共查询到18条相似文献,搜索用时 592 毫秒
1.
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
2.
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
3.
4.
5.
6.
7.
通过提取磨粒形状特征参数、颜色特征参数和表面纹理等特征参数对磨粒形态进行量化表征,并以此为输入矢量,引入遗传算法(GA)改进BP神经网络对磨粒进行自动分类识别,建立遗传算法改进的BP神经网络模型,并给出具体的算法实现过程。分别应用遗传算法改进的BP神经网络模型和未引入遗传算法改进的BP神经网络模型对磨粒图像进行智能识别。实验结果表明,遗传算法改进的BP神经网络综合了遗传算法的全局优化和BP算法局部搜索速度快的特点,网络识别率较高,具有较好的全局性。 相似文献
8.
9.
人工神经网络在铁谱技术磨粒识别中的应用 总被引:4,自引:0,他引:4
铁谱技术在机械设备状态监测中得到了广泛的应用,磨粒识别是铁谱分析的一个关键环节,本文提出了一种基于神经网络的磨粒识别方法,利用前馈型神经网络模型对七种典型磨损磨粒进行了实例分析识别,取得了令人满意的结果。 相似文献
10.
神经网络在磨损颗粒自动识别中的应用 总被引:3,自引:0,他引:3
引入了一套磨粒形态学描述体系,用来提取磨损颗粒的显微形态特征,然后以此为输入参数,提出了一套BP神经网络,对磨损颗粒进行自动识别分类。以很少的磨粒特征量,可以正确识别磨损类别,提高了磨损识别的效率。 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.
15.
Although the study of wear debris can yield much information on the wear processes operating in machinery, the method has
not been widely applied in industry. The main reason is that the technique is currently time consuming and costly due to the
lack of automatic wear particle analysis and identification techniques. In this paper, six common types of metallic wear particles
have been investigated by studying three‐dimensional images obtained from laser scanning confocal microscopy. Using selected
numerical parameters, which can characterise boundary morphology and surface topology of the wear particles, two neural network
systems, i.e., a fuzzy Kohonen neural network and a multi‐layer perceptron with backpropagation learning rule, have been trained
to classify the wear particles. The study has shown that neural networks have the potential for dealing with classification
tasks and can perform wear‐particle classification satisfactorily.
This revised version was published online in June 2006 with corrections to the Cover Date. 相似文献
16.
17.
为实现截齿截割过程中磨损程度的实时精准在线监测,提出了一种基于BP神经网络的截齿磨损程度多特征信号融合的检测方法。通过提取截割过程中不同磨损程度截齿的三向振动信号、红外温度信号和电流信号,建立了不同磨损程度截齿的多特征信号样本数据库,采用多特征信号样本对BP神经网络进行学习和训练,建立截齿磨损程度的识别模型,实现截齿磨损程度在线监测与精确识别。实验结果表明:基于BP神经网络的截齿磨损程度监测系统,网络判别结果和测试样本的实际磨损程度类别相符,该BP神经网络系统能够对截齿磨损程度类型进行准确的监测和识别。 相似文献