改进稠密块轻量化神经网络的管道泄漏孔径识别

深度神经网络的管道泄漏孔径识别方法虽然识别率高,但因结构复杂造成参数量大、内存占用大,极大地限制了其在资源有限的工业环境及实时处理中的应用。提出一种优化卷积改进稠密块的轻量化神经网络用于管道泄漏孔径识别。首先将深度可分离卷积与异构卷积结合,构造了新的多卷积稠密块实现泄漏信号的特征提取;之后采用卷积注意力机制对特征进行权重划分,实现特征的重要性区分;最后通过分类器获取结果。实验结果表明,本文方法识别准确率达到了96.59%,参数量仅为781 KB。本文方法在保证高识别准确率的同时,参数量及浮点数大幅下降,训练时间也有所减少,改善了实时响应能力,对于实际工业监测应用有指导意义。     

基于卷积神经网络的磁瓦表面缺陷识别

针对现有的磁瓦表面缺陷识别算法准确率低且泛化能力不足的问题,提出一种基于卷积神经网络的磁瓦表面缺陷识别算法.该算法在轻量级NASNet卷积神经网络的基础上,引入双线性模型增强网络的特征表达力,提高算法识别精度.其次,为了减少模型参数量与计算量,改进NASNet模型结构进行特征降维.同时采用Adam算法作为网络的优化算法...     

基于卷积神经网络的带钢表面缺陷检测算法

针对现有带钢表面缺陷检测方法准确率低、特征泛化性不强、参数多、识别速度慢等缺陷,基于卷积神经网络,采用DenseNet网络的密集连接算法解决梯度消失和梯度爆炸问题,堆叠式空洞卷积扩大卷积核感受野,深度可分离卷积减少网络参数量,提出一种用于带钢表面陷检测的深度神经网络模型Ds-DenseNet算法。以NEU带钢表面缺陷数据集为基础缺陷样本,加入正样本,并对其进行数据增强操作,创建AUG-NEU数据集,本算法在AUG-NEU数据集上的测试精度高达99.38%,参数量为117958,仅占DenseNet121和ResNet50参数量的1.7%和0.5%,识别速度高达1.3ms/frame,分别是DenseNet121、ResNet50识别速度的2.3倍和2倍,完全可以满足带钢生产线实时检测的需求。     

埋地管道光纤周界振动监测与预警技术

对管道第三方活动进行振动监测和预警可以显著提高管道安全性。遵循“数据采集?样本分割?特征提取?识别模型训练?识别策略”框架,建立了基于随机森林算法的埋地管道光纤周界振动监测系统。通过长度为5.35 km的相位敏感光时域反射计（phase?sensitive optical time?domain reflectometer,简称φ?OTDR）光纤传感系统,采集了鹤嘴锄、铲子、锤子和电锤4种典型周界入侵活动的振动信号和85 h时长的环境振动信号。依据信号对比分析结果,选择合理的样本分割尺度和特征提取方法,并训练随机森林识别模型。提出了时空矩阵识别策略用于识别模型的结果修正,减少了99.59%的系统误报。在测试中,光纤周界振动监测系统的识别率为94.87%,误报率仅为0.013 9%,这说明该系统能够抵抗城市中常见的环境振动干扰。     

一种新型DSCNN-GRU结构的减速机轴承故障诊断方法

结合深度学习理论,将一维卷积神经网络运用于振动信号故障诊断,相较于传统方法,提取特征简单且高效。为进一步优化一维卷积结构,弥补其在信号所有位置的寻找模式,联系周期内的故障特征,提出一种新型DSCNN-GRU网络。该模型融合了深度可分离卷积的轻量快捷,降低了一维卷积结构参数;加入门控机制,可记忆分析故障点的信号特征,联系周期内的信号关系,更好地捕捉信号故障特征,提升对时间序列的敏感性。提出一种跟踪梯度优化Adam算法,解决模型随时间窗振荡问题。通过采集的减速机滚动轴承数据研究表明,该算法平均故障识别率可达94%以上,分类效果明显,泛化能力强。     

卷积神经网络在轴承故障识别的应用

针对传统故障诊断方法在轴承故障诊断识别率低、人为干预多等问题,提出一种基于卷积神经网络的故障识别方法。通过对轴承各类故障信号进行数据处理,提取出故障信号的特征,构建故障类型数据集,建立卷积神经网络图像识别模型,将故障数据集送入模型训练获得较优识别模型,最后将待识别故障信号特征图送入模型进行故障类型识别。经实验验证,该方法满足多类轴承故障识别的要求,具有较高的故障识别率。该方法无需人为参与,只需将待测信号进行数据处理送入模型进行识别,符合智能故障诊断的发展趋势,在机械故障领域具有一定的应用价值。     

面向工业生产场景的轻量级玻璃瓶分类检测方法

在玻璃瓶生产线上,现有的玻璃瓶分类主要依赖于人工目力识别,其模式难以适应智能化生产制造;另一方面,深度学习模型复杂度高,难以在资源受限的设备上部署。为此,借鉴MobileNet模型,使用深度可分离卷积和倒残差结构,融合注意力机制,提出一种轻量级网络模型,并使用知识蒸馏来学习深度网络模型ResNet,在保证模型性能的同时压缩了模型的大小。除此以外,在图片采集阶段使用遮光处理,排除了光照因素对模型的干扰。实验证明,方法可以在玻璃瓶生产线上精准识别玻璃瓶种类,在测试集中的平均识别准确率达99.6%,识别速度达18ms,同时模型复杂度大大降低,可以部署在低配置的工业设备中。     

基于多种卷积核特征提取自适应融合的滚动轴承故障诊断方法

传统卷积神经网络模型采用单一类型卷积核，面对复杂工况下的实际数据时存在特征提取不充分，故障识别率低等问题，因此提出了一种基于多种卷积核特征提取自适应融合的滚动轴承故障诊断方法(MCK-CNN)。首先，将轴承一维振动信号经过小波变换转换为二维时频图，将时频图经过一个共同的特征提取网络初步进行特征提取后并行经过一个常规的Convolution和Involution卷积网络；然后，经过2个由不同卷积核构成的网络进行不同方式的特征提取并通过CBAM注意力模块将两类特征自适应地融合；最后，将融合特征输入全连接层并通过Softmax函数输出分类结果。CWRU和实验室轴承数据集的试验结果表明，MCK-CNN模型的训练效率和故障识别率均较高。     

基于谱相关密度和卷积神经网络的轴承故障诊断

针对短时傅里叶变换、小波变换等传统信号预处理方法易受噪声影响的问题,提出了一种基于谱相关密度和卷积神经网络的滚动轴承故障诊断方法(SCD-CNN)。首先,利用谱相关密度能有效抑制高斯噪声的优点,将一维振动信号转变为二维谱相关密度图,用于提高卷积神经网络输入信号的信噪比;然后,将谱相关密度图作为卷积神经网络的输入,通过二维卷积神经网络实现轴承故障特征提取和分类;最后,利用凯斯西储大学标准轴承数据集的试验结果表明,相对于STFT-CNN和CWT-CNN模型,SCD-CNN模型具有更高的故障识别准确率(98.97%)。另外,对SCD-CNN模型的诊断结果,不同阶段的特征图以及分类过程进行了可视化分析,探讨了SCD-CNN模型故障识别准确率提高的深层次原因。     

基于神经网络的分阶车牌字符识别算法研究

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。     

基于网络的数控制造技术

通过研究现代网络技术与数控制造技术集成的可行性，证实了网络制造这一先进制造技术在数据传输，故障诊断，网络监控以及大容量数控程序加工等方面较传统数控制造技术具有很大的优越性。     

网络制造信息安全

根据网络化制造中网络的特点，论述了网络制造中的信息安全问题，提出了基于防火墙、IPSec,TLS/SSL和PKI／CA等技术的解决方案，阐述了网络管理中的安全问题。     

分散网络化制造——香港制造业再发展的模式

提出了一个电子化的生产模式——“分散网络化生产系统”,即充分利用分散于香港和内地之间的中小型企业,合作设计和开发新产品、共享制造资源以及充分利用香港的市场优势。介绍了生产网络的组织结构、管理结构及信息结构的设计和建模。在设计和实施这些模型过程中所积累的经验将为大规模推广分散网络化生产系统的动作提供良好的基础。     

ART网在神经网络专家系统构建方面的应用研究

利用ART网络在数据聚类和学习方面的优势，简述了ART网在构建神经网络专家系统的应用，并加以仿真。仿真结果表明了该系统的优良性能。     

中国制造业网络化的几种发展途径及比较

网络技术正在对制造业发生深刻的影响，例如，中国制造业网络化正在由下而上迅速发展。其发展途径主要包括行业网络化的发展、区域网络化的发展及行业和区域网络化的集成发展。本文对上述发展途径进行了分析和比较。研究表明，行业和区域网络化可以起互补作用，两者应分别有自己的主攻方向，前者起深化网络化内容的作用，后者起扩展网络化范围的作用。最后对这些发展方向分别进行了讨论。     

楼宇自动化的未来

讨论新兴的ZigBee和无线网状网(Mesh)技术作为楼宇自动化今后的解决方案。这些技术可以用非常低的成本创建强劲的传感器控制网络。     

数控系统中混合型网络化通信系统研究

提出了一种由有线通信与无线通信相结合的并应用于数控系统的混合型网络通信系统.利用上位机与下位机结合的操作方式来实现组网,上下位机以基于TCP/IP协议的工业以太网平台连接;另外,数控系统通过虚拟串口技术与外围设备PDA组建蓝牙微微网,PDA可实现数控系统无报警信号的故障诊断功能.上下位机网络通信程序利用Winsock控件在C++Builder6环境中设计;在evb3.0环境中编写了PDA接收数据程序.通过上述方法下位机在正常运行时,CAD、CAM、刀具轨迹、NC代码等信息可以发送给上位机.当数控系统正常运行时,下位机可将加工信息发送给PDA.数控系统中混合型网络通信系统的应用扩大了数控系统的功能同时提高了加工效率.     

Matlab神经网络工具箱在系统辨识中的应用

介绍了MATLAB环境下的神经网络工具箱实用方法,着重介绍了在系统辨识的应用,以RBF网络为例介绍了网络的初始化,训练和仿真函数,给出了网络结构的设计和辨识结果的输出。     

楼宇自动化的未来

讨论新兴的ZigBee和无线网状网（Mesh）技术作为楼宇自动化今后的解决方案。这些技术可以用非常低的成本创建强劲的传感器控制网络。     

基于网络质量控制的复杂供应链网络稳健性研究

提出了一种基于网络质量控制的复杂供应链网络结构管理的新方法。构建了供应链网络的拓扑结构,并结合无标度网络模型,从网络质量控制的角度阐释了网络中枢节点和稳健性供应链网络。揭示了供应链网络在增长过程中的动态稳健性和脆弱性,重点研究了增强复杂供应链网络稳健性的方法。最后以浙江省汽车零部件企业的供应链网络为例验证了所提方法的有效性。