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
基于联合卷积变分自编码器和预测器的UWB定位算法
1
作者
古玉锋
李真
+1 位作者
高世椿
黎程山
《仪器仪表学报》
北大核心
2025年第1期182-192,共11页
某室内三线自动驾驶轨道交通系统使用了超宽带(UWB)定位系统,车辆的高精度定位是提高其运行可靠性和调度效率的关键技术。基于UWB定位精度的分析,提出了一种基于联合卷积变分自编码器和预测器(VAE-CNN)的非视距鉴别、测距误差补偿与神...
某室内三线自动驾驶轨道交通系统使用了超宽带(UWB)定位系统,车辆的高精度定位是提高其运行可靠性和调度效率的关键技术。基于UWB定位精度的分析,提出了一种基于联合卷积变分自编码器和预测器(VAE-CNN)的非视距鉴别、测距误差补偿与神经网络定位误差补偿的三步UWB定位算法。首先,采集标签与基站的测距误差和信道脉冲响应(CIR)数据,训练VAE-CNN模型,根据原始CIR和重建CIR的可信度阈值剔除非视距测距值。其次,根据预测器的预测误差补偿原始测距值,使用最小二乘法计算坐标和该坐标相对于各个基站坐标的方向余弦,训练神经网络用于拟合定位误差与方向余弦的关系。在已公开的包含视距和非视距的UWB测距值和CIR数据集上,验证了VAE-CNN模型的非视距鉴别能力,评估了基于VAE-CNN模型的非视距鉴别和测距误差补偿对定位精度的提升效果;在不同测距方差下,基于车辆模拟运行轨迹,评估了定位误差补偿神经网络提高定位精度的效果。搭建了UWB定位系统,验证了动态定位中三步UWB定位算法的实际效果。结果表明,动态定位中,在完全视距环境中,算法的平均定位误差为28.68 mm,均方根定位误差为16.67 mm,最大定位误差为76.68 mm;存在非视距的环境中,算法的平均定位误差为38.73 mm,均方根定位误差为20.61 mm,最大定位误差为116.47 mm。由此可知,所提出的三步UWB定位算法具有精度高、成本低和稳定性好的优点,能满足所涉及的室内轨道交通的定位需求。
展开更多
关键词
三线室内轨道交通
UWB定位
卷积变分自编码器
非视距鉴别
误差补偿
在线阅读
下载PDF
职称材料
基于卷积变分自编码器的异常事件检测方法
被引量：
8
2
作者
于晓升
许茗
+2 位作者
王莹
王思齐
胡楠
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021年第5期151-158,共8页
针对传统的异常事件检测方法中手工提取的浅层特征无法统一表达不同场景的表观和运动信息问题,提出了一种基于卷积变分自编码器(Con VAE)的异常事件检测方法。首先构建了一个卷积变分自编码器网络,以视频帧序列作为网络输入,提取场景的...
针对传统的异常事件检测方法中手工提取的浅层特征无法统一表达不同场景的表观和运动信息问题,提出了一种基于卷积变分自编码器(Con VAE)的异常事件检测方法。首先构建了一个卷积变分自编码器网络,以视频帧序列作为网络输入,提取场景的深度特征;接着采用多变量高斯模型对在所有帧序列的深度特征图中位于同一位置的特征向量进行拟合,获得对应于原始输入中不同感受野的多变量高斯模型;对于测试样本的深度特征在其对应的高斯模型中的拟合程度,作为异常检测的判断标准。使用UCSD异常事件检测数据集对本文提出的方法进行实验验证,在帧级别与像素级别两种级别的度量标准中,本文算法分别取得了95.7%和69.9%的受试者工作特征曲线下面积值。
展开更多
关键词
卷积变分自编码器
异常事件检测
深度特征
多
变
量高斯模型
在线阅读
下载PDF
职称材料
基于卷积变分自编码器的滚珠丝杠副异常监测
3
作者
文娟
王午炎
+1 位作者
郑磊
潘柏松
《计算机集成制造系统》
2025年第8期2999-3010,共12页
为解决滚珠丝杠副状态监测中面临的异常状态数据缺少问题,基于卷积变分自编码器(CNVAE)和动态核密度估计模型,提出一种无需故障数据的滚珠丝杠副异常监测方法。首先,采用一维卷积神经网络构建变分自编码器,以早期正常阶段采集的信号作...
为解决滚珠丝杠副状态监测中面临的异常状态数据缺少问题,基于卷积变分自编码器(CNVAE)和动态核密度估计模型,提出一种无需故障数据的滚珠丝杠副异常监测方法。首先,采用一维卷积神经网络构建变分自编码器,以早期正常阶段采集的信号作为输入,训练得到能够对正常数据进行重构的CNVAE模型。然后,将实时信号输入CNVAE模型中得到重构误差,作为表征滚珠丝杠副退化状态的健康指标。最后,采用一个在时间尺度上滑动的窗口选取不同时间段内的重构误差构成时间序列,输入核密度估计模型中,通过观测滑动窗口内重构误差的概率分布变化自动判定滚珠丝杠副是否出现异常。实验结果表明,提出方法能够区分滚珠丝杠副的不同退化阶段,表征滚珠丝杠副的退化演变过程,相比于传统方法能够更早地检测到滚珠丝杠副的异常。
展开更多
关键词
异常监测
卷积变分自编码器
核密度估计
滚珠丝杠副
退化阶段识别
在线阅读
下载PDF
职称材料
题名
基于联合卷积变分自编码器和预测器的UWB定位算法
1
作者
古玉锋
李真
高世椿
黎程山
机构
长安大学道路施工技术与装备教育部重点实验室
出处
《仪器仪表学报》
北大核心
2025年第1期182-192,共11页
基金
国家自然科学基金(52205249)项目资助。
文摘
某室内三线自动驾驶轨道交通系统使用了超宽带(UWB)定位系统,车辆的高精度定位是提高其运行可靠性和调度效率的关键技术。基于UWB定位精度的分析,提出了一种基于联合卷积变分自编码器和预测器(VAE-CNN)的非视距鉴别、测距误差补偿与神经网络定位误差补偿的三步UWB定位算法。首先,采集标签与基站的测距误差和信道脉冲响应(CIR)数据,训练VAE-CNN模型,根据原始CIR和重建CIR的可信度阈值剔除非视距测距值。其次,根据预测器的预测误差补偿原始测距值,使用最小二乘法计算坐标和该坐标相对于各个基站坐标的方向余弦,训练神经网络用于拟合定位误差与方向余弦的关系。在已公开的包含视距和非视距的UWB测距值和CIR数据集上,验证了VAE-CNN模型的非视距鉴别能力,评估了基于VAE-CNN模型的非视距鉴别和测距误差补偿对定位精度的提升效果;在不同测距方差下,基于车辆模拟运行轨迹,评估了定位误差补偿神经网络提高定位精度的效果。搭建了UWB定位系统,验证了动态定位中三步UWB定位算法的实际效果。结果表明,动态定位中,在完全视距环境中,算法的平均定位误差为28.68 mm,均方根定位误差为16.67 mm,最大定位误差为76.68 mm;存在非视距的环境中,算法的平均定位误差为38.73 mm,均方根定位误差为20.61 mm,最大定位误差为116.47 mm。由此可知,所提出的三步UWB定位算法具有精度高、成本低和稳定性好的优点,能满足所涉及的室内轨道交通的定位需求。
关键词
三线室内轨道交通
UWB定位
卷积变分自编码器
非视距鉴别
误差补偿
Keywords
three-line indoor rail transit
UWB location
convolutional variational auto-encoder
non-line-of-sight identification
error compensation
分类号
TH70 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
基于卷积变分自编码器的异常事件检测方法
被引量：
8
2
作者
于晓升
许茗
王莹
王思齐
胡楠
机构
东北大学机器人科学与工程学院
沈阳建筑大学信息与控制工程学院
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021年第5期151-158,共8页
基金
中央高校基本科研业务费专项资金项目(N2026005)
中国科学院光电信息处理重点实验室开放基金项目(OEIP-O-202005)
辽宁省教育厅科学研究经费项目(lnqn202014)资助。
文摘
针对传统的异常事件检测方法中手工提取的浅层特征无法统一表达不同场景的表观和运动信息问题,提出了一种基于卷积变分自编码器(Con VAE)的异常事件检测方法。首先构建了一个卷积变分自编码器网络,以视频帧序列作为网络输入,提取场景的深度特征;接着采用多变量高斯模型对在所有帧序列的深度特征图中位于同一位置的特征向量进行拟合,获得对应于原始输入中不同感受野的多变量高斯模型;对于测试样本的深度特征在其对应的高斯模型中的拟合程度,作为异常检测的判断标准。使用UCSD异常事件检测数据集对本文提出的方法进行实验验证,在帧级别与像素级别两种级别的度量标准中,本文算法分别取得了95.7%和69.9%的受试者工作特征曲线下面积值。
关键词
卷积变分自编码器
异常事件检测
深度特征
多
变
量高斯模型
Keywords
convolutional variational auto-encoder
anomaly detection
deep features
multiple Gaussian models
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于卷积变分自编码器的滚珠丝杠副异常监测
3
作者
文娟
王午炎
郑磊
潘柏松
机构
浙江工业大学机械工程学院
出处
《计算机集成制造系统》
2025年第8期2999-3010,共12页
基金
国家自然科学基金资助项目(51475425)
绍兴市“揭榜挂帅”制科技资助项目(2021B41006)
浙江省博士后科研项目择优资助项目(273426)。
文摘
为解决滚珠丝杠副状态监测中面临的异常状态数据缺少问题,基于卷积变分自编码器(CNVAE)和动态核密度估计模型,提出一种无需故障数据的滚珠丝杠副异常监测方法。首先,采用一维卷积神经网络构建变分自编码器,以早期正常阶段采集的信号作为输入,训练得到能够对正常数据进行重构的CNVAE模型。然后,将实时信号输入CNVAE模型中得到重构误差,作为表征滚珠丝杠副退化状态的健康指标。最后,采用一个在时间尺度上滑动的窗口选取不同时间段内的重构误差构成时间序列,输入核密度估计模型中,通过观测滑动窗口内重构误差的概率分布变化自动判定滚珠丝杠副是否出现异常。实验结果表明,提出方法能够区分滚珠丝杠副的不同退化阶段,表征滚珠丝杠副的退化演变过程,相比于传统方法能够更早地检测到滚珠丝杠副的异常。
关键词
异常监测
卷积变分自编码器
核密度估计
滚珠丝杠副
退化阶段识别
Keywords
anomaly monitoring
convolutional variational autoencoder
kernel density estimation
ball screw
degradation stage identification
分类号
TG659 [金属学及工艺]
TP18 [金属学及工艺—金属切削加工及机床]
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
基于联合卷积变分自编码器和预测器的UWB定位算法
古玉锋
李真
高世椿
黎程山
《仪器仪表学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于卷积变分自编码器的异常事件检测方法
于晓升
许茗
王莹
王思齐
胡楠
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021
8
在线阅读
下载PDF
职称材料
3
基于卷积变分自编码器的滚珠丝杠副异常监测
文娟
王午炎
郑磊
潘柏松
《计算机集成制造系统》
2025
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
