基于小波包和PSO-Elman神经网络的滚动轴承故障诊断

针对滚动轴承的故障诊断,分析滚动轴承故障机理及特点,提出基于小波包分析的滚动轴承振动信号的特征向量提取算法,并建立PSO-Elman神经网络进行故障诊断和识别。将滚动轴承故障振动信号进行小波包分解,构造频带能量谱作为特征向量,输入PSO-Elman神经网络对故障进行识别。试验结果表明,基于小波包分析和PSO-Elman神经网络相结合的方法可准确地实现滚动轴承的故障诊断。     

一种基于图论的图像分割算法

针对图像分割应用中阈值难以确定的问题,提出一种基于图论的图像分割算法。利用二维高斯分布函数给出边权重函数的动态自适应系数,结合区域间、区域内的相似度函数定义差距函数,得到适合区域合并的动态判定函数。实验结果表明,与其他算法相比,该算法的图像分割效果较好,花费时间较少。     

基于栅格分区的覆盖路径规划方法

针对含有障碍物的作业区域,设计出一种划分区域的覆盖方法。首先将作业区域栅格化,建立栅格地图;其次进行区域划分,利用模糊 C 均值( FCM )聚类算法将障碍物进行聚类,根据聚类结果,求出每一类障碍物的横纵坐标的最小值和最大值;接着先利用 Bresenham 算法沿着障碍物边界最小值进行区域分割;然后求解子区域连接顺序,利用 A * 算法求得子区域间的最优路径;最后利用往复式覆盖方式实现子区域的全覆盖。仿真实验表明,该方法能够完整地覆盖整个作业区域,与传统的 A * 覆盖算法相比,覆盖路径长度减少 13.97% ,重复率降低了 94.44% ,转弯次数减少 16.00% ,且而与传统的遗传覆盖算法相比,覆盖路径长度减少了 3.78% ,重复率降低了 83.33% ,转弯次数增加了 1.61% 。     

基于加权多头并行注意力的局部遮挡面部表情识别

面部表情识别在诸多领域具有广泛的应用价值, 但在识别过程中局部遮挡会导致面部难以提取有效的表情识别特征, 而局部遮挡的面部表情识别可能需要多个区域的表情特征, 单一的注意力机制无法同时关注面部多个区域特征. 针对这一问题, 本文提出了一种基于加权多头并行注意力的局部遮挡面部表情识别模型, 该模型通过并行多个通道-空间注意力提取局部未被遮挡的多个面部区域表情特征, 有效缓解了遮挡对表情识别的干扰, 大量的实验结果表明, 本文的方法相比于很多先进的方法取得了最优的性能, 在RAF-DB和FERPlus上的准确率分别为89.54%、89.13%, 在真实遮挡的数据集Occlusion-RAF-DB和Occlusion-FERPlus的准确率分别为87.47%、86.28%. 因此, 本文的方法具有很强的鲁棒性.     

基于ResNet50-SSD的安全帽佩戴状态检测研究

针对现存的安全帽佩戴检测方法对尺寸大小不一、部分遮挡的目标检测难度大的问题。文章提出了一种基于Res-Net50-SSD的安全帽佩戴状态检测研究方法。该模型以SSD网络作为基础,采用ResNet-50代替传统的VGG-16作为SSD的主干网络提取特征,并在附加层中引入BN(Batch Normalization)层,加快网络的收敛速度,提高检测精确度。实验结果表明:ResNet50-SSD的在安全帽佩戴状态检测任务中mAP达80.4%,相对于传统的SSD提高了2.23%。在保证较高的检测准确率的情况下能达到了每秒35帧的检测速度,满足实时检测的要求。