基于深度置信网络和信息融合技术的轴承故障诊断

提出一种基于深度置信网络(DBN)和信息融合技术的轴承故障诊断新方法。首先采用集合经验模式分解将轴承振动时域信号分解为若干个固有模态函数,并分别输入至若干个DBN中进行故障状态识别,然后通过简单投票法将每个DBN识别的结果进行决策层信息融合,从而得到轴承故障的最终诊断结果。通过对单负载和多负载下不同类型和不同损伤程度的滚动轴承故障诊断进行实例分析,验证了本文方法的有效性和精确性。

针对钢材表面小目标缺陷实时检测

钢材表面缺陷检测任务中,YOLO将目标检测转换为对位置信息的回归问题,实现高帧率实时检测,但对小目标缺陷定位精度有所欠缺。针对该问题,以YOLOv5s架构为基础,首先,在模型输入端设定动态尺度训练范式,提高小目标缺陷训练精度;其次,设计STD-CA模块利用图像转换技术,避免下采样过程中分辨率的降低,导致小目标缺陷特征信息的丢失,并引导特征提取能力,降低无关背景特征关注度,进一步提高模型小目标缺陷检测精度。结果表明,在NEU-DET数据集中,改进后模型在保证检测速度保持在54 frame/s的同时,平均精度均值达到86.6%,较YOLOv5s提高17.6%,对小目标缺陷定位更加准确,目前优于其他深度学习钢材实时检测模型。

基于Directshow的H.264流媒体播放器设计

基于目前最新的视频压缩编解码标准H.264,采用Directshow应用框架,设计了网络流媒体播放器系统;Directshow是微软提供的基于windows平台的优秀的流媒体应用架构,H.264标准具有高压缩比和优良的网络亲和性,基于Directshow和H.264设计的网络流媒体播放器不仅具有优良的系统架构,同时具有更好的灵活性和可扩展性,可以很方便地应用于视频点播系统(Video On Demand System)中和移植到嵌入式WINCE平台。基于Directshow分析和设计了网络源Filter和H.264解码Filter,同时阐述了网络流媒体播放器系统的整体框架。

激光熔积高温合金件形状特征的基础研究

进行了激光熔化沉积成形GH163高温合金粉末条状试样实验,研究了激光脉宽、激光重复频率、扫描速度、送粉速率四个工艺参数对条状试样熔宽和熔高的影响。试验发现,脉宽和频率对最终试样的熔宽和熔高都没有太大影响。送粉速率对熔宽没有显著影响,但对熔高的影响很大,随着送粉速率的提高,成形试样的熔高显著增大;随扫描速度的增大,熔宽和熔高均呈减小的趋势。

激光直接成形高温合金成形精度研究

选用GH163高温合金粉末进行了多种几何形体的激光直接成形试验,试验结果表明:理论成形轮廓和实际成形轮廓之间的偏差会造成成形角度误差,分析了产生误差的原因并提出了解决方案,获得了具有良好的外形和尺寸精度的薄壁中空复杂几何形体。