,且最优解数量最多;采用CCMO和MOEAPSL算法可获得研究区不同降雨重现期下的Pareto近似前沿,即LID设施空间布局的最优解集;以径流削减为控制目标的最佳方案在降雨重现期为5~100 a时径流总量控制率为67.23%~76.70%,洪峰流量削减率为66.42%~77.86%,LID单位面积建设成本为203.90~245.23元/m 2。

关键词：多目标进化算法 SWMM LID设施空间布局 platEMO4.0平台

无人机高空航拍视角下小尺度车辆精确检测方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

交通运输系统工程与信息 2024年第3期24卷 299-309页

作者：张河山谭鑫范梦伟潘存书徐进张羽重庆交通大学交通运输学院重庆400074 重庆交通大学山区复杂道路环境“人-车-路”协同与安全重庆市重点实验室重庆400074 重庆交通大学经济管理学院重庆400074

无人机高空航拍图像中车辆像素占比极低,目标可视化信息较少,在目标检测任务中容易漏检和误检。因此,本文提出一种基于改进YOLOX(You Only Look Once X)的无人机高空航拍视角下小尺度车辆精确检测方法。首先,为增强网络对低级特征的提... 详细信息

无人机高空航拍图像中车辆像素占比极低,目标可视化信息较少,在目标检测任务中容易漏检和误检。因此,本文提出一种基于改进YOLOX(You Only Look Once X)的无人机高空航拍视角下小尺度车辆精确检测方法。首先,为增强网络对低级特征的提取能力,在原始YOLOX预测头部增加一个160 pixel×160 pixel的浅层特征提取网络;其次,在骨干网络后端嵌入基于归一化的注意力机制模块(Normalization-based Attention Module,NAM),以抑制冗余的非显著特征表达;最后,为了增大小尺度车辆的相对像素比,提升网络捕捉有效特征信息的能力,提出一种基于滑动窗口的图像切分检测方法。试验结果表明,改进YOLOX网络表现出良好的检测效能,检测精度达到了84.58%,优于典型的目标检测网络Faster R-CNN(79.95%)、YOLOv3(83.69%)、YOLOv5(84.31%)及YOLOX(83.10%)。此外,改进YOLOX能够有效解决无人机高空航拍图像中小尺度车辆的漏检和误检问题,且预测框更贴合车辆的实际轮廓;同时,在不同航拍高度的目标检测任务中具有较高的鲁棒性。

关键词：智能交通小尺度车辆检测 YOLOX 无人机注意力机制浅层特征提取网络

同方期刊数据库