基于多重迁移注意力的增量式图像去雾算法

为提高深度神经网络去雾算法对增补数据集的处理能力,并使网络差异化处理重要程度不同的图像特征以提高网络去雾能力,提出一种基于多重迁移注意力的增量式去雾算法。通过自编码器形式的教师注意力生成网络提取标签和雾霾的多重注意力,作为特征迁移媒介网络的标签约束网络训练,形成与教师注意力尽可能相近的迁移媒介注意力,并将其融入学生去雾网络的特征中,提高学生去雾网络的去雾能力;通过增量式训练方法提高学生去雾网络对增补数据集的处理能力。结果表明:所提算法对ITS、OTS以及真实雾图上皆具有较好的处理能力,在保证去雾图像像素结构完整、颜色不失真的同时具有较好的去雾效果,算法处理后的图像在主观视觉效果和客观评价指标上皆优于对比算法。

用于骨架行为识别的时空卷积Transformer网络

针对基于图卷积的骨架行为识别方法在建模关节特征时严重依赖手工设计图形拓扑,缺乏建模全局关节间依赖关系的缺点,设计了一种时空卷积Transformer实现对空间和时间关节特征的建模。空间关节特征建模中,提出一种动态分组解耦Transformer,通过将输入骨架序列在通道维度进行分组并为每个组动态生成不同的注意力矩阵,允许建模关节之间的全局空间依赖关系,无需事先知道人体拓扑结构。时间关节特征建模中,通过多尺度时间卷积实现对不同时间尺度行为特征的提取。最后,提出一种时空-通道联合注意力模块,进一步对所提取到的时空特征进行修正。在NTU-RGB+D和NTU-RGB+D 120数据集的跨主体评估标准上达到了92.5%和89.3%的Top1识别准确率,实验结果表明了所提方法的有效性。

基于深度学习的液压支架支护质量评价方法研究

为提高液压支架支护质量评价方法的操作效率和精度,提出一种基于深度学习模型的评价方法,将液压支架支护质量的评价问题转化为图像分类问题。结果表明,该评价方法在计算复杂度降低1/2的条件下取得了出色的分类精度(82.74%)和准确的定位精度(81.67%),具有明显的计算优势。

基于Baseline模型的刮板输送机健康评估

对刮板输送机进行可靠健康评估是保证工作面高效开采的关键。针对某煤矿综采工作面刮板输送机提出一种基于Baseline模型的健康评估方法。该方法采用长短时记忆(LSTM)深度神经网络建立运行参数的Baseline模型,预测正常的数值和故障发生上、下限阈值。在此基础上建立了真实值与预测值的6种偏差计算方法和设备健康评估机制。最后融合机头电机、机尾电机、机头减速器和机尾减速器的评估结果,完成刮板输送机运行健康综合评估。

“人-机-环境”共融的工业数字孪生系统智能优化方法

工业数字孪生系统是智能制造应用实施的重要手段,但现有工业数字孪生系统主要面向机械系统探索研究理论和关键技术,缺乏从“人-机-环境”全局开展系统建模和优化。鉴于此,分析了“人-机-环境”系统建模和智能优化研究进展,总结了“人-机-环境”共融的工业数字孪生系统基本特征,建立了系统参考架构。然后,提出了“人-机-环境”共融的工业数字孪生系统智能优化方法与关键技术体系,主要包括数据驱动的快速动态建模与仿真方法、基于生成式人工智能(AI)的数字孪生快速建模方法、多模态感知与智能交互方法、虚实同步映射与模型校正方法、基于分布式计算的运行优化控制方法、“人-机-环境”安全监测与态势感知方法和基于AI agent的系统自学习与优化控制方法等。最后,通过典型案例展示了智能优化方法的应用效果。所提出的工业数字孪生系统智能优化方法为实现智能制造过程中的“人-机-环境”共融提供了重要支撑。

煤矿机械设备项目全流程数字化管控系统设计及应用

针对煤矿机械设备项目(以下简称“设备项目”)在执行过程中存在的进度难以把控、信息偏差严重、信息孤岛等问题,利用数字化相关技术进行设备项目全流程数字化管控。首先,梳理设备项目执行流程,归纳执行过程中的主要问题;其次,从不同视角分析各环节业务需求,构建设备项目全流程数字化管控系统,实现对设备项目售前、售中、售后各环节的全流程数字化管控;最后,经实践证明,该系统能够有效减少项目人员工作量,辅助管理人员进行决策,有效提升设备项目管理水平。

矿用电磁先导阀自动化试验台的可行性研究

为了提高电磁先导阀的试压效率、降低劳动强度、适应智能化发展需要,设计了一种用于测试电磁先导阀的机电液一体的自动化试验台。主要论述了试验台的设计方案及设计要点,基于试验台液压系统的原理,着重介绍了设计方案的可行性,包含独创的自动试压工位装置、试压逻辑流程等,并对人机交互应用等方面进行说明。最后根据试验台的成品运行情况,通过了评审验证,达到了设计及使用目的。