表现人员步态的元胞自动机仿真模型

针对传统元胞自动机对人员移动特征的刻画不够具体的问题,建立了一种可以表现人员步态的改进型元胞自动机模型。同时,利用更新方式表现人员步频、以移动邻域表现人员的步幅。仿真结果表明:该模型对移动路径及行走速度的表现比传统元胞自动机准确,提高了元胞自动机定量分析的能力,并且具备良好的兼容性,可用于船舶等特殊环境的疏散仿真。

基于改进的胶囊网络的行星齿轮箱故障诊断方法

行星齿轮箱是大型机械装备的核心传动环节,其内部关键零部件故障发生的部位与形式多样,威胁机械装备的安全服役.针对其不同部件的多类故障诊断问题,提出一种基于改进的胶囊网络(enhanced capsule ntwork, ECN)的“端到端”智能故障诊断方法. ECN充分发挥了卷积神经网络对故障特征的深度提取能力,同时具备胶囊结构矢量化挖掘特征空间信息的特点,可利用动态路由机制计算胶囊层之间的相关度,从而实现对故障特征的精准归类.此外,建立的间隔损失函数与输入数据不断优化模型参数,实现了对故障的智能诊断.对太阳轮、行星轮以及多类部件故障数据混合的情况分别开展分析,实验结果表明, ECN相比传统卷积神经网络和胶囊网络均表现出更强的故障诊断能力.