基于多层交叉残差网络的轴承故障诊断方法

重型机械设备系统朝着智能化和复合化方向快速发展。开发智能故障数据采集和监控方法,可以快速、智能化地完成设备故障诊断。提出了一种基于多层残差网络的轴承智能检测模型。该模型主要包含信号采集、故障特征分离和工况分类3个模块。该模型利用多层残差神经网络交叉提取轴承信号故障,使损失函数值可以迅速降低完成故障诊断。最后在凯斯西储大学滚动轴承数据集验证,准确率高达99.86%。仿真实验结果证明本模型可以有效分辨不同轴承工况,并值得进一步开发为在线实时诊断模型。     

基于改进的ResNet34网络模型的苹果叶病害识别

针对目前自然环境下苹果叶病害图像识别准确率不高和模型参数量多的问题,在深度残差网络ResNet34的基础上,提出了一种改进模型。首先对原始ResNet34第一层卷积层进行卷积核的替换,将其中的大卷积核改为小卷积核;进而对残差结构进行优化,将残差结构卷积层中的两个大小为3×3卷积核替换成大小为1×1、3×3和1×1串联的卷积核;改变残差网络的block数,由原始的[3,4,6,3]改为[1,2,12,1];对于虚线残差结构,通过添加一个平均池化层来进行下采样操作,取消了1×1卷积层的下采样功能。实验结果表明,改进的ResNet34模型在苹果叶病害数据集分类任务中获得了96.7%的识别准确率,平均F1分数达到了96.7%。与原始ResNet34模型相比,改进的ResNet34模型在识别能力得到小幅度提升的同时,模型参数量降低了43.3%。     

基于端到端双网络的低照度图像增强方法

由于环境的不确定性,捕获的图像存在亮度低、对比度低和信息丢失严重等问题,且利用现存算法增强后的图像存在曝光过度问题,不能满足计算机视觉任务的输入要求。针对此问题,提出了基于端到端双网络的低照度图像增强方法,该网络由Inception网络模块与URes-Net模块组成。首先利用Retinex理论合成低照度图像样本;然后运用双网络模型进行特征提取、特征融合与重建,根据测试集的损失不断调整参数以优化模型,最终使双网络模型具有较高的低照度图像增强能力。实验结果表明,所提方法的PSNR和SSIM的均值分别为28.659 8 dB和0.896 6,亮度、对比度显著提高,获得的图像更加符合人类视觉,优于其他先进的低照度图像增强方法。     

基于残差网络的图像缺失修复研究

图像修复技术在古文物保护等领域具有重要的作用,并且是计算机视觉中有挑战性的任务之一。本文提出一种基于残差网络的图像修复算法,通过使用残差网络将多尺度特征信息进行融合学习,利用学习到的特征信息在图像修复过程,根据图像纹理走向和图像细节进行微调。结果显示,该算法可以有效地修复有缺损的图像,修复后的图像可以最大程度地减少图像失真的情况。     

自适应扩散系数优化的图像降噪算法

非线性扩散图像在降噪时纹理和细节通常会被削弱,为了解决这一问题,提出一种自适应扩散系数优化的图像降噪算法。利用经典的PM模型处理图像,利用扩散系数基于梯度幅值结合残差局部能量,可精确获取图像的纹理区域;利用绝对差值排序算子,进一步区分纹理部分及其存在的噪声;将图像梯度信息,残差能量及绝对差值排序算子融合到模型中,在去噪的同时很好地保留图像边缘、纹理等细节信息。实验结果表明,所提算法的SNR值为18.4714,RMSE值为15.8373,UQI值为0.8193,在降噪的同时较好地保留图像的纹理和细节,在视觉质量方面具有优越性能。     

基于改进稀疏主元分析的在线故障监测和诊断

针对传统主元在线故障监测方法中故障误诊率高、故障监测统计量不足以及故障定位不准确等问题,提出了一种基于改进稀疏主元分析(SPCA)的在线故障监测和诊断方法。方法使用弹性网络,权衡优化Lasso和Ridge惩罚项对主元进行稀疏,将传统故障检测算法中的平方预测误差根据过程变量的复相关系数拆分为主元相关变量残差(PVR)和一般过程变量残差(CVR)监测故障,最后使用贡献图法进行故障诊断。将改进的SPCA在线故障监测方法应用于田纳西-伊斯曼过程进行验证,结果表明,上述方法有效降低了故障误诊率,为故障监测提供新的统计量,使故障定位更加准确,确保了在线故障监测和故障诊断的准确性。     

融合梅尔谱和循环残差的小样本音频分类模型

针对小样本环境下音频信号分类精度急需提高的问题,首先提出自适应梅尔滤波算法提取具有更高区分度的梅尔谱图,再提出循环残差结构并结合迁移和微调构建循环残差网络频谱分类器,融合自适应梅尔滤波算法和循环残差网络频谱分类器生成一种主要用于小样本环境的音频信号分类模型。以ESC-50、music speech、Free ST Chinese Mandarin Corpus(FSCMC)为源数据集模拟四个不同属性的小样本环境。仿真显示在各小样本环境下生成模型的分类精度与MF-VGG16、10 layers CNN、CRBM等模型相比均有一定程度的提高,且精度曲线更平滑,性能更稳定。     

基于WLAN的移动终端无线定位研究

以IEEE802．11b为例介绍了WEAN的技术特点,探讨了基于WLAN的移动终端无线定位技术的原理。提出在WLAN中使用TDOA定位方法的Chan算法对移动终端进行位置估计。然后对位置估计结果使用残差加权算法进行NLOS误差抑制。提出了一种抑制多个NLOS误差的残差加权算法,通过仿真对比证明了该算法对多个NLOS误差具有更好的整体抑制效果。     

基于边缘关注模型的语义分割方法

肝脏是人体代谢功能的主要器官,目前机器学习在肝脏影像语义分割研究中的难点有:1)肝脏中间部位有下腔静脉、软组织和血管,甚至有坏死或肝裂等情况;2)肝脏与一些邻近器官之间的边界模糊,难以分辨.针对这些问题,提出了边缘关注模型(EAM)及边缘关注网络(EANet).该网络采用了Encoder-Decoder(编码-解码)的...     

外部信息引导和残差置乱的场景图生成方法

场景图因其具有的表示视觉场景内容的语义和组织结构的特点,有助于视觉理解和可解释推理,成为计算机视觉研究热点之一.但由于现存的视觉场景中目标和目标之间关系标注的不平衡,导致现有的场景图生成方法受到数据集偏置影响.对场景图数据失衡问题进行研究,提出一种基于外部信息引导和残差置乱相结合的场景图生成方法(EGRES),缓解数据...