期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于DCGAN和U^(2)-Net模型的齿轮点蚀辨识
1
作者
刘妤
谭钦宜
古前程
《振动与冲击》
北大核心
2025年第10期301-310,共10页
结合改建的齿轮试验台能够在线获取齿轮工作齿面图像的优势,探讨了基于机器视觉技术实现齿轮点蚀辨识的方法,并开展了试验研究。针对齿轮点蚀样本稀缺,采用深度卷积生成对抗网络(deep convolutional generative adversarial network,DCG...
结合改建的齿轮试验台能够在线获取齿轮工作齿面图像的优势,探讨了基于机器视觉技术实现齿轮点蚀辨识的方法,并开展了试验研究。针对齿轮点蚀样本稀缺,采用深度卷积生成对抗网络(deep convolutional generative adversarial network,DCGAN),实现了样本的多样化、高质量扩增;结合前期研究基础,提取了齿轮的有效工作齿面,实现了齿面倾斜校正和畸变修正;引入ECA注意力机制,改进了U^(2)-Net模型,实现了齿轮点蚀图像感兴趣区域的精确分割;在此基础上,通过统计齿轮历史点蚀率,构建了基于图像信号的齿轮点蚀辨识模型,实现了齿轮点蚀辨识。结果表明:采用机器视觉技术实现齿轮点蚀辨识的方法是可行的,基于DCGAN和U^(2)-Net模型的齿轮点蚀识别准确率达93.56%。研究成果可为齿轮点蚀辨识提供一种更为直接、可靠的方法,对于机械装备的状态监测有一定的参考价值。
展开更多
关键词
齿轮
点蚀
模式识别
深度卷积生成对抗网络(DCGAN)
U^(2)-Net
在线阅读
下载PDF
职称材料
题名
基于DCGAN和U^(2)-Net模型的齿轮点蚀辨识
1
作者
刘妤
谭钦宜
古前程
机构
重庆理工大学机械工程学院
出处
《振动与冲击》
北大核心
2025年第10期301-310,共10页
基金
国家自然科学基金项目(52075062)
重庆市自然科学基金创新发展联合基金(CSTB2022NSCQ-LZX0024)
重庆理工大学研究生创新项目(gzlcx20243002)。
文摘
结合改建的齿轮试验台能够在线获取齿轮工作齿面图像的优势,探讨了基于机器视觉技术实现齿轮点蚀辨识的方法,并开展了试验研究。针对齿轮点蚀样本稀缺,采用深度卷积生成对抗网络(deep convolutional generative adversarial network,DCGAN),实现了样本的多样化、高质量扩增;结合前期研究基础,提取了齿轮的有效工作齿面,实现了齿面倾斜校正和畸变修正;引入ECA注意力机制,改进了U^(2)-Net模型,实现了齿轮点蚀图像感兴趣区域的精确分割;在此基础上,通过统计齿轮历史点蚀率,构建了基于图像信号的齿轮点蚀辨识模型,实现了齿轮点蚀辨识。结果表明:采用机器视觉技术实现齿轮点蚀辨识的方法是可行的,基于DCGAN和U^(2)-Net模型的齿轮点蚀识别准确率达93.56%。研究成果可为齿轮点蚀辨识提供一种更为直接、可靠的方法,对于机械装备的状态监测有一定的参考价值。
关键词
齿轮
点蚀
模式识别
深度卷积生成对抗网络(DCGAN)
U^(2)-Net
Keywords
gear
pitting
pattern recognition
deep convolutional generative adversarial network(DCGAN)
U^(2)-Net
分类号
TH165 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于DCGAN和U^(2)-Net模型的齿轮点蚀辨识
刘妤
谭钦宜
古前程
《振动与冲击》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
