基于杂散磁场信号螺旋曲线投影变换与ResNeXt-18的永磁直线电机偏心故障诊断

该文提出一种基于杂散磁通密度信号立体螺旋曲线投影面变换与ResNeXt-18深度学习框架相结合的方法,以实现永磁同步直线电机(PMSLM)偏心故障的非侵入式诊断。首先,建立PMSLM有限元模型,分析静态和动态偏心故障下的电机内部与杂散磁场分布。采用隧道磁阻效应(TMR)传感器并设计连接件,实现传感器与电机动子一体化设计,对电机外部杂散磁通密度信号进行实时非接触式测量。其次,引入立体螺旋曲线变换(TDSCT)信号处理算法,对电机偏心故障下的外部杂散磁通密度一维信号进行三维调制,并通过对多视角下二维投影面图像的拼接融合,实现故障特征的可视化增强。然后,引用深度学习ResNeXt-18分类框架,通过对杂散磁通密度信号二维投影面数据集的训练学习,实现偏心故障的定量精细化诊断,精度高达99.4%。与Xception,ResNet-18,GoogLeNet和CNN的对比实验表明,ResNeXt-18具有更高的诊断精度和鲁棒性。最后,搭建PMSLM样机实验平台,验证了该文所提方法的有效性。

基于改进Resnet18网络的火灾图像识别

针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对Resnet18网络进行改进,使其具有更高的性能和准确性.首先,在Resnet18网络的卷积层前插入空间变换网络(spatial transform networks,STN).对于连续多个相同大小的卷积层,只在第一个卷积层前添加STN,共添加5个,并且在全连接层后添加dropout层防止过拟合.然后,使用迁移学习(transfer learning,TL)的方法对火灾进行分类识别.实验结果表明,改进后的Resnet18网络准确率、召回率、F_(1)值和AUC值等各项指标性能优于Resnet18网络和其他深度学习识别算法,能够对火灾图像进行快速、准确地识别.

一种基于改进ResNet18神经网络的苹果叶片病害识别方法

为有效提升苹果叶片病害识别的精度和效率,实现病害的及时防治进而提高苹果产量,本研究提出一种基于改进ResNet18神经网络的苹果叶片病害识别方法,可在提升模型识别性能的同时减少参数量和模型尺寸。首先,改进ResNet模型的残差结构,以减少参数量,实现模型轻量化;其次,引入坐标注意力(CA)机制并进行迁移学习,进一步提升模型的泛化性能。将改进ResNet18模型与原始ResNet18神经网络进行对比实验,结果发现,改进模型的准确率提升了1.53个百分点,但模型参数量减少为原始模型的50.84%。表明本研究提出的改进ResNet18模型可有效识别苹果叶片病害,且方便移动端搭载。

基于BP神经网络的TC18钛合金锻造工艺参数研究

在变形温度800--900℃、应变速率5×10-4～10S-1条件下进行了热模拟压缩试验，研究了TC18钛合金高温压缩变形行为，并借助BP神经网络模型对合金组织形貌进行了分析研究。结果表明：显微组织中等轴α相含量随温度升高总体下降，应变速率在低温区对等轴α含量有显著影响。860℃左右，应变速率对等轴d相含量的影响较小，存在较宽的组织稳定区；合金中α相轴比随温度升高初期下降，在相变点时其轴比又会升高，晶粒轴比总体随应变速率升高而增加；变形温度860℃、应变速率0．01S-1左右为适宜的加工参数区间。

基于Resnet18网络的红外图像行人危险动作识别

对夜间行人危险动作进行有效识别是无人驾驶和智能辅助驾驶系统的一个核心任务,也是保证系统安全性的基本需求.考虑到夜晚的光学条件下摄像机的成像特性,提出一种基于深度卷积网络的红外行人危险动作识别算法对夜间行人动作进行识别.该算法选择残差网络为基本网络结构,首先从红外图像的特性和问题的规模出发确定采用Resnet18网络框架,然后对数据集进行预处理使之能够适应网络,最后对网络进行训练与测试以确定网络的识别性能.在实际红外行人危险动作数据集中进行实验的结果表明,所提出方法对6类危险动作识别的平均精确率达到98.3%,平均召回率达到98.1%,优于传统的识别方法.

网络单片机PIC18F97J60的开发与应用

嵌入式系统的网络接入技术的发展,大大地促进了工业控制、信息家电等应用领域向数字化、网络化以及智能化方向的迅速发展。本文利用PICDEM.net2开发板,以PIC18F97J60单片机为核心,开发基于互联网的远程监控系统,非常实用,而且使用B/S的架构也会使系统应用更加方便。该系统可以取得连接到互联网上任意监测点的包括温度在内的多种数据,并且可以简单地控制单片机端进行一些操作,因此可以直接用于一些需要远程监控的场合。

CC2430与DS18B20的粮库温度传感器网络设计

讨论传感器网络体系结构,给出CC2430模块外围电路的硬件设计,对DS18B20温度传感器进行分析;根据我国粮仓特点对温度传感器进行了布置,阐述了系统中传感器网络的关键技术,并编写了相关程序,实现了网络化粮库温度监测。

基于PlC18F2455单片机的网络嵌入式系统设计与实现

研究一套专用的高可靠性且经济适用的网络嵌入式系统。该系统可以实现和因特网的无缝连接,从而实现远程监控的功能。系统中设置了高性能的温、湿度传感器,以进行数据的采集并可以实现数据的实时传输。按照自下而上的顺序分析课题的研究过程,并通过多种网络环境试验,包括同网段内及跨网段的通信,证明该网络嵌入式系统具有稳定性好、性能高的特点。

基于DS18B20-SGS的大型电力网络超负荷温度报警系统设计

在大型电力网络中的电力设备一旦超负荷将会引发大范围跳闸,甚至发生火灾,引起全网瘫痪。设计并实现了一种智能的大型电力网络负荷温度控制系统。系统的硬件部分采用DS18B20数据温度传感器进行不同负荷情况下的温度信号采集;采用AT89S52单片机作为主控芯片,对收集温度传感器的信号进行提纯确认等操作,并传发送到上位机;采用CC4511芯片以动态扫描的方式进行数字的显示,通过控制SGS固态继电器的分断来控制进相器的工作状态,从而能够及时分断过热电力设备,并且报警。软件部分利用汇编语言编写电网温度控制系统的通信部分,重点对AT89S52与DS18B20通信部分软件和AT89S52与上位机通信部分进行了详细阐述。实验结果表明,该系统能够提高大型电力网络电力设备温度控制的准确性。

18 m油电混合动力客车CAN网络架构设计与应用

介绍18m油电混合动力客车整车CAN网络架构,把一种由3个网络段组成的混合动力整车CAN网络架构作为研究平台。这种网络架构为发动机快速启停控制以及发动机和驱动电机之间的扭矩分配控制的实现提供了新的方式。

基于ResNet18与胶囊网络结合的人脸表情识别

为了避免CNN池化层丢失特征并解决胶囊网络自身卷积层特征提取不足的问题,提出一种改进的ResNet18和胶囊网络结合的人脸表情识别方法。该方法仅保留ResNet18的卷积层,对其中的3个残差块进行调整,然后融入CBAM注意力机制,替换胶囊网络的单卷积层来提取特征,最后将提取的特征送入胶囊网络进行训练和分类。所提出的方法在CK+、RAF-db和FER+数据集上进行了实验,识别准确率CK+97.97%、RAF-db84.11%、FER+(单标签)86.24%、FER+(双标签)94.14%。实验结果表明,该方法在人脸表情识别方面具有可行性和有效性。

一种基于DS18B20的计算机控制测温网络

介绍了单线数字温度传感器DS18820的特性及工作原理,并给出了在VC环境下多片DS18820与计算机并口相连组成温度监测网的实现方法。DS18820的单总线等特点使其构成的测温网络设计灵活,方便,传输距离远且抗干扰,易于扩充维护,适合于在恶劣环境下进行现场温度测量,结果表明,此设计基本上达到了预期的目标。

改进残差网络的逆变器开路电路故障诊断

针对传统三相电压源逆变器开路故障诊断方法存在准确率低和鲁棒性差的问题,提出一种用于故障诊断的改进二维卷积神经网络优化方法.该方法首先引入一种新的数据预处理方式,通过马尔可夫变迁场(MTF)将原始时域电压信号数据转换成二维灰度图像,有效保留特征的时空关系;其次,提出采用并行注意力机制对卷积神经网络ResNet18特征提取层提取的特征分别进行通道和空间特征筛选,并完成有效特征融合;最后,融合的特征经ResNet18全连接层和输出层得到故障分类结果.实验结果表明,所提出的改进故障诊断方法能将诊断精度提升至99.80%;在不同噪声条件下均能保持90%以上的分类准确性,验证该方法可有效提高逆变器开路故障诊断性能和鲁棒性.

基于DS18B20和nRF2401的库区测温网络无线传输系统

为解决库区温度测量布线难度大、材料成本高、维护检修难的问题,论文提出了一种用单片机作为控制核心,用DS18B20搭建多点测温网络,nRF2401作为传输器件的库区温度数据无线传输系统。经实际测试,该系统测量准确度高、传输距离远、性能可靠,具有较好的应用前景。

基于深度图像先验网络的^(18)F-FDG PET短时间Patlak参数成像

目的:提出基于深度图像先验网络的方法应用于PET短时间动态扫描Patlak参数成像。方法:利用仿真数据和动态采集60 min数据,分别用20~60 min、30~60 min、40~60 min、44~60 min时间段数据进行Patlak参数成像,使用深度图像先验网络方法对不同时间段数据生成的参数图像进行去噪,根据去噪图像分析短时间动态扫描协议的定量变化。结果:本文提出的方法在仿真实验中既有明显的去噪效果又能够保持图像细节,针对临床数据44~60 min时间段生成的Patlak参数图像与20~60 min结果的偏差(Bias)相差值在去噪前后从15.54%减少到6.3%,变异系数(COV)在44~60 min时去噪前后的值在两个背景区域下降率为162.96%和223.08%。同时短时间动态扫描协议下去噪图像定量偏差小于4%。结论:本文提出的方法可以提升Patlak参数图像质量,且可实现短时间动态扫描参数成像。

一种基于残差网络改进的牙齿颜色分类模型

针对传统牙齿比色方法准确率低和效率低等问题,提出一种基于残差网络改进的牙齿颜色分类模型。该模型通过融合多层卷积结果以及引入压缩与激励注意力机制模块的方式,使网络能学习到更多的图像颜色特征。基于典型牙齿所建数据集进行颜色分类实验,在该数据集上对文中模型与GoogleNet、MobileNet-V1、ResNet-34和ResNet-50等模型进行颜色分类预测结果比较。实验结果表明,文中模型优于传统模型,预测分类准确度达到91.16%,有效提高了牙齿颜色分类准确率和效率。

人工神经网络系统在大型煤液化反应器用18MnNiMo钢中的应用

在生产试验数据的基础上,采用人工神经网络BP算法建立大型铸锻件用18MnNiMo钢的网络预测模型。预测结果表明人工神经网络系统模型能准确有效的预测18MnNiMo钢化学成分与力学性能之间的关系,其各项预测误差均控制在9%以内。

基于小波时频图和ResNet18的焊接状态监测方法研究

针对焊接过程中因外部干扰因素或焊接参数选择不当而导致的气孔和未熔合缺陷的问题,提出一种小波时频图和深度残差网络(ResNet18)相结合的焊接质量检测方法。首先,搭建管道全位置自动焊接试验平台,利用拾音器记录熔合良好、未熔合和气孔焊接状态下的声音信号,将采集到的声音信号进行小波阈值降噪处理并且计算信号的信噪比,从而得到合适的信号降噪方法。其次,使用连续小波变换得到小波时频图,对时频图进行压缩和预处理,将时频图的大小设置为224×224,并剔除时频图上的标题、坐标和能量等。最后,将处理好的小波时频图作为输入,以未熔合、熔合良好和气孔三种状态作为输出,利用ResNet18网络进行训练。结果表明,该模型对三种焊接状态下的声音信号具有良好的监测效果,其准确率为90.78%。

基于ResNet-18网络的桥梁损坏图像分类研究

近些年来,传统的桥梁损坏检测方法需要大量的时间以及人力、物力和财力,同时它们具有主观性、难以量化、影响正常交通、周期长、实时性差等缺点和局限性。本研究首先使用桥梁损坏图像作为数据集,然后使用ResNet-18网络对桥梁损坏图像进行分类,并且使用Softmax作为网络输出层的激活函数,使用交叉熵函数作为网络的损失函数。接着进行模型的训练,得出模型在测试集上的准确率为82.99%。最后从模型在测试集上的混淆矩阵与分类报告两个角度,对模型进行评估,得出模型在测试集上平均的F_(1)分数达到83%。

基于机器学习的TC18钛合金起落架锻造成形工艺智能优化

针对TC18钛合金加工窗口窄、零件成形质量与性能的预测以及工艺参数的优化设计困难的问题,通过热压缩试验分析了TC18钛合金的热变形行为与微观组织演变规律。基于Bayesian算法优化构建了TC18钛合金热变形流动应力和微观组织演变的深度神经网络(DNN)模型。通过对UG和Deform的二次开发,完成了不同工艺参数下起落架锻造的自动建模与仿真,并建立了预锻件的尺寸-工艺-质量数据库。结合DNN和遗传算法(GA)、粒子群算法(PSO)、快速非支配排序遗传算法(NSGA2)确定了最优的预锻件工艺参数。结果表明,采用NSGA2优化后锻件最大成形力R_(Tmax)可降低40.6%,目标截面的平均初生α相含量为0.207,接近最优含量20.0%。