共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
基于神经网络信息融合的发动机磨损磨粒识别 总被引:1,自引:0,他引:1
磨粒识别和分类是铁谱分析技术在发动机故障诊断和状态监测的关键环节.针对单一神经网络模型磨粒识别的局限性,提出了一种基于不同类型神经网络信息融合的磨粒智能识别方法.首先利用径向基函数(RBF)神经网络和反向传播(BP)神经网络对磨粒进行识别,得到2组初始识别结果, 归一化后作为2组基本概率分配函数,然后利用D-S证据理论对其融合得到最终识别结果.实例计算表明,与单一神经网络模型相比,提出的信息融合方法提高了磨粒识别的区分度和准确率,并具有良好的通用性和容错性. 相似文献
3.
本文提出用改进的神经网络算法,建立适于磨粒分析的AWPRM模型,设计了智能磨粒识别分类器,实例表明,用该方法可以准确识别磨粒类型,并具有较好的推广能力。 相似文献
4.
5.
6.
7.
8.
本文提出了一个磨粒轮廓特征变换的方法,该方法解决了磨粒图像的平移、旋转和大小不变性,同时,该变换所得的结果能较为全面地反映了磨粒的轮廓特征,这使磨粒识别具有较高的准确率成为可能。文中给出了一个利用此变换方法所得的轮廓特征作为神经网络输入的磨粒识别实例。 相似文献
9.
针对磨粒的识别问题,利用数字磨粒图像分析方法,结合D-S证据理论和BP神经网络,建立了基于D-S证据理论的集成神经网络磨粒融合诊断方法。首先对磨粒图像进行处理,并利用统计分析方法和傅立叶分析方法对处理好的磨粒图片进行分析得到磨粒特征;然后基于统计分析方法和傅立叶分析方法建立对应的两个BP分类子神经网络,利用典型的磨粒样本对BP子神经网络进行训练,得到初步的诊断结果;最后用D-S法对子神经网络诊断结果进行融合,得到最终的诊断结果。算例分析结果表明,基于D-S证据法和集成神经网络的磨粒融合诊断方法比单个诊断方法具有更高的准确性。 相似文献
10.
将极限学习机(ELM)应用于铁谱磨粒模式识别中,从磨粒彩色图像中提取出磨粒的形状尺寸、颜色、纹理3个方面的特征参数作为ELM的输入,以正常滑动磨粒、严重滑动磨粒、球状磨粒、切削磨粒、氧化物磨粒这5种类型磨粒作为ELM的输出,建立基于ELM的磨粒分类器;将3个方面的17个特征参数进行排列组合建立不同的模型,通过对比实验及分析,确定出最优的模型和磨粒分类器;通过实验比较基于ELM与基于BP神经网络的磨粒分类器性能。结果表明:基于ELM神经网络的磨粒分类器的识别速度平均为150 ms,准确率最高为96%,基于BP神经网络的磨粒分类器的识别速度平均为250 ms,准确率最高为90%。因此,基于ELM的磨粒分类器识别速度更快、准确率更高。 相似文献
11.
12.
基于Mask R-CNN的铁谱磨粒智能分割与识别 总被引:2,自引:0,他引:2
针对铁谱图像因背景复杂、尺寸分布广、颗粒重叠等导致难以精确分割与识别的问题,以相似度高的疲劳剥块、严重滑动磨粒、层状磨粒共3种异常磨粒作为研究对象,提出基于深度神经网络模型Mask R-CNN的对多目标铁谱磨粒进行智能分割与识别的方法,并对特征提取层分别选用深度不同的残差网络ResNet50和ResNet101进行对比试验。实验结果表明,基于迁移学习方法的Mask R-CNN+ResNet101模型能够在复杂背景下对多目标、多类型、多尺寸的相似磨粒进行有效分割与识别,测试集的平均精度高达76.2%,模型具有较好的泛化能力。 相似文献
13.
14.
神经网络技术在基于油液分析的发动机磨损诊断中的应用 总被引:1,自引:0,他引:1
本文简述了人工神经网络技术在基于油液分析的自行火炮发动机磨损故障诊断中三个方面的应用,具体包括发动机磨损磨粒的识别、磨损元素浓度值的预测和磨损故障智能诊断,文后讨论了神经网络技术应用与机械故障诊断领域的发展方向。 相似文献
15.
16.
17.
基于神经网络的分阶车牌字符识别算法研究 总被引:1,自引:0,他引:1
为了提高复杂环境下车牌字符的识别率和识别速度,提出了一种基于BP神经网络和卷积神经网络(CNN)的分阶车牌字符识别算法。该算法第一阶段采用BP神经网络对车牌中的汉字、非相似字符进行识别;并在第二阶段用改进的CNN对车牌中的相似字符进行识别。最后通过实验横向、纵向对比,验证了该神经网络算法的有效性。实验结果表明,相对于传统的BP神经网络算法,明显提高了车牌字符的识别率,同时减少了车牌的识别时间。 相似文献
18.
针对城市供水管网泄漏检测需求,进行了泄漏声信号识别方法研究。分析了泄漏信号的时域、频域及波形特点,提取出可用于泄漏信号表征的20种特征参数;基于提取的泄漏声信号特征参数,构建了泄漏声信号BP神经网络识别系统;研究了神经网络结构(隐含节点数、传递函数、学习率)及输入参数的数量和种类对泄漏信号识别效果的影响,并优化出最佳的神经网络结构及输入参数。在以上研究基础上,利用优化后的神经网络对实验室及现场管道泄漏信号进行了交叉训练和识别,结果表明,提出的基于泄漏特征参数的神经网络系统具有较高的可靠性和普适性,可以很好地实现不同场景下泄漏信号的交叉识别,整体识别率达92.5%,为解决不同工况下泄漏信号识别做了有益的探索。 相似文献
19.
提出了在visualC++环境下的基于神经网络颜色识别方法,并将其应用到RoboCup中。该方法首先在visualC++中提取颜色的YUV值,然后设计神经网络并处理YUV值,网络最后输出颜色对应的ID值。该方法极大地提高了颜色提取和识别效率。 相似文献