排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
智能巡检是水电厂设备智能维护的重要内容,为了实现智能巡检,确定不同设备的理论故障周期是关键。设备系统的寿命分布具有一定的规律,由这一规律确定的理论设备故障周期是确定巡检周期的重要依据。假定同一设备系统具有恒定的故障率,采用寿命指数分布模型描述设备系统可靠度与理论故障周期之间的关系(可靠度函数),建立并利用设备系统故障树的方法描述水轮发电机组故障与其子系统故障之间的关系,通过统计模拟试验法统计模拟子系统故障发生情况,并以该统计模拟结果为依据,拟合得出指数分布可靠度函数中的关键参数。利用可靠度函数,能够求得不同可靠度对应的预期可靠寿命,可为水轮发电机组理论故障周期的确定提供依据。 相似文献
3.
为了分析轻质人行桥的人-桥竖向耦合振动,建立了基于双脚支撑人体计算模型的人-桥耦合振动方程。根据行人在刚性地面行走时的步伐荷载计算结果与文献给出的步伐荷载时程曲线对比,验证了双脚支撑人体计算模型能较好模拟行人的脚步力特性。以一座跨度22.8m、第一阶竖弯自振频率7.23Hz的铝合金人行桥为例,运用Monte Carlo法模拟人群的步行参数,形成不同密度人群过桥的随机工况,并用直接积分法计算了考虑人群-桥竖向耦合振动的铝合金人行桥动力响应。计算结果表明,当人群密度较大时,考虑人桥耦合的人致振动卓越频率趋于分散,其振动响应明显小于不考虑耦合影响的计算结果。 相似文献
4.
5.
近年来基于卷积神经网络(CNN)的图像分割应用已十分广泛, 在特征提取的部分取得了很大进展. 然而随着卷积层数越来越深, 感受野不断增大, 使模型丢失局部特征信息进而影响模型性能. 使用图卷积网络(GCN)处理图数据结构的信息, 能够在保留局部特征同时不随层数的加深而丢失局部信息. 本文主要研究将基于CNN结构的对称全卷积网络(U-Net)特征提取与基于GCN的图像分割结合, 提取全局与局部、浅层与深层的多尺度特征集应用于多模态脑胶质瘤核核磁共振(MR)序列图像分割, 可分为两个阶段: 第1阶段利用 U-Net 对多模态脑核磁共振胶质瘤MR序列图像进行特征提取, 通过多个池化层实现多尺度特征提取及上采样进行特征融合, 其中底层输出较低级别特征, 高层输出更加抽象的高级特征; 第2阶段通过膨胀邻域及稀疏化处理将 U-Net 获得的特征图数据转化为 GCN 所需的图结构数据, 将图像分割问题转化为图节点分类问题, 最后通过余弦相似度量对图结构数据进行分类. 在BraTS 2018公开数据库上的实验结果取得分割准确度0.996、灵敏度0.892的效果. 相比其他深度学习模型, 本方法通过多尺度特征融合, 利用GCN建立高低级别特征的拓扑连接, 确保局部信息不丢失以取得较好的分割效果, 能够胜任临床脑胶质瘤核磁共振图像的分析需求, 进而有效提高脑胶质瘤诊断精度. 相似文献
6.
7.
对用于预防连铸坯热送裂纹的表面快速冷却工艺进行了介绍。以铸坯带入加热炉的物理热作为评价标准,将快速冷却送装与其他送装工艺的节能效果进行了对比分析。结果表明,快冷送装能够提高温度控制的灵活性且能量损失较少,节能效果相当明显。 相似文献
8.
9.
在对传感器网络路由协议设计作了充分了解的基础上,深入研究了聚类路由算法,并在分析传统算法LEACH的基础上,提出了基于节点密度的聚类路由算法,进行了仿真试验和结果分析,得到了更合理的头节点分布,证明了该算法具有节约能源的特点. 相似文献
10.
在苏木精-伊红(HE)染色病理图像中,细胞染色分布的不均匀和各类组织形态的多样性给自动化分割带来了极大挑战。针对传统卷积无法捕获大邻域范围内像素间的关联特征,导致分割效果难以进一步提升的问题,提出引入门控轴向自注意力的多通道分割网络(MCSegNet)模型,以实现病理图像细胞核的精准分割。所提模型采用双编码器和解码器结构,在其中使用轴向自注意力编码通道捕获全局特征,并使用基于残差结构的卷积编码通道获取局部精细特征;在编码通道末端,通过特征融合增强特征表示,从而为解码器提供良好的信息基础;而解码器通过级联多个上采样模块逐步生成分割结果。此外,使用改进的混合损失函数有效解决了病理图像中普遍存在的样本不均衡问题。在MoNuSeg2020公开数据集上的实验结果表明,改进的分割方法比U-Net在F1、交并比(IoU)指标上分别提升了2.66个百分点、2.77个百分点,有效改善了病理图像的分割效果,提高了临床诊断的可靠性。 相似文献