深度多模态不确定度的短视频事件检测方法

随着短视频的快速发展,短视频事件检测任务受到越来越多的关注。现有短视频事件检测研究普遍采用深度神经网络来获得确定的检测结果,但是网络忽略了不确定度的影响从而导致错误的预测结果也会产生过度置信的决策。为了解决上述问题,本文提出了一个深度多模态不确定度网络的短视频事件检测方法。首先,该方法在传统域分离网络中嵌入变分层,用来获得预测分布;然后,将视觉模态信息和音频模态信息输入到网络中,利用该方法所构建的独立性和相关性损失可以获得包含不确定度的音频模态共、私有域预测分布以及视觉模态共、私有域预测分布;最后,提出了一个不确定度判别法则用来筛选4个域的预测分布,从而得到最终的预测结果。在公开数据集(UCF-101与HMDB51)和新构建的短视频事件检测数据集上进行了实验。实验结果表明,面对不同的深度分类方法以及不同的数据集,本文方法不仅有着更高的分类准确率,还可以对输出结果进行不确定度估计,针对音频的干扰也具有较强的鲁棒性。

基于变分模态分解的风机滚动轴承早期故障诊断

针对海上风电机组滚动轴承故障多且早期故障特征难以提取的问题,提出了一种基于变分模态分解的滚动轴承故障诊断方法。从频率方面研究了模态分量个数对信号特征信息的影响,提出故障特征信息提取时确定分解个数的一般原则,据此确定滚动轴承早期故障振动信号的分解个数并得到若干模态分量,从中筛选出最佳模态分量进行包络解调分析,最终通过对比包络谱特征频率对滚动轴承进行早期故障诊断。

基于两阶段改进的FCM法的模态参数自动识别

为解决基于稳定图的模态参数自动识别中存在人工干预、参数设定不统一的问题,提出两阶段改进的稳定图自动识别方法.首先,将模态参数不确定度指标引入第一阶段虚假模态参数剔除过程,实现最大程度虚假模态参数剔除;然后,基于改进的FCM算法,采用迭代策略计算不同聚类数目的隶属度矩阵,构造累积邻接矩阵,并结合图切割算法解析累积邻接矩阵,自动确定最佳聚类数目,实现稳定图自动识别;最后,将提出的改进方法运用在Z24桥Benchmark模型和悬索桥实测数据上,验证了所提方法的可行性.研究结果表明:模态参数不确定度相较于传统指标对虚假模态具有更强的辨别能力;基于改进的FCM算法不需要任何人工调整的参数就能自动识别稳定轴,且具有较强的鲁棒性.改进算法在默认参数下准确识别得到Z24桥和悬索桥的模态参数,表明提出的改进算法可以用于桥梁健康监测的模态参数自动识别过程.

FSDD运行模态参数识别方法中不确定性的计算

运行模态参数识别是一种只利用响应数据进行模态分析的方法.环境激励条件下获得的识别结果会存在随机不确定性,这种不确定程度可以通过模态参数的统计特性进行描述评价.以运行模态分析中的频域空间域分解方法(FSDD)为研究对象,通过对整个模态识别算法进行摄动分析,确定出模态参数对测量误差的灵敏度,实现了模态参数方差的计算.计算过程分为四步:第一步,响应信号功率谱矩阵中噪声方差的估计;第二步,增强功率谱方差的计算;第三步,极点协方差的计算;第四步,模态参数方差的计算.最后通过一个4自由度仿真算例与张家港桥梁实测算例对所给出的方法进行了验证与应用.