海水二次循环冷却设备腐蚀故障在线诊断研究

为了在短时间内完成对二次循环设备腐蚀故障的精准诊断,提出海水二次循环冷却设备腐蚀故障在线诊断方法。根据冷却设备循环机组的工作参数,构建腐蚀故障出现前的设备正常运行状态函数。结合腐蚀故障产生因素及环境条件设置约束条件,确定冷却设备腐蚀故障位置影响因子。计算每个故障位置的判定系数,以在线确定故障位置。横向对比冷却设备管道中不同位置节点力学数据,并校验分析故障位置判定系数,以获取冷却设备腐蚀故障位置判定系数指标量。创新性地最大化短期记忆网络的池化层,并依据故障位置判定系数及指标量,求解腐蚀故障实际触发值和整定值,以实现设备腐蚀故障的在线诊断。测试结果表明,所提方法的诊断准确率均在97%以上。该方法具有见效快、用时短、诊断准、效果稳的特点,能够应对当前大部分海水二次循环冷却设备腐蚀故障的在线诊断任务。

基于深度特征融合的协同推荐算法

深度神经网络存在数据稀疏性难题和推荐精度不高的问题,为此提出一种基于深度特征融合的协同推荐算法,通过将深度神经网络与协同过滤算法相融合来改善问题。首先利用二次多项式回归模型对用户-项目评分矩阵进行特征提取;其次利用深度神经网络对所输入的潜在特征进行训练,生成用户-项目评分;最后利用词频-逆向文件频率算法所生成的推荐候选集,融合用户-项目评分并最终输出推荐结果。利用MovieLens评分数据进行实验,该文混合推荐算法的平均绝对差(MAE)和均方根误差(RMSE)分别为0.7459、0.8886,比传统深度神经网络分别提高14.143%与24.341%,也优于对照组的混合推荐模型。

改进YOLOv5的沥青路面病害检测算法

为提升沥青路面病害自动化识别的准确率,提出一种特征网络增强算法(YOLO-EH)。该网络包含一种可以与CBAM注意力机制进行结合的新型特征增强模块(FEM)以及一种可以对FPN添加反馈链接的新型逆向二次循环特征金字塔网络(RCFPN)。实验结果表明,与原YOLOv5算法相比,YOLO-EH对于同一批路段数据在平均病害识别准确率上提高了2.6个百分点,验证了其准确性与有效性。