基于注意力残差卷积自编码器的轴承故障诊断

以卷积神经网络为代表的有监督深度神经网络凭借优异的提取能力,在轴承故障诊断领域得到广泛应用,不足是需要大量标签数据。在残差跳跃中嵌入注意力机制,构建注意力残差模块,并将注意力残差模块与卷积自编码器结合,得到注意力残差卷积自编码器。采用注意力残差卷积自编码器,在无监督学习下进行轴承振动信号的特征提取,显著提高轴承故障诊断能力。试验结果表明,注意力残差卷积自编码器具有优异的特征提取和选择能力,特征学习能力和故障诊断效果明显好于现有典型深度神经网络。

基于边缘智能与云计算的人工光型智慧育苗系统研究

环境生长要素与人工光型在植物工厂育苗中起到重要作用,实施对环境生长要素及光质、光量、光周期等光要素智能控制对植物育苗有着重要意义。文章以人工光型植物育苗工厂智能控制系统为切入点,通过多传感器智能感知、可调LED光源、光照要素信息融合、光环境智能控制等关键技术,实现光调控植物育苗的精准化与智能化,基于边缘智能与云计算的智慧育苗技术,研制建立一套基于边缘智能与云计算的人工光型智慧育苗系统,并在植物育苗工厂进行了示范应用。