排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
现有无监督的轴承跨域故障诊断研究往往采用充足的试验台数据构建源域,且难以兼顾领域间的边缘分布和条件分布对齐,此外在域适配过程中全体源域样本被赋予相同的重要性。针对以上挑战,提出了一种仿真数据驱动的改进无监督域适应轴承故障诊断新方法。采用仿真所得的故障信息丰富,标签数据充足的轴承故障数据构建源域,降低对试验台资源的依赖。设计了一种嵌入联合最大均值差异的改进损失函数,在无监督场景下实现了不同域间边缘分布和条件分布的同时对齐。开发了一种源域样本权值分配机制,通过领域预测误差衡量源域样本与目标域样本的相似性从而自适应地分配其权值以抑制负迁移。使用两组试验台数据作为目标域对所提方法进行验证,结果表明:所提方法能够充分适配仿真域和实验域的深层特征分布,提高无监督跨域场景下的故障诊断精度。 相似文献
2.
3.
使用两种滤料颗粒在一套冷态试验装置上考察了过滤气速和颗粒层厚度对颗粒层过滤性能的影响。结合颗粒层过滤宏观模型,分析了不同操作条件下粉尘比沉积率σ对颗粒层粉尘捕集能力偏离初始值程度F和过滤压降偏离初始值程度G的影响,然后预测了过滤效率和压降。结果表明,试验范围内,随着σ的增大,F呈现先增加后降低的变化趋势,而G逐渐增加。结合过滤气速u=0.2~0.6 m·s-1、颗粒层厚度L=0.11~0.2 m条件下的试验数据拟合得到了F-σ和G-σ函数关系,过滤效率和压降的计算值与试验吻合较好,优于文献中相关公式,可为颗粒床过滤性能的预测提供参考。 相似文献
4.
5.
6.
初始图像对选取是增量式从运动中恢复结构的一个关键环节,但传统方法中存在计算效率低、对特殊场景不鲁棒的问题.因此,提出基于多任务学习的初始图像对选取网络以提高该过程的效率,并针对某些特殊场景容易出现初始图像对位于场景边缘的问题,提出结合场景连接图的初始对选取策略.该策略首先构建图像间的拓扑结构,通过图像间连接的疏密程度判... 相似文献
7.
新近的基于图神经网络(GNN)的轴承半监督故障诊断研究仍存在标签信息挖掘不充分和诊断场景较理想等问题。工程实际中,轴承经常运行于启停等时变转速工况,且故障标签样本的获取成本越发昂贵。针对以上挑战,该文提出时变转速下基于改进图注意力网络(GAT)的轴承半监督故障诊断新方法。基于K最近邻(KNN)算法和平滑假设(SA)设计伪标签传播策略,将标签信息沿边传播给分布相似的邻域样本,从而充分利用有限样本的标签信息。将每个振动频谱样本视为一个节点,构建基于节点级图注意力网络的半监督学习模型,通过注意力机制进一步挖掘代表性的轴承故障特征。将所提方法用于分析两组时变转速下轴承故障实验数据,结果表明所提方法能够在不超过2%的低标签率情况下,准确诊断轴承的不同故障模式,性能优于其他常用的图神经网络半监督学习方法。 相似文献
8.
在固定床冷态实验装置上研究了平均粒径和稳态过滤压降相近、颗粒形状和表面状况不同的两种滤料(陶瓷球和石英砂)的过滤性能. 结果表明,两种滤料过滤性能变化规律基本一致. 粉尘沉积量(?m)增加,过滤效率先增大后减小,过滤压降偏离稳态过滤压降程度(G)增大. ?m相同时,过滤效率和G均随过滤气速增大而减小,但过滤后期高气速下G与低气速下接近. 增大入口粉尘浓度,总体过滤效率无明显改变,粒径大于0.7 ?m的粉尘过滤效率提高,G更显著. 两种滤料难过滤粉尘粒径均为0.35~0.6 μm. 因颗粒形状和表面状况不同,两种滤料过滤性能存在差异,其它条件相同时,石英砂总体和分级过滤效率均高于陶瓷球,G也较大;增大入口粉尘浓度,石英砂过滤效率随粉尘沉积量变化程度相对较小. 相似文献
9.
10.
基于图像的3维重建旨在从一组2维多视角图像中精确地恢复真实场景的几何形状,是计算机视觉和摄影测量中基础且活跃的研究课题,具有重要的理论研究意义和应用价值,在智慧城市、虚拟旅游、数字遗产保护、数字地图和导航等领域有着广泛应用。随着图像采集系统(智能手机、消费级数码相机和民用无人机等)的普及和互联网的高速发展,通过搜索引擎可以获取大量关于某个室外场景的互联网图像。利用这些图像进行高效鲁棒准确的3维重建,为用户提供真实感知和沉浸式体验已经成为研究热点,引发了学术界和产业界的广泛关注,涌现了多种方法。深度学习的出现为大规模室外图像的3维重建提供了新的契机。首先阐述大规模室外图像3维重建的基本串行过程,包括图像检索、图像特征点匹配、运动恢复结构和多视图立体。然后从传统方法和基于深度学习的方法两个角度,分别系统全面地回顾大规模室外图像3维重建技术在各重建子过程中的发展和应用,总结各子过程中适用于大规模室外场景的数据集和评价指标。最后介绍现有主流的开源和商业3维重建系统以及国内相关产业的发展现状。 相似文献
1