基于图神经网络的零件机加工特征识别方法

针对现有基于深度学习的方法存在的难以识别相交特征、无法精确确定加工特征面的问题,提出基于图神经网络的加工特征识别方法.通过压缩激励模块提取节点与邻接边的特征,构建节点级与邻接边级的双层注意力网络,分割每个节点对应的加工特征.该方法充分利用了零件模型的面特征与边特征,结合零件模型的拓扑结构,基于注意力机制对特征信息进行深度学习,可以有效地解决非面合并相交特征的识别问题.在多加工特征零件数据集上,将该方法与其他3种特征识别方法进行实验对比,在准确率、平均类准确率和交并比3项指标上均取得最优结果,识别准确率高于95%.     

基于神经网络和证据理论的液压系统故障诊断

针对液压系统故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于神经网络和D-S（Dempster-Shafer）证据理论相结合的液压系统故障诊断方法。该方法通过构建多子神经网络分类模块进行局部诊断,利用各子神经网络的输出值作为证据理论中的基本可信度,经过证据理论的再次融合得出最终的诊断结果。实例表明,该方法通过简化神经网络结构,提高了局部诊断网络的诊断能力,通过对多源多特征参数的融合,充分利用各传感器的冗余和互补的故障信息,与单一故障特征的诊断相比,显著提高了故障诊断的准确率,降低了决策的不确定性。     

基于遗传优化BP神经网络的供热管网故障诊断模型

为了克服传统BP神经网络收敛速度慢,易陷入局部极值的缺陷,提出一种遗传优化的BP神经网络供热管网故障诊断模型.通过建立泄漏工况数学模型,获取了泄漏工况下的节点压力变化情况,并以此作为BP神经网络的样本数据;利用遗传算法对BP网络初始权值和阀值进行了优化,再通过BP神经网络进行了供热管网的故障诊断,以确定泄漏管段和泄漏量,并对泄漏点进行定位.实验结果表明:该模型性能明显优于传统的BP神经网络故障诊断模型,且诊断精度高.     

高精度配电网电气设备故障识别检测方法

针对电气设备红外图像边界模糊、噪声大等问题,结合卷积神经网络模型和图像识别技术,利用可见光图像与红外成像,实现了对配电网电气设备的高精度远程识别和发热诊断.采用卷积神经网络和边框回归算法完成了对识别对象的标记,基于灰度梯度信息矩阵提取了配电网红外图像的纹理信息特征参数,采用主成分分析的方法得到特征参数的主成分分量,并将其作为输入向量,对设备运行状态进行识别.结果表明,样本训练及测试的准确率能够分别达到95%、90%以上,设备发热故障识别准确率约为85%.     

基于信息融合理论的空间点目标识别实验结果分析

提出一种三级融合的多传感器信息融合空间点目标识别方法,将BP网络和D—S证据推理有效地结合起来.第一级融合采用神经网络进行识别,第二和第三级采用D—S证据理论进行识别.仿真结果证明,本文提出的方法能较好地解决复杂目标和诱饵的识别问题.     

信息融合在空间点目标识别中的应用

提出一种三级融合的多传感器信息融合空间点目标识别方法,将BP网络和D—S证据推理有效地结合起来.第一级融合采用神经网络进行识别,第二和第三级采用D—S证据理论进行识别.经过三级融合后可以提高系统的识别率,尤其是在有噪声的情况下.仿真实验验证了算法的有效性.     

基于遗传算法优化的神经网络在长输管道泄漏检测系统中的应用

针对由于输油管道泄漏在生产生活中造成的诸多损失与危害,以吉林油田的一段长输管道为研究对象,利用小波包变换提取管道泄漏压力信号的特征向量,将得到的特征向量作为神经网络的输入,根据输出对管道的运行状态进行识别,再应用负压波定位法对泄露点进行定位。在此基础上,提出了一种基于遗传算法优化的RBF神经网络输油管道检测的方法。该方法把遗传算法应用于神经网络的参数确定中。实验结果表明,优化的RBF神经网络模型的误差为1%左右,提高了泄漏检测的精度与效率。     

基于知识增强的图卷积神经网络的文本分类

针对文本分类问题,提出新的基于知识增强的图卷积神经网络（KEGCN）分类模型. KEGCN模型在整个文本集上构建了一个包含单词节点、文档节点、外部实体节点的文本图,不同类型节点之间使用不同的相似性计算方法;在文本图构建完成后将其输入到2层图卷积网络中学习节点的表示并进行分类. KEGCN模型引入外部知识进行构图,捕获长距离不连续的全局语义信息,是第1个将知识信息引入图卷积网络进行分类任务的工作. 在4个大规模真实数据集20NG、OHSUMED、R52、R8上进行文本分类实验,结果表明,KEGCN模型的分类准确率优于所有的基线模型. 将知识信息融入图卷积神经网络有利于学习到更精准的文本表示,提高文本分类的准确率.     

基于遗传算法优化的模糊神经网络在智能楼宇火灾探测中的应用

针对火灾报警系统中存在的漏报、误报问题.提出了基于遗传算法优化的模糊神经网络信息处理方法对火灾信号进行识别.以提高系统报警准确率,降低漏报率.该算法通过仿真实验.结果表明报警的准确率有明显提高;同时,优化后的网络可靠性和泛化能力亦有所提高.这一方法为实现火灾发生时的及早报警和对非火灾信号的准确识别,提供一种新的火灾信号智能识别方法.     

基于公共空间视频的人脸情绪识别

针对公共空间中人脸情绪识别准确率不高的问题,提出一种结合不同感受野和双流卷积神经网络的人脸情绪识别方法。首先建立基于公共空间视频的人脸表情数据集;然后设计一个双流卷积网络,以尺寸为224×224的单帧人脸图像输入卷积神经网络(convolution neural network,CNN),分析图像纹理静态特征;以尺寸为336×336视频序列输入CNN网络,再将提取的特征送入长短期记忆网络(long short term memory network,LSTM)分析局部、全局运动特征;最后通过Softmax分类器将两通道网络的描述子进行加权融合,得到分类结果。结果表明,本文方法能有效利用不同感受野的信息特征清晰识别公共空间的4种典型人脸情绪,识别准确率达88.89%。     

基于信息融合和加权证据理论的故障诊断系统的研究与实践

为了较全面地获得设备的故障状态信息,增加故障诊断的可信度,考虑故障诊断过程中不同故障特征对特定故障的贡献率,提出了加权证据理论的多故障特征信息融合的故障诊断方法,建立了多故障特征信息融合诊断模型。经实验表明,该方法能有效提高故障诊断的准确性并且具有较好的实用性。     

基于信息融合技术的异步电机故障诊断研究

为了合理利用异步电动机多个方面的故障特征信息,提高故障诊断的准确性,提出了一种采用异步电动机定子电流、径向(轴向)振动信号等多信息融合的故障诊断方法.对测量的各种信号进行小波分析,利用各个频段的信号能量作为故障特征值.采用D-S证据理论融合各个信息,针对证据理论无法融合高冲突证据的缺陷,引入先验知识对其进行了改进,提高了电机故障诊断准确率.实验结果表明,故障诊断结果可信度明显提高,不确定性显著减小,对异步电动机转子断条故障诊断的准确率达到90%以上.     

适于无线可充电传感网络的节点优化部署

针对现有无线可充电传感网络的节点优化部署方法中存在的收信能量估计模型未考虑实际商用天线的定向辐射特征、优化目标未考虑节点部署方式对定位精度和覆盖程度的影响、节点部署方法寻优精度有待进一步提升等问题,研究适于无线可充电传感网络的新型节点优化部署方法.以精确估计收信能量为目标,提出基于双偶极子天线的收信能量估计模型;提出传...     

基于BP神经网络和D-S证据理论的损伤识别方法

目的有效利用结构健康监测系统中的多源传感器数据信息，进而提高复杂结构健康状况的正确诊断率.方法将BP神经网络与数据融合理论中的证据理论有机融合，提出一种决策级数据融合损伤识别新方法.为了验证所提方法的有效性，用1栋7自由度剪切型建筑模型的6种损伤进行了检验.结果研究发现，将BP网络和D-S证据理论相结合的综合诊断模型，可以有效地提高一些损伤模式的诊断率，具有良好的适应性.结论笔者所提方法优于单一信息建立模型的识别能力，表明它具有较好的容错性和识别精度，用于健康监测和损伤检测是可行的、有效的.     

基于Rough set理论的无线传感器网络节点故障

提出了一种无线传感器网络（WSN）节点故障诊断的新方法，首先基于粗糙集理论中改进的可辨识矩阵算法得到故障诊断决策的属性约简；然后通过属性匹配的故障分类算法，建立一套WSN节点故障诊断方法，对WSN节点的各个模块分别进行具体的故障诊断和定位. 仿真实验表明，该方法在WSN节点故障诊断时通信代价小、能量消耗低、诊断准确率高，因而具有在能量有限的WSN节点中应用的可能性.     

Adaptive decision-level fusion strategy for the fault diagnosis of axial piston pumps using multiple channels of vibration signals

An axial piston pump is a key component that plays the role of the “heart” in hydraulic systems. The pump failure will lead to an unexpected breakdown of the entire hydraulic system or even economic loss and catastrophic safety consequences. Several vibration-based machine learning methods have been developed to detect and diagnose faults of axial piston pumps. However, most of these intelligent diagnosis methods use single-sensor vibration data to monitor the pump health states. Additionally, the diagnostic accuracy is unacceptable in most situations due to the complex pump structure and limited sensor information. Therefore, this study proposes a multi-sensor fusion method to improve the fault diagnosis performance of axial piston pumps. The convolutional neural network receives three channels of vibration data and makes the final diagnosis through information fusion at the decision level. The proposed decision fusion method is evaluated on the classification task of leakage levels of an actual axial piston pump. The experimental results show that the proposed method improves the classification accuracy by adjusting the probability distribution of classification according to the learned weight matrix.

     

基于多级信息融合的转台故障诊断系统研究

根据转台系统复杂的结构特点,提出了一种多级信息融合的故障诊断方法.首先针对来自各子系统的多传感器信息,应用神经网络进行局部故障模式分类;然后,将多个子系统诊断结果应用D-S证据理论加以综合,给出系统级的故障诊断决策.实验表明,该方法在复杂系统故障模式分类和不确定性推理具有较强的处理能力,能有效地提高故障诊断的可靠性和准确度.     

基于特征融合的深度学习目标检测算法研究

通过研究卷积神经网络中的特征层级,发现高层特征图的分辨率低、语义信息强,低层特征图的分辨率强、语义信息较弱等问题.针对上述问题提出一种二次特征融合的目标检测算法,该算法在特征金字塔网络(Feature Pyramid Networks,FPN)的基础上对过渡特征重复使用并进行二次特征融合,使丰富的低层特征信息补充到高层...     

基于二维特征矩阵的特征融合算法

为了提高无线传感器网络信息融合的效率, 提出一种多传感器二维特征融合(2DFF)策略. 将多个传感器标准化后的特征集组合成二维特征矩阵, 引入图像压缩技术, 包括二维主成分分析(2DPCA)及MatPCA对特征矩阵进行特征提取, 实现特征融合. 从理论上剖析该方法之所以能够有效地适用于特征融合, 且区别于传统方法的内在本质. 相比传统的特征融合方法, 该方法能够获得更加精确的融合特征, 提高信息融合的效率. 基于实地采集的地面目标信号的实验结果表明,该方法既提高目标识别率, 又降低了计算复杂度.