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
3
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Mel光谱数据增强和ResNet网络的滚动轴承故障诊断模型
被引量：
2
1
作者
高志康
王衍学
+1 位作者
姚家驰
李昕鸣
《机床与液压》
北大核心
2024年第19期203-208,共6页
针对工业数据采集困难和稀疏数据特征提取能力有限等问题,提出一种基于Mel光谱数据增强和ResNet网络的滚动轴承故障诊断模型。为了增加训练样本数据的多样性,引入了Mel光谱数据增强技术,提高模型的泛化能力,使其能够更好地适应各种滚动...
针对工业数据采集困难和稀疏数据特征提取能力有限等问题,提出一种基于Mel光谱数据增强和ResNet网络的滚动轴承故障诊断模型。为了增加训练样本数据的多样性,引入了Mel光谱数据增强技术,提高模型的泛化能力,使其能够更好地适应各种滚动轴承故障情况。通过ResNet网络残差单元的堆叠深度捕捉复杂的故障特征信息,进而有效识别滚动轴承的故障模式。最后,对实验现场采集的滚动轴承故障数据进行验证评估。结果表明:所提模型在增强数据集上的诊断准确率高达99.83%,比原始数据集准确率提高了1.39%;与其他方法相比,该模型在准确性和鲁棒性方面都取得了显著改进,能更准确地识别滚动轴承的不同故障类型。
展开更多
关键词
故障诊断
滚动轴承
Mel光谱数据增强
深度残差网络
在线阅读
下载PDF
职称材料
面向FPGA部署的改进YOLO铝片表面缺陷检测系统
被引量：
2
2
作者
戴伟杰
王衍学
+1 位作者
李昕鸣
王祎颜
《电子测量与仪器学报》
CSCD
北大核心
2023年第9期160-167,共8页
在工业生产中,产品缺陷的智能检测是至关重要的。现场可编程门阵列(FPGA)是一种具有算力强、功耗低等特点的嵌入式设备,能够将小型卷积神经网络部署其中。本文基于Xilinx Zynq系列FPGA设计了一套改进YOLOv2目标检测算法,在模型框架中增...
在工业生产中,产品缺陷的智能检测是至关重要的。现场可编程门阵列(FPGA)是一种具有算力强、功耗低等特点的嵌入式设备,能够将小型卷积神经网络部署其中。本文基于Xilinx Zynq系列FPGA设计了一套改进YOLOv2目标检测算法,在模型框架中增加重排序层,对切片图进行并行计算处理后再重组,完成铝片表面缺陷的检测。该算法经过高层次设计(HLS)后,进行RTL转换与IP核封装,并导入到工程项目中完成SoC设计。通过综合、布局布线后生成比特流文件,导入至PYNQ镜像中,完成对铝片表面的工业缺陷检测。实验结果表明,本系统能够准确地检测出缺陷,并将功耗降低至2.494 W。
展开更多
关键词
FPGA
YOLOv2算法
高层次综合设计
PYNQ
异构计算
在线阅读
下载PDF
职称材料
小排量发动机系统模型的消声器的改进方法研究
被引量：
1
3
作者
张袁元
李想
+1 位作者
单榴
李昕鸣
《机械设计与制造》
北大核心
2022年第3期70-75,共6页
为降低单缸汽油机的排气噪声水平,有效提升其声学性能,通过建立发动机和消声器的系统耦合仿真模型,对消声器进行设计与改进。通过分析其阶次噪声及排气频谱图,着重优化消声器中低频段的消声性能,综合动力性和经济性选出最佳方案,从插入...
为降低单缸汽油机的排气噪声水平,有效提升其声学性能,通过建立发动机和消声器的系统耦合仿真模型,对消声器进行设计与改进。通过分析其阶次噪声及排气频谱图,着重优化消声器中低频段的消声性能,综合动力性和经济性选出最佳方案,从插入管孔径和有无套筒两个角度对其进行进一步优化。最终在确保消声性能明显提升的同时,1.0、1.5和2.0阶噪声均有明显下降,并兼顾了动力性和经济性,为优化改进体积容量较小的消声器提供了一种解决思路。
展开更多
关键词
小排量发动机
系统模型
性能仿真
声学优化
在线阅读
下载PDF
职称材料
题名
基于Mel光谱数据增强和ResNet网络的滚动轴承故障诊断模型
被引量：
2
1
作者
高志康
王衍学
姚家驰
李昕鸣
机构
北京建筑大学机电与车辆工程学院
出处
《机床与液压》
北大核心
2024年第19期203-208,共6页
基金
国家自然科学基金面上项目(51875032,52275079)
北京建筑大学研究生创新项目(PG2023131)
北京建筑大学青年教师科研能力提升计划项目(X23004)。
文摘
针对工业数据采集困难和稀疏数据特征提取能力有限等问题,提出一种基于Mel光谱数据增强和ResNet网络的滚动轴承故障诊断模型。为了增加训练样本数据的多样性,引入了Mel光谱数据增强技术,提高模型的泛化能力,使其能够更好地适应各种滚动轴承故障情况。通过ResNet网络残差单元的堆叠深度捕捉复杂的故障特征信息,进而有效识别滚动轴承的故障模式。最后,对实验现场采集的滚动轴承故障数据进行验证评估。结果表明:所提模型在增强数据集上的诊断准确率高达99.83%,比原始数据集准确率提高了1.39%;与其他方法相比,该模型在准确性和鲁棒性方面都取得了显著改进,能更准确地识别滚动轴承的不同故障类型。
关键词
故障诊断
滚动轴承
Mel光谱数据增强
深度残差网络
Keywords
fault diagnosis
rolling bearing
Mel spectral data enhancement
deep residual network
分类号
TH133.33 [机械工程—机械制造及自动化]
TP277 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
面向FPGA部署的改进YOLO铝片表面缺陷检测系统
被引量：
2
2
作者
戴伟杰
王衍学
李昕鸣
王祎颜
机构
北京建筑大学机电与车辆工程学院
出处
《电子测量与仪器学报》
CSCD
北大核心
2023年第9期160-167,共8页
基金
国家自然科学基金(51875032,52275079)
北京建筑大学研究生创新项目(PG2023131)资助。
文摘
在工业生产中,产品缺陷的智能检测是至关重要的。现场可编程门阵列(FPGA)是一种具有算力强、功耗低等特点的嵌入式设备,能够将小型卷积神经网络部署其中。本文基于Xilinx Zynq系列FPGA设计了一套改进YOLOv2目标检测算法,在模型框架中增加重排序层,对切片图进行并行计算处理后再重组,完成铝片表面缺陷的检测。该算法经过高层次设计(HLS)后,进行RTL转换与IP核封装,并导入到工程项目中完成SoC设计。通过综合、布局布线后生成比特流文件,导入至PYNQ镜像中,完成对铝片表面的工业缺陷检测。实验结果表明,本系统能够准确地检测出缺陷,并将功耗降低至2.494 W。
关键词
FPGA
YOLOv2算法
高层次综合设计
PYNQ
异构计算
Keywords
FPGA
YOLOv2 algorithm
high-level synthesis
PYNQ
heterogeneous computing
分类号
TN98 [电子电信—信息与通信工程]
在线阅读
下载PDF
职称材料
题名
小排量发动机系统模型的消声器的改进方法研究
被引量：
1
3
作者
张袁元
李想
单榴
李昕鸣
机构
南京工程学院汽车与轨道交通学院
出处
《机械设计与制造》
北大核心
2022年第3期70-75,共6页
基金
国家自然科学基金(51405221)
江苏省重点研发计划(产业前瞻与共性关键技术)重点项目(BE2017008-3)
文摘
为降低单缸汽油机的排气噪声水平,有效提升其声学性能,通过建立发动机和消声器的系统耦合仿真模型,对消声器进行设计与改进。通过分析其阶次噪声及排气频谱图,着重优化消声器中低频段的消声性能,综合动力性和经济性选出最佳方案,从插入管孔径和有无套筒两个角度对其进行进一步优化。最终在确保消声性能明显提升的同时,1.0、1.5和2.0阶噪声均有明显下降,并兼顾了动力性和经济性,为优化改进体积容量较小的消声器提供了一种解决思路。
关键词
小排量发动机
系统模型
性能仿真
声学优化
Keywords
Small Displacement Engine
System Model
Performance Simulation
Acoustic Optimization
分类号
TH16 [机械工程—机械制造及自动化]
U464 [机械工程—车辆工程]
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Mel光谱数据增强和ResNet网络的滚动轴承故障诊断模型
高志康
王衍学
姚家驰
李昕鸣
《机床与液压》
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
面向FPGA部署的改进YOLO铝片表面缺陷检测系统
戴伟杰
王衍学
李昕鸣
王祎颜
《电子测量与仪器学报》
CSCD
北大核心
2023
2
在线阅读
下载PDF
职称材料
3
小排量发动机系统模型的消声器的改进方法研究
张袁元
李想
单榴
李昕鸣
《机械设计与制造》
北大核心
2022
1
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
