【摘 要】
:
旋转机械复合故障与单一故障样本间相关性高易造成错分类,且旋转机械转速往往不同,进一步加剧了旋转机械复合故障诊断的难度.针对上述问题,提出一维深度子领域适配的不同转速
【机 构】
:
重庆交通大学交通工程应用机器人重庆市工程实验室 重庆 400074;内燃机可靠性国家重点实验室 山东 261061
论文部分内容阅读
旋转机械复合故障与单一故障样本间相关性高易造成错分类,且旋转机械转速往往不同,进一步加剧了旋转机械复合故障诊断的难度.针对上述问题,提出一维深度子领域适配的不同转速下旋转机械复合故障诊断方法.首先,以旋转机械复合故障的频域信号作为网络的输入,最大程度保留信号特征;其次,搭建领域共享的一维卷积神经网络,对不同转速下旋转机械复合故障的频域信号特征进行学习;然后,添加局部最大均值差异形成子领域适配层,对齐每对子领域分布以避免单一故障和复合故障的特征混合,并通过最小化局部最大均值差异值缩小两域子领域特征分布差异,以减少不同转速所带来的干扰;最后,在子领域适配层后添加softmax分类层,实现对目标数据的故障状态识别.通过不同转速旋转机械复合故障诊断实验证明了所提方法的有效性.
其他文献
针对最小二乘支持向量机对异常值敏感、缺乏鲁棒性的情况,提出一种考虑样本异常值的改进最小二乘支持向量机算法.该算法首先通过采用局部异常因子检测算法为每个数据样本计算
为了解决多个尺度相关响应图最大值对应位置与目标真实位置存在偏差的问题,本文提出了一种采用多边形质心的相关滤波跟踪位置校正方法。首先,本文提出一种相关响应图评价指标对响应图的质量进行评价,并对当前帧跟踪结果进行可信判别;接着,对判别为不可信的跟踪结果采用多边形顶点的质心进行校正,以减少跟踪结果与目标正确位置的偏差。最后,在OTB50、OTB-2015和UAV20L三个基准视频集上对本文算法进行性能评
因集中供热建筑结构、住户行为习惯等差异,末端住户供暖数据具有特征差异大、非线性强、数据量大、响应时间长等特征,在原数据空间中利用聚类分析进行异常检测造成类间数据交
数据采集方式是质谱分析的关键步骤,是影响实验效率以及结果准确度的重要因素。较之于传统的数据采集方式,近年来出现的数据非依赖采集技术具有高通量、高覆盖度、高准确性等优势,从而成为蛋白组学与代谢产物定量和组学研究的强有力工具,对食品分析领域有重要的参考和借鉴价值。综述了目前主要的几种数据非依赖采集原理和数据处理最新进展并突出了在食品分析中的非定向筛查潜力,总结了非定向筛查数据非依赖采集在食品安全性分析、食品真实性分析,食品中功能活性成分分析的应用。最后探讨数据非依赖采集在食品分析中面临的挑战和未来发展趋势。
为了减少视网膜血管骨架提取过程中低对比度血管的漏检和误检数量,提出了一种基于主曲率和主方向的多尺度视网膜血管骨架提取方法。首先,分别提取视网膜图像中每个像素点在多尺度高斯滤波后的主曲率和主方向;其次,在每个尺度下分别提取最大主曲率方向上的局部最大值点,并通过曲率阈值筛选出高对比度血管中心像素点作为种子点;然后,利用最小主方向对低对比度血管进行骨架追踪和标记;最后,对多个尺度下提取的血管骨架进行融合
广义逆波束形成凭借其空间分辨率高,抑制旁瓣能力强等优势得到广泛关注。为了提升一般广义逆波束形成的声源识别性能,基于弹性网正则化波束形成既能保证声源识别结果的稳健性又能体现声源信号的稀疏性。然而,在测量声源信号的过程中所产生的非相干噪声对声源结果产生不可避免的误差,为抑制测量过程的干扰噪声,结合对角降噪和特征值改进法重构波束形成正则化参数,提出了一种改进弹性网正则化的广义逆波束形成,以重构正则化参数区别干扰噪声和目标声源。进行了数值仿真和实验验证,结果表明该算法在中高频时主瓣宽度误差低于10 dB,且比弹性
附着防腐层管道的粘接状态识别是管道状态预诊断的热门研究方向.将弯曲的管道划分为多个紧密相连的微体元平板结构,建立非线性超声导波在微体元结构中的传播模型,分析导波在
根据遥感成像耦合典型误差源反演方法得到的误差源及其误差量,能够提高光学系统成像质量,使得高质量的遥感图像在军事和民用领域发挥出更大的作用。基于失真遥感图像,本文提出了一种遥感成像耦合典型误差源反演方法。首先根据典型误差源的调制传递函数模型和耦合误差源的解耦原理,构建耦合典型误差解耦方程组。然后利用刃边法提取遥感图像的调制传递函数,基于长短期记忆网络确定耦合典型误差源的初值。最后利用LM优化算法对耦
将单目相机和惯性测量单元(IMU)固定在机械臂末端,可以有效地协助机械臂进行运动估计和场景感知。单目相机、IMU和机械臂之间可靠、准确的标定是实现随动感知的前提。但是,传统的标定方法存在耦合误差大、标定一致性差和6自由度激励不充分的问题。为此,本文提出了一种新颖的单目相机-IMU-机械臂的空间联合标定模型,该模型能够将旋转分量的误差和平移分量的误差完全解耦。此外,创新性地设计了一种螺旋式运动轨迹来
针对移动机器人使用超声波传感器检测环境时存在干扰与数据不确定性问题,在分析超声波传感器工作原理和相邻位置检测数据的关联特性后,提出了基于三位置超声波检测的环境轮廓构建方法,利用超声波对室内环境进行建图;再使用改进强跟踪UKF-SLAM将超声波测量数据和移动机器人驱动模型进行滤波融合,得到更准确的位姿信息与地图特征。搭建仿真环境,并通过搭载有超声波传感器的全向轮移动机器人在实验环境内验证。仿真结果表