注意力机制 CNN 结合肌电特征矩阵的手势识别研究

当前基于卷积神经网络(CNN)的手势识别研究集中于增加网络深度,较少关注改善样本数据分布带来的性能提升。 针对此类问题,提出一种量化表面肌电信号(sEMG)特征相关性的肌电特征矩阵(EFM)样本输入有效通道注意力(ECA)机制 CNN,用于识别 NinaproDB1 中 52 类手势。 首先使用时间窗截取低通滤波后的 sEMG,计算多种信号时域特征;然后利用笛卡尔 积组合并相乘不同特征,对特征相乘值进行归一化后得到 EFM。 同时,引入 ECA 机制使网络关注重要的深层特征,从而提升手 势分类效果。 分别输入 sEMG、肌电时域特征和 EFM 到注意力机制 CNN 进行手势识别,EFM 识别准确率最高,达到了 86. 39%, 高于近年来手势识别研究方法精度。 验证了提出方法的有效性,为多类别手势准确分类提供可行新方案。     

水轮机主轴密封抗磨环水平调整方法浅析

葛洲坝电站水轮发电机组改造增容中,将机组主轴密封由原双层平板橡胶密封结构改为自补偿型轴向端面密封结构。现密封结构中抗磨环安装水平的精度直接影响工作密封运行效果,加之轴流转浆式机组设备结构的复杂性,使抗磨环的水平调整成了主轴密封安装过程中最重要的一个环节。本文对比了改造后主轴密封抗磨环调平的几种常见方法,总结出基于盘车测量和调整抗磨环水平的方法,并在葛洲坝机组改造增容工作中成功应用,为其他水轮发电机组类似结构主轴密封改造提供参考。