时-空特征驱动的多轮次重构图卷积网络故障诊断方法

近年来,图神经网络被广泛应用于处理具有非欧结构的工业过程数据.然而由于设备运行的过程数据常常受到噪声和冗余信息的干扰,如果直接使用原始信号会导致构建的图模型不够精细和准确,从而影响后续的模型诊断性能.针对这一问题,本文提出了一种时–空特征驱动的多轮次重构图卷积网络(STMR-GCN)故障诊断方法.该方法首先利用多尺度卷积神经网络与GCN对故障信号进行特征提取.然后根据样本之间的余弦相似性对图结构进行多次重构,重构后的图模型能够更精确地反映样本之间的连边关系,并将得到的图模型输入到GCN进行故障种类的识别.最后,在东南大学(SEU)仿真数据集和真实的磨煤机数据集上进行实验,实验结果表明所提方法与其他对比方法相比诊断精度均有提高,从而证明STMR-GCN模型在故障诊断方面的有效性和实用性.     

数据驱动高速列车动态牵引系统的故障诊断

牵引系统为高速列车的重要组成部分,其可靠性对列车安全运行至关重要.本文利用牵引系统传感器数据,提出了一种最优的数据驱动故障检测与诊断(fault detection and diagnosis,FDD)方法,用于解决动态牵引系统的故障诊断问题.首先,基于传感器数据构建系统模型,用于描述牵引系统动态.然后,通过相关性与子...     

一种改进的背景提取与目标检测方法研究

目标检测背景差分法是相对而言较为常用的方法,但是在背景差分法中,背景模型的建立成了至关重要的一个步骤,针对传统的混合高斯模型面临的计算量大、环境尤其是光照突变和对场景构成改变的问题,本文首先提出了一种简化了的混合高斯模型,可以减少运算量[1-3];其次通过区分是否发生光照突变从而选择不同的背景更新速率。简单、有效地解决了背景建模、实时更新模型参数以及光照变化和场景构成变化的问题。     

基于Android、WIFI和物联网的智能车设计

设计了一种基于PC机和Android控制的物联网智能小车。以STC系列芯片为主控芯片,用WIFI进行控制信号、影视信息的传输。能够实现小车的自由运动,并可以对房间里面的终端进行相应的控制。