基于深度信念网络的铁谱图像智能识别方法与试验验证

为了提高机械设备磨损状态识别精度和效率,利用深度学习中的深度信念网络并结合铁谱分析技术,提出一种磨粒图像智能识别方法。首先,建立受限玻尔兹曼机模型,将其用于深度信念网络的预训练,初始化网络模型参数,完成识别模型构建;然后,利用铁谱分析技术,通过铁谱仪制备铁谱图像,进行图像预处理,得到学习样本;最后,对网络模型参数进行研究,观测各参数变化对模型性能的影响规律,得到最优取值。结果表明:所提出的方法能够快速准确地识别设备磨损类型,识别正确率达到99%以上。     

北京高校本科国际交换生项目反馈及浅析

国际交换生项目在我国起步时间较晚,在项目的设置和实施等方面仍有较大改进空间。为了进一步完善国际交换生项目,帮助高校学生做出适当决策,文章通过对高校本科生的问卷调查,结合访谈和实地考察所反映的情况,对造成项目实际与学生预期不相符的原因进行了深入的探讨,并提出了相应的解决方案。     

基于反相灰度图二值化修正的铁谱图像磨粒特征提取

为准确获取铁谱图像中磨粒几何形状和特征参数,提出一种图像处理算法并对其进行验证。针对铁谱图像底色特征及磨粒特征提取精度要求,提出基于反相操作的铁谱图像灰度图转化方案,得到边缘清晰的铁谱灰度图;提出一种三段式阈值分割方案,利用腐蚀和膨胀操作解决二值化对铁谱图像有效磨粒区域的影响,讨论油污等干扰因素的消除策略;确定磨粒特征参数及磨粒识别方案,完成标准的正常滑动磨损图像处理和某实际的齿轮箱磨粒铁谱图像处理验证。结果表明:所提出的算法能够准确提取铁谱图像中磨粒所在区域的几何特征,通过磨粒标定计算得到了8个特征参数值,证明齿轮箱正处于滑动磨损状态。