【摘 要】
：
针对滚动轴承故障数据时频特征提取以及故障在变负载环境下难以准确诊断的问题,提出一种基于小波变换和残差神经网络的轴承故障诊断模型。残差神经网络(ResNet)最初用来解决模型网络层数过深而导致的退化问题,本文对传统残差网络进行优化在输入层使用DropBlock层对数据进行随机失活处理,并且在输出层使用全局平均池化代替全连接减少模型的运算量增加模型的泛化能力。首先对一维轴承数据进行小波变换,将其转化为二维时频图,消除手工特征的影响。然后使用本文构建的残差网络模型对同负载和变负载下的数据进行故障类型诊断。实验结
【机 构】
：
四川大学电子信息学院,大连理工大学计算机科学与技术学院
【基金项目】
：
新疆自治区区域协同创新专项(科技援疆计划)(No.2019E02142),国家自然科学基金(No.61771089)。
论文部分内容阅读
针对滚动轴承故障数据时频特征提取以及故障在变负载环境下难以准确诊断的问题,提出一种基于小波变换和残差神经网络的轴承故障诊断模型。残差神经网络(ResNet)最初用来解决模型网络层数过深而导致的退化问题,本文对传统残差网络进行优化在输入层使用DropBlock层对数据进行随机失活处理,并且在输出层使用全局平均池化代替全连接减少模型的运算量增加模型的泛化能力。首先对一维轴承数据进行小波变换,将其转化为二维时频图,消除手工特征的影响。然后使用本文构建的残差网络模型对同负载和变负载下的数据进行故障类型诊断。实验结
其他文献
针对现有体能考核中俯卧撑计数裁判负荷大、效率低的问题,设计一种基于机器视觉的俯卧撑计数算法。该算法使用改进的YOLOv3进行人体目标检测,由Ultralight-SimplePose预测出俯卧撑时人体的关键点分布,之后利用SVM分类器,训练SVM模型,将俯卧撑的几种阶段分类,进行计数。测试结果表明,该算法人体关键点识别率可以达到0.945,俯卧撑计数准确率大于99%,可以准确实现体能训练或考核中的
针对基于卷积神经网络的红外图像超分辨率重建方法存在细节特征提取困难的问题,提出一种小样本量残差学习的两级卷积神经网络方法实现特征的分步重建。首先,利用编解码子网络快速提取边缘特征;然后,级联递归残差子网络用以进一步提取纹理特征;最后,采用全局跳跃连接实现端到端的超分辨率重建。在Caffe环境下的实验结果表明,该方法较好地提升拟合能力。
选择桂林市70个AAA级及以上的旅游景点数据,按照景区分级,采用GIS最近邻指数、标准差椭圆以及核密度分析法对桂林市旅游景区的空间聚集和差异情况进行分析;结果表明:从总体上看,桂林市3A级及以上旅游景点的最近邻指数(R)为0.67,在空间分布上表现为典型的凝聚型分布,且景区在研究区域分布较为集中,其分布高密度区为桂林市中心城区(象山区、秀峰区、叠彩区、七星区);其中3A、4A、5A级景点空间分布范
在财务管理中,计算货币时间价值的现值和终值时需要频繁地调用FV和PV函数,不仅效率低,而且易出错。介绍通过Excel VBA技术来设计货币时间价值计算模型,功能更强大,计算结果更准确、明了。
目前,国内通用机场的数量正逐年攀升,通用机场的选址是其中的重要一环,通用机场选址决策过程中涉及地上地下环境、空间位置分布、区域交通情况、保障资源情况、工程经济情况、敏感资源情况等许多因素,这些因素综合考虑才能决定最终的优选方案,因此,建立一套可以用于通用机场选址方案评估的指标体系至为重要。本文从通用机场选址决策过程中涉及的众多因素出发,构建了树型层次结构,确立一套较为完整的通用机场选址方案评估指标体系,细化到三级指标,将指标尽可能的量化,为通用机场选址方案评价等方面研究奠定基础。
为探讨有效的实弹手枪连续射击评价方法,本文运用仿真分析对比不同弹着点分布评价算法,结果表明使用包络矩形算法进行射击技能评价,具有操作简单、时间复杂度低、易于实现的特点,通过弹着点分布信息提取,弹着点分布中心点距靶心距离可用于评价射击准确性,包络面积大小可用于评价射击的稳定性,因此该方法信息利用率高、评价更加全面,更能反映射击技术和能力特点,便于训练指导和技术改进。
事理逻辑是人类知识的重要组成部分,事件脚本预测作为一项挖掘事理逻辑,理解事件语义信息的文本推理任务,一直是文本推理领域的热点。脚本事件预测的发展与意义,值得研究与归纳总结。从脚本的概念产生到主流的脚本事件预测方法进行分类总结,并介绍此任务的标准评估方式,对未来的研究内容进行展望。
低空飞行的无人机,时常面临飞机、鸟类、行人、汽车、交通灯等障碍物的碰撞威胁。如何准确地检测出这些飞行障碍,并在规划飞行路径(Route Plan)时躲避它们,已经成为无人机研究领域中的一个重要课题。近年来,基于深度学习(Deep Learning)的图像识别技术(Image Recognition)在生物特征识别、物体分类等领域展现了强大的分类检测效能,这也为无人机飞行障碍检测提供了可能的解决思路
物联网网络可被视为具有互联网功能的物理设备和对象的集合,嵌入传感器、执行器、计算、存储和通信组件,能够相互连接和交换数据。万物互联互通,给人们生活带来便利的同时也增加了网络安全管理的风险,必须采取有效的访问控制措施。近年来设备识别的主要方法是通过统计分析网络流量特征作为设备指纹来识别设备,然而,现有的设备特征提取算法分类准确率不高,且提取方法过于复杂。本文提出一种结合统计分析提取响应报文特征的方法
随着物联网设备的广泛部署应用,海量数据被直接送入互联网中导致网络服务质量变差。虽然深度神经网络技术的发展给数据智能识别分类提供技术支撑,但大量的参数和计算使得这些技术难以被应用于资源受限的网关设备中。因此,提出将知识蒸馏与模型早退方法结合应用于深度神经网络中,在降低模型计算量、保证模型精度的同时提供可选择的检测识别速度。在真实IPv6网络中的实验结果表明,网关设备部署优化模型后网络带宽占用减少用近