基于AFPN的汽车故障诊断研究

针对汽车故障诊断专家系统的知识具有动态性和不确定性的特点.提出了一种基于自适应模糊Petri网(AFPN)的汽车故障诊断方法。该方法首先根据模糊产生式规则建立相应的模糊Petri网模型,然后利用BP算法,通过样本数据对模糊Petri网中的权值等进行反复的学习训练,最后利用训练得到的参数和故障征兆发生概率对故障进行诊断。这种方法使知识库能动态更新,并可以避免依靠人工经验设置带来的不确定性。诊断结果表明,和传统故障树方法相比,该方法具有很多优点。

基于改进YOLOv7算法的风力涡轮机表面缺陷检测

针对风力涡轮机表面缺陷类型多、尺度差异大与特征提取困难等问题,提出了改进YOLOv7(you only look once version 7)算法用于风力涡轮机表面缺陷检测。首先,采用渐进金字塔网络(asymptotic feature pyramid network,AFPN)替换YOLOv7网络中的路径聚合特征金字塔网络(path aggregation feature pyramid network,PAFPN),解决了多尺度融合过程中特征丢失和退化问题,并降低了模型复杂度;其次,采用扩充的高效聚合网络(efficient layer aggregation network-wide,ELAN-W)模块替换了AFPN中的基础模块,提高了模型的特征提取能力;最后,在颈部网络输入端以卷积和空间组增强(spatial group-wise enhance,SGE)注意力机制构建了卷积注意力模块,提升了模型对检测目标的定位能力和检测性能。实验结果表明,改进YOLOv7算法对风力涡轮机表面缺陷检测的平均精度均值、检测速度分别达到了85.4%、133.0帧/s,相较于原版YOLOv7算法分别提升了1.8%、17.7%。该研究成果能够有效地提升风力涡轮机表面缺陷检测性能。

改进YOLOv8n的道路目标检测算法

针对道路场景中目标尺度多变、复杂背景干扰导致检测精度低、漏检率高的问题,提出一种改进YOLOv8n的道路目标检测算法。引入多样化分支块(diverse branch block,DBB)构建C2fDBB模块,替代原算法中的C2f模块,增强网络多尺度特征提取能力。在路径聚合网络(path aggregation network,PANet)的基础上结合渐进特征金字塔网络(asymptotic feature pyramid network,AFPN)思想,提出PA-AFPN(path aggregation progressive feature pyramid network)特征融合方式,提升网络对多尺度特征的融合能力。设计SPPF2_TA(SPPF with dual-branch structure incorporating triplet attention)模块,通过在SPPF(spatial pyramid pooling fast)中引入平均池化分支和三重注意力机制(triplet attention,TA),有效整合多尺度信息,降低背景干扰对检测的影响。采用MPDIoU作为新边界回归损失函数,替代原损失函数,加速算法收敛,提高目标定位精度。在公开道路目标数据集BDD100K和SODA10M上的实验结果显示,改进方法的mAP@0.5相较于基线算法分别提升了5.7个百分点和7.3个百分点,计算量降低了0.6 GFLOPs。与其他主流目标检测方法相比,改进方法在计算量、FPS和mAP@0.5等方面均展现出显著优势,更加契合道路场景下的目标检测任务需求。

基于YOLOv5的无人机航拍目标检测改进算法

在无人机航拍领域,针对难以捕获和精确辨识小目标,以及小目标检测对系统实时处理能力要求较高,提出一种基于YOLOv5改进结构的深度学习算法。通过替换轻量级MobileNetV3作为主干网络,显著减小了模型复杂度与计算负担,同时保留了高效的特征提取能力,以及引入AFPN特征融合结构,实现了图像空间信息多尺度特征的高效融合,不仅增强了模型对小目标的敏感性,还显著提升了目标检测的精度与效率。实验验证:改进后的算法在VisDrone数据集上的整体表现较好。

多源信息融合下冷链配送车辆碳排放动态预测方法

[目的/意义]冷链配送碳排放动态预测是企业碳排放精准评估及其绿色信用等级评定的重要依据。本研究面向车辆碳排放受路况信息、行驶特征、制冷参数等多因素影响,提出一种融合多源信息的冷藏车辆碳排放动态预测模型。[方法]基于道路车辆数量与像素面积占比表征路况信息,构建基于改进YOLOv8s的路况信息识别模型,并以路况信息、行驶特征(速度、加速度)、货物重量、制冷参数(温度、功率)等为输入,构建基于改进iTransformer的冷藏车辆碳排放动态预测模型。最后与其他模型展开对比分析,分别验证路况信息识别与车辆碳排放动态预测的精度。[结果]改进的YOLOv8s路况信息识别模型在精确率、召回率和平均识别精度上分别达到98.1%、95.5%和98.4%,比YOLOv8s分别提高了1.2%、3.7%和0.2%,参数量和运算量分别减少了12.5%和31.4%,检测速度提高了5.4%。改进的iTransformer模型碳排放量预测的均方误差、平均绝对误差、均方根误差和R^(2)分别为0.026 1%VOL、0.079 1%VOL、0.161 5%VOL和0.940 0,均优于其他时序预测模型。[结论]提出的多源信息融合下冷链配送碳排放预测模型可实现对冷藏车辆碳排放量的精准预测,为有效降低冷链配送碳排放与提升配送企业绿色信用等级等提供理论参考。

基于CAN总线的某型数字化战车自动测试系统设计

针对现代数字化战车电气与电子系统技术复杂、各分系统关联程度高、维修保障困难等问题,设计了一种基于CAN总线的数字化战车自动测试系统;整体设计基于模块化思想,充分利用车载备用总线,综合运用了DSP+FPGA控制处理技术、AFPN智能故障诊断技术,在诊断过程中对功能模块的每个扩展方向分别建立模糊Petri网模型,能够对车载电气与电子系统进行分系统独立测试和全系统联合检测,具有快速故障定位能力和拓扑适应能力;采用适配器与上位机测试软件的分体式设计,实现了平台物理资源复用,从而实现了底层设备的通用、互换,保障了测试一致性;应用表明,该系统能够较好的适用于现代数字化战车的维修保障,使用方便,故障诊断快速有效。