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

基于改进YOLOv5的路面病害检测模型

土木工程学报 2024年第2期57卷 96-106页

作者：何铁军李华恩东南大学智能运输系统研究中心江苏南京211189

为进一步提高路面病害检测精度,文章在YOLOv5的基础上,提出针对路面病害特征改进的检测模型Pavement Damage-YOLO(PD-YOLO)。PD-YOLO在网络结构中引入Space-to-depth层,以适应低分辨率和路面病害目标小的检测任务。此外,模型在池化层利... 详细信息

为进一步提高路面病害检测精度,文章在YOLOv5的基础上,提出针对路面病害特征改进的检测模型Pavement Damage-YOLO(PD-YOLO)。PD-YOLO在网络结构中引入Space-to-depth层,以适应低分辨率和路面病害目标小的检测任务。此外,模型在池化层利用SPPFCSPC,在特征提取时获取不同的感受野,有效解决路面病害检测图像中目标大小差异较大的情况;在特征融合层引入ASFF模块使模型自适应学习不同特征间的联系,加强模型对病害目标区域的关注度。在对多组测试数据集测试中,与YOLOv5相比,PD-YOLO模型同时提高了检测结果的准确率、召回率、F1值以及mAP@0.5值,证明了PD-YOLO有着更强的特征提取能力和特征融合能力,在路面病害的检测上有更优越的表现。

关键词： PD-YOLO 路面病害目标检测深度学习 SPD模块

基于双注意力机制的MSCN-BiGRU的滚动轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2024年第6期43卷 84-92,103页

作者：王敏邓艾东马天霆张宇剑薛原东南大学能源与环境学院南京210096 东南大学大型发电装备安全运行与智能测控国家工程研究中心南京210096

针对滚动轴承故障诊断模型在变工况和环境噪声干扰下诊断精度降低的问题,提出一种基于双注意力机制的多尺度卷积网络(dual attention and multi-scale convolutional networks,DAMSCN)与改进的双向门控循环单元(bidirectional gated rec... 详细信息

针对滚动轴承故障诊断模型在变工况和环境噪声干扰下诊断精度降低的问题,提出一种基于双注意力机制的多尺度卷积网络(dual attention and multi-scale convolutional networks,DAMSCN)与改进的双向门控循环单元(bidirectional gated recurrent unit,BiGRU)组成的故障诊断模型DAMSCN-BiGRU。首先,多尺度特征融合模块使用不同大小的卷积核,获得多种感受野,从而提取到轴承原始振动信号的多尺度特征信息,并根据重要性对其进行自适应融合,然后利用通道注意力和空间注意力组成的双注意力模块(dual attention module,DAM)对多尺度特征进行重新标定,分配注意力权重,削弱融合特征中的冗余特征;然后,增加注意力层和利用分段激活改进BiGRU进而挖掘信号的时域特征,以提高轴承故障诊断的性能;最后,通过Softmax层完成对不同故障的分类。试验结果表明,与其他智能诊断模型相比,DAMSCN-BiGRU在变工况环境下,平均诊断精度达到98.2%,在强噪声背景下仍然有着85.3%的准确率,且在不同程度的噪声强度下效果均优于其他常用模型,有利于促进滚动轴承的智能故障诊断研究和实际应用。

关键词：滚动轴承故障诊断多尺度特征融合双注意力机制双向门控循环单元(BiGRU)

在线全文

学校读者我要写书评

暂无评论

直接空气碳捕集-综合能源系统配置优化方法

工程热物理学报 2024年第8期45卷 2230-2238页

作者：杨礼华吴啸沈炯东南大学大型发电装备安全运行与智能测控国家工程研究中心南京210096

将直接空气碳捕集(Direct air carbon capture,DAC)与可再生综合能源系统(Integrated energy system,IES)结合,是实现区域碳中和的有效途径。合理的配置方法是系统稳定、灵活、经济与零碳的前提。常规配置方法无法反映DAC吸附、解吸的动... 详细信息

将直接空气碳捕集(Direct air carbon capture,DAC)与可再生综合能源系统(Integrated energy system,IES)结合,是实现区域碳中和的有效途径。合理的配置方法是系统稳定、灵活、经济与零碳的前提。常规配置方法无法反映DAC吸附、解吸的动态CO_(2)传质特性以及能耗特征差异,导致非最优或不可行的配置方案。为此,本文构建了面向配置的DAC模型以反映其动态运行特性,在此基础上以包含投资成本、运维成本、可再生能源削减惩罚以及负碳排环境效益的年总成本为目标函数,建立DAC-IES配置模型,获得各设备的最佳容量与协同运行策略,揭示间歇波动供能背景下DAC的灵活运行机制。案例分析验证了所提出的配置方法的有效性与优越性。结果同时表明,DAC系统灵活运行能够实现与可再生能源更好地协调与更经济地碳捕集。

关键词：直接空气碳捕集综合能源系统动态特性优化配置灵活运行

自回归神经网络的预测值反馈再训练策略及应用

在线全文

学校读者我要写书评

暂无评论

东南大学学报（自然科学版） 2024年第3期54卷 738-746页

作者：莫正阳李益国东南大学大型发电装备安全运行与智能测控国家工程研究中心南京210096

为提高非线性自回归神经网络(NARX-NN)的多步预测性能,提出了一种预测值反馈再训练(FR)策略.首先采用常规训练策略对NARX-NN进行训练,然后利用模型的单步预测结果替换实测值,得到重构训练集,并指导网络再次训练.为验证FR的有效性,将其... 详细信息

为提高非线性自回归神经网络(NARX-NN)的多步预测性能,提出了一种预测值反馈再训练(FR)策略.首先采用常规训练策略对NARX-NN进行训练,然后利用模型的单步预测结果替换实测值,得到重构训练集,并指导网络再次训练.为验证FR的有效性,将其应用于3种典型的NARX-NN模型:非线性自回归深度神经网络(NARX-DNN)、基于长短期记忆网络的编码器-解码器(LSTMED)和深度自回归网络(DeepAR),以预测燃煤锅炉NO_(x)质量浓度或综合能源系统电负荷.与常规训练策略和计划采样的对比结果表明,采用FR的NARX-NN具有最高的多步预测精度,其中,LSTMED对NO_(x)质量浓度前向15步预测的平均绝对百分比误差(MAPE)为4.01%;DeepAR对电负荷前向24步预测的平均MAPE为4.34%.配对样本T检验结果表明,FR对NARX-NN的多步预测性能提升具有显著性.通过保持训练阶段和预测阶段输入的一致性,FR有效提升了NARX-NN模型的多步预测精度.

关键词：神经网络多步预测训练策略 NO_(x)质量浓度电负荷

在线全文

学校读者我要写书评

暂无评论

耐久性环氧沥青路面结构有限元分析

科学技术与工程 2024年第19期24卷 8280-8289页

作者：郭赵元闵召辉林郭锋李明月东南大学交通学院南京210096 东南大学智能运输系统研究中心南京210096

环氧沥青是一种热固性材料,具有强度高、高温稳定性好、耐疲劳等优异性能。将环氧沥青混合料作为路面面层,是实现路面耐久性的一种可行方式。将环氧沥青混合料作为路面面层的铺装材料,并降低环氧沥青中环氧组分用量,通过抗压回弹模量试... 详细信息

环氧沥青是一种热固性材料,具有强度高、高温稳定性好、耐疲劳等优异性能。将环氧沥青混合料作为路面面层,是实现路面耐久性的一种可行方式。将环氧沥青混合料作为路面面层的铺装材料,并降低环氧沥青中环氧组分用量,通过抗压回弹模量试验和应力松弛试验获取环氧沥青混合料的力学参数。基于试验得到的混合料力学参数,设计不同路面结构组合,并使用有限元模拟手段对环氧沥青路面进行结构力学分析和组合优化设计。结果表明:沥青用量为60%和70%的环氧沥青混合料的路用性能和强度显著优于SBS改性沥青混合料。组合3(4 cm 60%EAC-13+4 cm AC-13),组合5(4 cm 70%EAC-13+4 cm 70%EAC-13),组合7(4 cm AC-13+4 cm 60%EAC-13)三种环氧沥青路面结构组合与其他结构组合相比具有较好的力学计算指标和经济性。

关键词：耐久性环氧沥青混合料抗压回弹模量应力松弛模量有限元分析

基于对象-属性双维度的民用机场核心业务流智慧化程度评价方法

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2024年第5期54卷 1267-1276页

作者：张锐黄卫马涛东南大学智能运输系统(ITS)研究中心南京211189 综合交通运输理论交通运输行业重点实验室(南京现代综合交通实验室) 南京211100 东南大学交通学院南京211189

为解决机场在进行智慧化程度评价过程中由于建设内容体量庞大,业务错综复杂,无法做到业务流科学划分并有效评价的难题,本文从面向任务对象角度以及面向功能属性的角度建立了基于对象-属性双维度的机场核心业务流评价体系,并提出了90项... 详细信息

为解决机场在进行智慧化程度评价过程中由于建设内容体量庞大,业务错综复杂,无法做到业务流科学划分并有效评价的难题,本文从面向任务对象角度以及面向功能属性的角度建立了基于对象-属性双维度的机场核心业务流评价体系,并提出了90项基础指标。在此基础上,通过优劣解距法对禄口机场的双维度指标层进行了分值计算。研究结果表明:双维度评价指标体系的建立有助于厘清机场业务流种类多元且流向繁杂的问题,方便后续机场进行智慧化程度评价;从基于任务对象维度的指标层分值可以看出,旅客流的隔离区外智慧化建设程度最高为73.76分。以功能属性维度划分的各指标中,感知类的数量/重量指标评分最高为79.68分,高出平均值21.4%;预测类的时间类指标评分最高为80.26分,高出平均值9.1%;决策类的事件类指标评分最高为76.30分,高出平均值10.2%。预测类和决策类的相关指标智慧化建设程度相对均衡,而感知类指标最低分为54.36分,最高分为79.68分,各业务智慧化建设程度相差较大。

关键词：航空工程对象-属性双维度核心业务流智能化程度评价

维普期刊数据库博看期刊

基于逻辑-物理框架的智慧机场评价指标量化方法

在线全文

学校读者我要写书评

暂无评论

航空学报 2024年第10期45卷 35-47页

作者：张锐黄卫马涛东南大学智能运输系统研究中心南京211189 综合交通运输理论交通运输行业重点实验室(南京现代综合交通实验室) 南京211100 东南大学交通学院南京211189

为了解决机场在进行智能化程度评价过程中基础业务流指标无法定量表达的问题,通过对比分析现有评价体系方法,采用面向过程的方法对智慧机场体系框架进行构建,搭建了基于逻辑-物理框架的智慧机场评价体系;在此基础上,对框架内的各个基础... 详细信息

为了解决机场在进行智能化程度评价过程中基础业务流指标无法定量表达的问题,通过对比分析现有评价体系方法,采用面向过程的方法对智慧机场体系框架进行构建,搭建了基于逻辑-物理框架的智慧机场评价体系;在此基础上,对框架内的各个基础指标按定性指标和定量指标2个不同的类别进行了数学上的定义与定量描述。研究结果表明:面向过程的评价体系同样也适用于机场的智能化评价体系构建,且能够从逻辑框架到物理框架对智慧机场的各个业务流和子系统进行全面的反映。对基础指标根据其数学描述采用不同的分类量化有助于对机场的智慧化程度刻画更加精确和全面。对A机场基础指标的量化发现飞行区管理基础指标中百分比型指标占20%,数值型指标占34.3%,是否型指标占45.7%,陆侧交通管理基础指标中百分比型指标占13.3%,数值型指标占13.3%,是否型指标占73.4%,且各个指标能够展现具体的量化分值,说明提出的量化方法能够适用于机场全部业务流的量化处理。

关键词：智慧机场面向过程评价法逻辑框架物理框架量化方法

在线全文

学校读者我要写书评

暂无评论

民用机场智慧化程度评价指标的构建

东南大学学报（自然科学版） 2024年第3期54卷 524-530页

为了解决民用机场在进行智能化程度评价过程中客运核心业务流基础评价指标种类繁多、覆盖范围广泛、指标间关系错综复杂的难题,从智慧程度、覆盖程度和准确程度进行了多角度耦合的基础评价指标通式构建.在此基础上,以航班流为例分别从... 详细信息

为了解决民用机场在进行智能化程度评价过程中客运核心业务流基础评价指标种类繁多、覆盖范围广泛、指标间关系错综复杂的难题,从智慧程度、覆盖程度和准确程度进行了多角度耦合的基础评价指标通式构建.在此基础上,以航班流为例分别从感知型、预测型和决策型3个方面进行了基础评价指标的构建.研究结果表明,所构建的基础评价指标可根据其所涉及数据的功能属性划分为感知型指标、预测型指标、决策型指标3类,解决了智慧化程度基础评价指标缺失的问题.感知型与预测型指标可从智慧方法、覆盖程度、准确程度3个角度进行刻画,而决策型指标仅需从智慧方法、覆盖程度2个角度进行刻画,构建了多角度耦合的指标通式.从智慧方法角度划分,智慧程度可分为全智慧化管控、半智慧化管控和全人工管控3类状态,而覆盖程度与准确程度可由覆盖率与准确率表征.

关键词：智慧机场航班业务流基础评价指标感知型指标预测指标决策型指标

在线全文

学校读者我要写书评

暂无评论

基于DFT与ECA的滚动轴承故障诊断

振动．测试与诊断 2024年第4期44卷 754-760,830页

作者：张顺邓艾东徐硕丁雪东南大学大型发电装备安全运行与智能测控国家工程研究中心南京210096

针对滚动轴承故障诊断中传统卷积神经网络(convolutional neural networks,简称CNN)提取特征的感受野受限于卷积核大小的问题,提出了一种结合离散傅里叶变换(discrete Fourier transform,简称DFT)和高效通道注意力(efficient channel at... 详细信息

针对滚动轴承故障诊断中传统卷积神经网络(convolutional neural networks,简称CNN)提取特征的感受野受限于卷积核大小的问题,提出了一种结合离散傅里叶变换(discrete Fourier transform,简称DFT)和高效通道注意力(efficient channel attention,简称ECA)的卷积神经网络模型(convolutional neural network combining discrete Fourier transform and efficient channel attention,简称DFT-ECANet)。首先,将原始振动信号通过DFT变换到频域,在频域上经卷积和离散傅里叶逆变换(inverse discrete Fourier transform,简称IDFT)转换到时域,使信号在时域上具有全局的感受野;其次,将该信号与经过卷积的数据在通道维度上进行拼接,通过ECA为各通道数据分配权重,并关注诊断性能高的特征;最后,通过多个卷积-池化层进一步提取模型深层特征,结合池化层和全连接层诊断轴承故障。实验结果表明:DFT-ECANet在原始振动数据集上具有较高的诊断精度和较好的泛化性能,通过T分布随机近邻嵌入(T-distributed stochastic neighbor embedding,简称T-SNE)可降维可视化模型的诊断过程;在强噪声干扰下仍能保持较高的精度,具备较强的鲁棒性和抗噪性能。

关键词：滚动轴承故障诊断卷积神经网络离散傅里叶变换高效通道注意力

维普期刊数据库博看期刊