基于Bi-GRU模型的航空发动机外部液压管路故障诊断研究

针对航空液压管路故障信号含有噪声干扰导致管路故障识别困难的问题,提出一种基于双向门控循环单元(Bi-GRU)的深度学习液压管路故障诊断方法。由Bi-GRU神经网络模型综合液压管路数据进行时序特征提取,基于同一含噪声的液压管路振动实测数据,输入到Bi-GRU、GRU、RNN、SVM、BPNN等5种故障诊断模型中进行训练。最后,为了进一步展示Bi-GRU模型对于航空液压管路不同故障类型特征的学习能力,利用t-SNE降维算法进行液压管路特征可视化。结果表明:基于Bi-GRU航空故障诊断方法能达到99.60%的准确性,明显优于GRU等其他4种神经网络模型,Bi-GRU模型在含有噪声的液压管路数据上具备更出色的特征提取能力,可有效地提取出液压管路故障数据特征,从而实现了液压管路故障的智能化识别。

复杂环境下的车牌识别算法研究

为解决复杂环境下车牌检测与识别模型处理速度慢、检测精度低和模型参数过大的问题,提出了一种端到端的车牌识别算法。首先采用MSR图像增强方法对车牌图像进行预处理,然后使用最新的YOLO系列算法YOLOX,以35帧/s的速度检测出图像目标区域,使用改进的Bi-GRU-CRNN识别模型进行车牌字符识别。在国内车牌识别开源数据集中随机选取5000张图片进行实验,发现相较于其他车牌识别模型,改进后的模型识别速度更快,识别准确率达到98%以上。