GhostConv轻量级网络设计及故障诊断研究

提出一种GhostConv轻量级网络模型并将其用于故障诊断。GhostConv利用常规卷积生成一小部分特征图,然后在生成的特征图上进行多次特征提取来生成其余特征图,最大程度地节约了常规卷积中生成冗余特征图的成本,减少了模型参数,保证了模型的性能。采用连续小波变换对振动信号进行时频变换生成二维时频图,之后利用设计的GhostConv搭建轻量级网络模型进行故障诊断。采用凯斯西储大学轴承数据集进行验证,并与其他卷积结构网络模型进行参数量、计算量以及识别准确率的对比。实验结果表明,与其他模型相比,所使用的网络模型在参数量和计算量较少的条件下依旧有较高的识别精度,且具有较好的鲁棒性和泛化能力,具有一定的工程应用价值。

铁路冷链运输服务产品发展研究

铁路冷链运输服务产品的发展是我国综合运输体系下的重要组成部分。在阐述冷链市场需求的基础上,从运输货物品类、基础设施配备及服务产品特性等方面重点分析Rail Express、CoolRail、Trans Cold Express等国外铁路冷链运输服务产品,并结合国外运营经验,针对国内现有服务产品提出问题分析并给出发展建议;同时合理整合冷链运输服务产品,分析成组式、整列式及混合运输服务产品特性及前景趋势,最终通过采用改良的车站作业时空网络图,实现了对冷藏集装箱的车站作业流程以及区间运行的描述,满足了冷藏集装箱全程性、时效性的要求,更好地服务铁路冷链运输发展。

频域特征提取联合双流CNN的轴承故障诊断方法

针对传统方法提取到的轴承各类故障特征混杂,部分类别故障不易区分的问题,设计一种双流卷积神经网络(Convolutional Neural Network,CNN)的故障诊断模型。首先将振动信号转换到频域,为减少低频微弱信号的干扰,过滤频域信号,设定滤波器通带和阻带衰减值以保证信号不失真,进而确定频率带宽,在该带宽值下求得信号振幅占比最大值的范围,同时以正常信号振幅平均值作为高频信号的阈值确定频率最高值。用上述参数分别作为滤波器的参数,过滤信号得到频谱信号和构建时频图像。将提取频谱信号和时频图作为模型两个通道的输入,在卷积层和池化层后加入特征融合层,通过加权融合的方式将两个通道的特征融合,使得各类故障特征区分度显著提高。实地搭建故障平台采集数据验证,实验结果表明,该方法能提取到每类故障独有的特征,轴承故障识别准确率达到98.95%。

基于时频谱图的配电网高阻接地故障智能识别方法

针对配电网中发生高阻接地故障(high impedance fault, HIF)进行特征提取时,人为构造的特征量或特征向量难以充分体现高阻接地故障区别于其他事件的特征问题,提出一种波形隐含特征提取方法.通过连续小波变换将零序电流转换为时频谱图,并分割为正方形切片,然后使用卷积神经网络辨识高阻接地故障特有的“齿”形特征.结果表明:文中所提方法能由波形中的高频分量得到可视化的时频谱图,省去了人为构造的特征量的步骤,避免了特征量难以准确表征HIF特征的问题,其可靠性在仿真及现场样本测试中得到了验证.

基于残差网络ResNet18-SVM的弹道中段目标识别

针对单纯基于深度学习的弹道目标识别算法在小样本下鲁棒性差、识别率低的问题,提出一种残差网络ResNet18与支持向量机(SVM)级联的分类模型,对弹头、重诱饵、轻诱饵和碎片四类典型弹道目标进行识别。该识别以雷达回波信号的时频图像作为输入,利用残差单元自动抽象出目标特征,再输入SVM识别分类,该模型结合了ResNet深层感受野大、SVM对高维特征样本拥有较好的分类能力的优势。文中实验采用的雷达回波数据集通过弹道仿真和目标电磁仿真获得,通过仿真实验表明级联模型ResNet18-SVM比单纯的ResNet18识别率平均提升1.9%;文中模型具有良好的鲁棒性,在不同信噪比下相比于SqueezeNet、ZFNet、AlexNet网络平均精准率分别高出14.3%、16.3%、4.46%。

基于时间序列多品种网络流的高铁车站站改期间行车组织优化研究

将高铁车站站场基本布局抽象为站场网络图,借助时间序列多品种网络流模式进行行车组织优化。基于行车进路规则构建生成进路数据集算法,将既有行车方案与构建的站改期间站场网络图融合,推断既有行车方案中到发线是否可用以及是否存在可用进路,据此将列车分为无需优化列车和需要优化列车两类。针对无需优化列车,构建计算公式和算法,推算到发线占用时间序列和咽喉占用时间序列。针对需要优化列车,构建算法并依据到发线和咽喉的占用时间序列,推断是否存在可用到发线以及是否同时存在可用进路,将需要优化列车分为可以优化列车和无法优化列车。通过构建可行股道推断算法以及可行股道进出站进路可用推断算法,形成行车组织优化方案。

基于因果推断肺癌患者生存时间预测方法

医学上常用回归的方法评估肿瘤患者的生存时间,但有一定的局限性。为了提高回归结果,提出一种基于因果推断的患者生存时间预测方法(MRCI-DNN)。采用因果推断算法构建病理因素与患者生存时间的因果网络结构图,从因果网络结构图中筛选主要因素,并结合深度神经网络模型预测生存时间。实验表明,肺癌分期、放化疗、吸烟、PLR、肺癌类型及NLR是影响肺癌患者生存时间的主要因素。通过实验对比,基于因果推断方法筛选主要因素应用在深度神经网络预测上要优于其他选择特征方法。

基于改进OTSU-CNN的轴承智能故障诊断

针对传统故障诊断方法在小样本数据集下诊断准确率低且故障特征提取难的问题,提出了一种改进大津阈值分割算法(OTSU)和卷积神经网络(CNN)相结合的智能故障诊断方法。首先,对采集到的振动信号进行希尔伯特变换(Hillbert)得到信号的包络谱,同时使用小波变换对包络谱信号处理,获取二维特征时频图;其次,建立最大类间方差目标函数模型,通过算术优化算法(AOA)得到时频图的最佳分割阈值,再将变换后的阈值分割图像作为CNN的输入得到最优训练模型,最后得到分类结果。试验结果表明:所提方法相比于传统OTSU方法,所提取的故障特征更为突出,为模型提供了优秀的训练样本;在较小数据样本条件下,所提方法的准确率达99.01%,远高于传统故障诊断方法,且模型有着良好的泛化能力。

基于轻量化卷积神经网络的滚动轴承快速故障诊断方法

针对现有诊断滚动轴承故障的方法存在训练参数量大、变工况下识别度低的缺点,提出一种基于轻量化卷积神经网络的滚动轴承快速故障诊断方法。将原始振动信号进行处理,获得二维时频图,构建轻量化卷积神经网络,提取时频图特征,采用小样本迁移的方法诊断变工况下的故障。结果表明:在凯斯西储大学数据集上进行试验,单一工况与变工况下诊断准确率分别为99.99%与92.50%,变工况下采用小样本迁移的方法使故障诊断准确率达到99.87%,在渥太华大学数据集上进行试验,诊断准确率为92.55%,通过对比验证了提出方法的有效性。

基于CWT和CooAtten-Resnet的弧齿锥齿轮箱故障诊断方法研究

提出一种基于连续小波变换(CWT)和坐标注意机制残差网络(CooAtten-Resnet)的弧齿锥齿轮箱智能故障诊断方法。首先将振动信号重叠采样获得大量信号样本,将这些样本通过连续小波变换将振动信号转化为时频图,并以此构建不同故障下的时频数据集,同时通过人为添加噪声样本以验证噪声对此类诊断方法的影响;然后将时频图数据集用于CooAtten-Resnet训练;最后对故障进行分类并输出诊断结果。结果表明,该方法可以准确的识别弧齿锥齿轮箱故障,无人为添加噪声的情况诊断准确率可达100%,添加噪声后在无降噪处理的情况下准确率仍在93%以上。相较于其他方法,该方法的准确率更高,抗噪能力更强,网络收敛速度更快,诊断结果更稳定。

非闭合交通路网路径选择与绿波协调同步优化方法

绿波协调控制可显著提升城市路网中车辆的通行效率,已被广泛应用于干道和区域交通信号控制领域。然而,传统路网绿波控制方法多是在协调路径确定后优化相位差和相序等协调变量,忽视了路径选择与协调变量的同步优化,协调效果有限,难以满足不同协调路径的差异化控制需求。针对此问题,本文以非闭合路网为研究对象,将协调路径视为决策变量,与相位差和相序协同优化,提出一种适于非闭合交通路网的路径选择与绿波协调同步优化方法。通过分析相邻交叉口之间车流的流入和流出关系,确定其协调路径与协调路径对备选集合。以绿波带宽加权和最大为优化目标,利用时距图刻画绿波带宽、协调路径对、相位差、相序、行驶时间和红绿灯时间之间的时空约束关系,同时,引入二元变量建立协调路径对优选约束条件,构建路径选择与绿波协调同步优化的混合整数非线性规划模型。算例结果表明:相比于传统面向直行路径的绿波协调控制模型,所提模型能够自动识别路网中大流量的关键协调路径,在路网层面生成的权重绿波带宽总和提高了14.16%,在4条干道层面生成的权重绿波带宽总和分别提高了17.26%,20.68%,-0.29%和39.19%。

基于MDFF与ISSA的滚动轴承故障声发射诊断

针对滚动轴承早期、复合故障难以准确诊断与智能诊断模型超参数确定严重依赖专家先验知识问题,提出一种基于多维深度特征融合(multi-dimensional depth feature fusion, MDFF)与改进麻雀搜索算法(improved sparrow search algorithm, ISSA)的滚动轴承故障声发射诊断方法。用一维卷积与线性瓶颈反向残差二维卷积神经网络构建多输入卷积神经网络(convolution neural network, CNN)结构的诊断模型,模型输入为滚动轴承声发射信号及其小波时频图,提出基于布伦纳梯度和信噪比的质量指标,在108种小波基中筛选出最佳时频图以提升输入数据质量。接着,采用特征金字塔网络将模型的一、二维低层与高层特征融合,建立深度融合的诊断模型。然后,将交叉混沌映射、自适应权重及融合的随机游走策略引入麻雀搜索算法中,以自适应获取MDFFCNN最优超参数。试验表明,对比近期多个主流智能诊断算法,所提方法可避免人工选择诊断模型超参数,对滚动轴承早期尤其复合故障具有更高的诊断精度和稳定性,模型诊断过程的智能化水平得到了进一步提高。

基于时差分析的资源均衡问题探究

本文在已有时差概念分析的基础上,提出了三个新时差概念,给出了同一工序不同时差关系,提出了标值算法,算出了不同工序时差传递量。对资源均衡优化问题的初始方案进行研究,给出了随机时标网络图的绘制方式,使网络技术的应用更具灵活性和实用性。在时差传递性的基础上,进一步对有资源限制的资源均衡优化方案进行研究,提出了基于赋值算法的优化调整方式,最后通过算例对该调整方式进行了验证。

项目的时间管理在工程设计中的应用

介绍了通信工程设计中项目时间管理的组成及实施方法,并结合工程实际详细说明了网络图的绘制要点。

列车时空服务网络客流分配方法研究

客流分配方法研究是铁路客运产品设计的核心,对评价列车服务网络质量具有重要意义.本文研究旅客列车运行图形成的时空服务网络属性及其构造方法,在分析多层次旅客具有不同的服务时间窗期望、换乘次数、换乘时间等出行选择行为基础上,确定网络弧段阻抗.建立体现旅客时空差异服务需求约束的客流分配模型.提出由时间窗搜索和改进的Dijkstra算法构成的组合算法求解旅客合理时空服务路径集合,设计基于合理服务路径集的客流分配子算法.实现在网络条件下,根据分配权重函数不同,完成客流时空分配.最后,利用MATLAB编程,以京广高速铁路相关时空服务网络为例,验证模型和算法的有效性.

城市信号控制路网中的路段行程时间估计方法

为了精确检测城市信号控制路网中的路段动态行程时间,分析了路段流量受交通信号控制策略影响的波动规律,提出了基于交通量图偏移的路段行程时间计算方法。研究了不同断面交通量图的相似性,根据最大相似度时交通量图的偏移,计算了断面间路段动态行程时间,并与调查结果进行了比较。比较结果表明:在城市路网封闭路段,平峰、高峰的不同时间长度内(5、10、20 min),平均行程时间最大平均相对误差为7.1%,因此,计算方法可行。

基于时频色谱图的串联故障电弧识别

由于电力线老化损坏以及连接处松动会产生故障电弧,可能会意外引起严重的电气火灾。不同类型的负载所引起的故障电弧存在差异,导致住宅区故障电弧识别变得困难。提出了一种基于时频图和深度卷积神经网络的串联故障电弧识别的方法。通过故障电弧实验采集了负载正常工作和故障电弧的电流数据。单个负载半周期电流数据将通过连续小波变换转换为三维特征图像,然后将这些图像输入到改进的深度卷积神经网络中进行训练、测试。实验结果表明,单个负载正常和电弧状态识别的精度在99.31%,对多个负载工作状态的识别准确率平均可以达到99.2%。

基于小波时频图和AlexNet网络的电弧故障诊断方法

针对故障电弧电流频域特征难以提取,检测率不高的问题,提出一种基于小波时频图和深度学习卷积神经网络的低压交流故障电弧诊断方法。该方法对串联型故障电弧电流信号进行小波时频变换,利用小波对高频突变信号的放大能力,捕捉不同负载的差异特征,得到的时频图经过压缩统一至适当大小后作为AlexNet卷积神经网络的输入特征图,利用AlexNet网络提取小波时频图特征,通过全连接层拟合数据实现故障电弧的智能诊断。建立故障电弧实验平台,分别采集阻性负载、感性负载、阻感负载下的电弧电流2 000组,利用该数据集完成模型训练。选取新负载及10~60 dB信噪比研究模型的泛化能力和鲁棒性。实验结果表明,所提方法能够有效识别故障电弧,识别率达到96.7%,且具有良好的稳定性。

基于OBDD的航空电子网络可靠性分析

针对航空电子网络通信任务的实时性需求,建立具有时延约束的面向任务的网络可靠性模型,并从共因失效(common cause failure,CCF)的角度分析了部件故障相关性,提出一种基于有序二叉决策图(ordered bi-nary decision diagram,OBDD)的航空电子网络可靠性评价方法——时延约束边扩张算法。算法结合时延约束,利用边扩张构建网络OBDD,递归遍历OBDD结构计算部件故障统计独立条件下航空电子网络可靠度,并在此基础上引入CCF分析,利用同一OBDD结构综合评价航空电子网络可靠性。通过实例阐述了算法的原理,实验表明算法能有效评价航空电子网络的可靠性。

不同交通网络速度的Voronoi图的结晶生成

针对以欧氏距离为度量的Voronoi图所分割必须是均质空间的局限性,为了体现实际分析中的交通网络所导致的空间不均质性,在现有Voronoi图理论成果的基础上,提出了以交通时间距离为度量的基于交通网络的Voronoi图的概念,运用结晶生成法通过C#软件编程实现了不同交通网络速度的基于交通网络的Voronoi图的生成程序。该方法进一步完善和丰富了Voronoi图理论,拓展了Voronoi图的应用范围,体现了实践应用价值。