基于CBAM-Unet的铁矿球团边缘分割实验方法

针对高度粘连和堆叠严重的生球影像噪声点多、边界模糊的问题，本文提出一种融入注意力机制的深度学习图像语义分割模型（CBAM-Unet）进行球团边缘检测和分割的方法。方法步骤：（1）样本数据集制备，采集30张包括深度分离、高度粘连到堆叠严重等不同状态的图片，通过数据增广形成900张图片的样本数据集；（2）模型建立，将卷积块状注意力模块（Convolution Block Attention Module, CBAM）融入到Unet网络模型，形成CBAM-Unet模型，对生球边缘进行检测和分割。研究结果表明：相比于Unet方法，CBAM-Unet方法的相似度系数(e_Dice)、类别平均像素准确率(e_mPA)、平均交并比(e_mIoU)分别提高9.8%、9.7%、14.7%。本文提出的识别模型可提高球团分割的准确性，为实际应用奠定基础。     

基于盲数的螺栓可靠性计算

基于未确知理论中盲数的概念和运算规则,建立了盲数强度应力可靠度计算模型,并用LabVIEW语言编写了相应的计算程序．通过对螺栓的实际可靠度计算,并与传统可靠度设计进行了对比分析,验证了模型的有效性和实用性．     

基于EEMD和进化支持向量机的齿轮混合智能诊断方法研究

针对齿轮早期故障特征不明显,提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)和进化支持向量机相结合的齿轮故障智能诊断方法。利用EEMD能对齿轮振动信号进行自适应的分解成若干本征模式分量(intrinsic mode function,IMFs),并能有效抑制经典经验模式分解可能出现的模式混叠现象。以所得的IMF分量中提取出来的能量特征为输入建立进化支持向量机,判断齿轮的故障状态。结果表明:建立的混合智能诊断方法的分类正确率最高,能有效诊断齿轮早期故障。     

最小二乘支持向量机和小波电铲供电机组状态预测

针对电铲供电机组振动时间序列是个非线性、非平稳的复杂时间序列,难以用单一预测方法进行有效预测的问题,建立了一种基于小波分解和最小二乘支持向量机混合模型进行状态预测的方法.首先通过小波分解,将原始振动时间序列分解到不同层次,然后根据分解后各层次分量的特点选择不同的嵌入维数和LS-SVM参数分别进行预测,最后重构得到原始序列的预测值.对某电铲供电机组振动趋势的预测结果表明,该模型的预测性能好于单一的支持向量机预测方法.     

系统不确定性的数值计算方法

基于未确知理论,定义了系统不确定性的一个度量尺度——盲数方差.通过将系统\     

电动轮卡车集成故障诊断专家系统研究

为了充分利用现场的大量诊断案例和诊断专家的领域知识,提出了融合案例与规则的混合推理方法,建立了基于规则和案例的集成诊断专家系统模型,并开发了基于Web的电动轮卡车远程集成诊断专家系统。     

多轴线液压板挂车转向机构优化程序的实现

对多轴线液压板挂车转向系统的工作原理进行了介绍,分析了其转向机构中各构件的位置关系和运动学关系,并在此基础上建立了以加权角差和为目标函数的优化模型,利用复合型优化算法对该模型进行了优化求解,并编制了易于使用的通用转向机构优化程序;程序优化结果有效地克服了转向纵拉摊断事故的出现,同时很好地改善了整车的转向性能,其应用于某专用车辆制造厂生产的多轴线挂车转向机构,实际应用表明该方法是正确的、实用的.     

基于小波包和进化支持向量机的齿轮早期诊断研究

针对齿轮早期故障的特征不明显，提出了一种基于小波包和进化支持向量机的齿轮故障诊断方法，该方法既充分利用了小波包优良的时频局部化特性，又利用了支持向量机在小样本情况下出色的学习性能和良好的推广特性，以及遗传算法的全局优化能力。在齿轮试验台上的应用结果表明，经过特征提取和参数优化后，提高了支持向量机的分类能力。