基于自适应多尺度形态梯度变换的滚动轴承故障特征提取 被引量：31

1

作者 李兵 张培林 +2 位作者 刘东升 米双山 任国全 《振动与冲击》 EI CSCD 北大核心 2011年第10期104-108,共5页

滚动轴承故障信号是一种典型的周期性冲击信号,如何从含有强噪声的振动信号中有效地提取出冲击特征信号是轴承故障诊断的关键。基于数学形态学理论,提出了一种自适应多尺度形态梯度变换(AMMG)方法,能够在有效抑制噪声的同时很好的保留... 滚动轴承故障信号是一种典型的周期性冲击信号,如何从含有强噪声的振动信号中有效地提取出冲击特征信号是轴承故障诊断的关键。基于数学形态学理论,提出了一种自适应多尺度形态梯度变换(AMMG)方法,能够在有效抑制噪声的同时很好的保留信号的细节。仿真信号和实测轴承故障信号的分析结果表明,与常用的包络解调分析和近来提出的另一种基于数学形态学的形态闭变换方法相比较,自适应多尺度形态梯度变换具有更强的噪声抑制和脉冲提取能力,并且计算简单、快速,为滚动轴承故障特征提取提供了一种有效的方法。 展开更多

关键词 数学形态学 自适应多尺度形态梯度 滚动轴承 故障诊断 特征提取

在线阅读 下载PDF 职称材料

基于CEEMDAN多尺度改进排列熵和SVM的空化噪声特征提取

2

作者 兀成龙 高翰林 +1 位作者 朱丹丹 李亚安 《振动与冲击》 EI CSCD 北大核心 2024年第13期190-197,216,共9页

当水下航行器处于高速航行时就会形成空化噪声,所产生的噪声会严重影响水下航行器的性能和安全。螺旋桨噪声包含着丰富的空化信息,是识别空化状态的有效手段。针对改进排列熵在单尺度下对原信号进行分析,无法有效区分不同空化状态,提出... 当水下航行器处于高速航行时就会形成空化噪声,所产生的噪声会严重影响水下航行器的性能和安全。螺旋桨噪声包含着丰富的空化信息,是识别空化状态的有效手段。针对改进排列熵在单尺度下对原信号进行分析,无法有效区分不同空化状态,提出了将改进排列熵与自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)相结合的空化噪声特征提取方法。首先,采用CEEMDAN方法对水下航行器螺旋桨的空化噪声进行分解,提取具有空化特征的固有模态函数(intrinsic mode function, IMF)分量;其次,选取相关系数最高的IMF分量并计算其多尺度改进排列熵(multi-scale improved permutation entropy, MIPE);最后,基于多尺度改进排列熵,建立支持向量机的特征分类模型。仿真和试验结果表明,该方法具有更好的可分性。 展开更多

关键词 多尺度改进排列熵(MIPE) 自适应噪声完备经验模态分解(CEEMDAN) 空化噪声 特征提取

在线阅读 下载PDF 职称材料

基于空洞卷积和增强型多尺度特征自适应融合的滚动轴承故障诊断 被引量：4

3

作者 韩康 战洪飞 +1 位作者 余军合 王瑞 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第6期1285-1295,共11页

传统卷积神经网络(CNN)在识别故障类型时存在从原始振动信号中提取特征不足以及提取特征过程中需要更大的感受野以充分捕获信号的时间相关性的局限.针对轴承振动信号固有的多尺度特征,提出基于空洞卷积和增强型多尺度自适应特征融合的模... 传统卷积神经网络(CNN)在识别故障类型时存在从原始振动信号中提取特征不足以及提取特征过程中需要更大的感受野以充分捕获信号的时间相关性的局限.针对轴承振动信号固有的多尺度特征,提出基于空洞卷积和增强型多尺度自适应特征融合的模型(DC-MAFFM).利用空洞卷积的大感受野提取信号特征,同时引入残差连接来减少卷积层上的信息损失,从而有效过滤信号中的噪声;设计改进的多尺度特征提取模块,在不同尺度上捕获互补的诊断特征,同时在各层都进行不同尺度特征融合,充分学习信号的高频和低频特征;利用提出的特征自适应融合模块对不同尺度的特征自适应赋予权重,增强判别特征学习的能力.在2个轴承数据集上进行验证,结果表明所提模型在噪声和变工况下有较强的诊断能力.在强噪声情况下,故障诊断准确率分别达到88.08%和75.56%,与其他方法相比有显著优势. 展开更多

关键词 故障诊断 空洞卷积 残差连接 多尺度特征提取 自适应融合

在线阅读 下载PDF 职称材料

基于层次化多尺度特征融合的金属缺陷分类模型

4

作者 李季桐 刘杰 +1 位作者 杨娜 王子宁 《仪器仪表学报》 北大核心 2025年第3期206-218,共13页

金属缺陷检测作为工业质量控制的关键环节,其检测精度直接影响制造业智能化进程。针对现有特征融合模块存在特征信息丢失、跨尺度信息交互不足以及识别准确率低等问题,提出一种基于层次化多尺度特征融合的分类模型。该模型通过融合Swin ... 金属缺陷检测作为工业质量控制的关键环节,其检测精度直接影响制造业智能化进程。针对现有特征融合模块存在特征信息丢失、跨尺度信息交互不足以及识别准确率低等问题,提出一种基于层次化多尺度特征融合的分类模型。该模型通过融合Swin Transformer与ConvNeXt两种网络架构的互补优势,构建了具有层次化感知能力的特征学习网络。其中,Swin Transformer采用移位窗口机制和多级自注意力机制有效捕获全局特征,ConvNeXt通过深度可分离卷积和高效卷积操作精准提取局部特征。为实现全局与局部的高效融合,创新性地设计自适应层次特征融合层,该层采用通道注意力机制、空间注意力机制和多尺度融合策略,实现全局与局部特征在多层次上的有效融合,同时在该层中增加多层倒残差融合模块,通过动态调整提取特征信息,以确保特征融合的精准性与可靠性。为验证模型的有效性,在公开NEU-DET和GC10-DET数据集上进行实验,准确率分别达到99.6%和96.9%。为验证模型的泛化性,在自建数据集上进行实验,准确率达到99.8%,与目前主流算法ConvNeXt、Swin transformer、VGG16、ResNet34模型相比,准确率分别提升3.4%、2.3%、4.3%、2.7%。实验结果表明,HMFF模型在金属缺陷检测领域具有更显著的分类准确性和鲁棒性,为工业场景下的高精度缺陷检测提供了新的研究方法。 展开更多

关键词 Swin Transformer ConvNeXt 缺陷分类 多尺度特征提取 自适应层次特征融合 多层倒残差连接

在线阅读 下载PDF 职称材料

基于Swin-Transformer的多尺度多源域自适应轴承故障诊断

5

作者 周玉国 张志凯 +2 位作者 张金超 于春风 周立俭 《机床与液压》 北大核心 2025年第1期32-42,共11页

针对当前多源域自适应方法无法充分挖掘多源域中不同尺度故障信息的问题,提出一种基于Swin-Transformer(Swin-T)的多尺度多源域自适应轴承故障诊断方法。通过连续小波变换,获得振动信号在不同频带的特征。为更充分地利用多源域中不同尺... 针对当前多源域自适应方法无法充分挖掘多源域中不同尺度故障信息的问题,提出一种基于Swin-Transformer(Swin-T)的多尺度多源域自适应轴承故障诊断方法。通过连续小波变换,获得振动信号在不同频带的特征。为更充分地利用多源域中不同尺度的故障信息,提出基于Swin-T的多尺度特征提取网络。为了减小各域之间的数据分布差异,构建基于最大均值差异的特征对齐网络,并根据不同尺度对分类的贡献赋予权值。此外,构建多尺度特征融合模块,对不同尺度的特征信息进行融合,得到故障特征集。最后,利用Softmax对特征集进行故障分类,并通过最小化多分类器预测差异损失得到最终分类结果。在凯斯西储大学和青岛理工大学轴承数据集上,该方法的故障分类准确度分别达到99.63%和99.40%。 展开更多

关键词 轴承 故障诊断 多源域自适应 Swin-Transformer 多尺度特征提取 最大均值差异

在线阅读 下载PDF 职称材料

基于色度饱和度-角度梯度直方图特征的尺度自适应核相关滤波跟踪 被引量：18

6

作者 王春平 王暐 +2 位作者 刘江义 付强 徐艳 《光学精密工程》 EI CAS CSCD 北大核心 2016年第9期2293-2301,共9页

针对核相关跟踪算法(KCF)对特征敏感及无法跟踪尺度的问题,本文从特征提取和尺度自适应两个方面对核相关滤波跟踪算法进行了研究。提出了一种基于色度饱和度-角度梯度直方图特征的自适应核相关跟踪算法来改善KCF算法的跟踪性能。首先,... 针对核相关跟踪算法(KCF)对特征敏感及无法跟踪尺度的问题,本文从特征提取和尺度自适应两个方面对核相关滤波跟踪算法进行了研究。提出了一种基于色度饱和度-角度梯度直方图特征的自适应核相关跟踪算法来改善KCF算法的跟踪性能。首先,研究了HSI颜色空间的特点,基于颜色和梯度是互补的图像特征,提出了一种融合了梯度和颜色的HHS-OG特征来有效提高原始KCF算法对目标和背景的判别力。其次,针对KCF无法处理目标尺度变化的问题,在跟踪的检测阶段采用一组固定的尺度因子进行图像块采样,根据得到的滤波响应图估计目标的最优位置和尺度。将所提算法在大量视频序列上进行了跟踪实验,结果显示其平均跟踪速度为37.5frame/s,跟踪精度和成功率分别提升了5.4%和10.1%。实验表明HHS-OG特征具有良好的目标-背景判别能力,能够实现鲁棒跟踪,而尺度自适应策略能较大程度地提高跟踪精度。 展开更多

关键词 视觉跟踪 核相关滤波跟踪 特征融合 特征提取 尺度自适应跟踪

在线阅读 下载PDF 职称材料

非负矩阵分解在发动机故障特征提取中的应用 被引量：10

7

作者 张培林 王怀光 +2 位作者 张磊 王卫国 李兵 《振动工程学报》 EI CSCD 北大核心 2013年第6期944-950,共7页

信号处理与特征参数提取是发动机故障诊断的核心和关键。提出了采用自适应多尺度形态梯度算法对信号进行处理,综合利用小尺度下能保留信号细节和大尺度下抑制噪声能力强的优点,能够在强噪声背景下有效地提取振动信号中能够反映发动机工... 信号处理与特征参数提取是发动机故障诊断的核心和关键。提出了采用自适应多尺度形态梯度算法对信号进行处理,综合利用小尺度下能保留信号细节和大尺度下抑制噪声能力强的优点,能够在强噪声背景下有效地提取振动信号中能够反映发动机工作状态的有用分量;在此基础上提出采用非负矩阵分解的特征提取方法对信号进行压缩,计算用于发动机故障诊断的特征参量。结果表明:与传统的信号处理与特征参量提取方法相比,所提的方法具有更高的分类精度,为准确判断发动机故障状态提供了一种行之有效的新方法。 展开更多

关键词 故障诊断 发动机 特征提取 自适应多尺度形态梯度 非负矩阵分解

在线阅读 下载PDF 职称材料

APLCD-WPT在滚动轴承特征提取算法中的应用 被引量：1

8

作者 赵晓平 周子贤 +2 位作者 王丽华 张永宏 陶润喆 《振动．测试与诊断》 EI CSCD 北大核心 2018年第3期472-478,共7页

针对滚动轴承特征频率提取问题,提出自适应部分集成局部特征尺度分解(adaptive partly-ensemble local charact-eristic-scale decomposition,简称APLCD)与小波包变换(wavelet package transform,简称WPT)结合的APLCD-WPT方法。首先,利... 针对滚动轴承特征频率提取问题,提出自适应部分集成局部特征尺度分解(adaptive partly-ensemble local charact-eristic-scale decomposition,简称APLCD)与小波包变换(wavelet package transform,简称WPT)结合的APLCD-WPT方法。首先,利用APLCD对滚动轴承振动信号进行处理,通过添加幅值随频率变化的噪声改善信号极值点分布,再提取内禀尺度分量(intrinsic mode component,简称ISC);其次,对ISC分量中模态混淆部分使用WPT进行修正,提取滚动轴承特征频率信号。应用提出方法对实测的卧式螺旋离心机振动信号进行研究,结果表明,基于APLCD-WPT的算法能够有效地解决模态混淆问题,实现特征频率信号的精确提取。 展开更多

关键词 滚动轴承 特征提取 模态混淆 自适应部分集成局部特征尺度分解 小波包

在线阅读 下载PDF 职称材料

一种自适应残差卷积自编码网络及其故障诊断应用

9

作者 潘天成 陈龙 +1 位作者 蒲春雷 陈志强 《机电工程》 北大核心 2025年第3期529-538,共10页

针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数... 针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数化修正线性单元(APReLU),建立了自适应残差模块(ARM),ARM可以对相似的输入特征进行自适应非线性变换,避免了特征的错误识别;其次,在CAE中嵌入多级ARM,构建了ARCAE,增加了CAE的深度,提取了更具鉴别性的深层次特征,同时有效防止了网络加深而造成的性能退化;最后,基于ARCAE建立了针对一维信号的故障诊断新方法,将其应用于无监督滚动轴承故障诊断中,并通过两个不同类型的实验,对上述方法的有效性进行了验证。研究结果表明:在恒定转速工况下,ARCAE的诊断准确率最高,平均准确率达到了97.05%,且标准差仅为0.007,远低于其他几种传统CAE网络;在变转速工况下,ARCAE模型诊断准确率仍然是最高的,平均准确率达到了93.25%,由此说明ARCAE具有较高的特征提取能力和分类准确率;此外,变转速工况下,由于转速变化导致不同状态的振动信号特征差异变大,诊断难度加大,但与其他几种传统CAE网络相比,ARCAE诊断准确率下降最少,仅为5.37%,说明ARCAE具有更强的鲁棒性和稳定性。 展开更多

关键词 滚动轴承 自适应残差卷积自编码网络 自适应参数化修正线性单元 自适应残差模块 无监督故障诊断 特征提取

在线阅读 下载PDF 职称材料

多尺度特征融合注意力新冠肺炎病灶分割网络 被引量：2

10

作者 林洁沁 黄新 《激光杂志》 CAS 北大核心 2024年第3期168-174,共7页

新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Atte... 新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Attention Network),以图像分割效果较为出色的U-Net网络为基础,通过全局池化层和设置空洞卷积的采样率,增大网络感受野,捕获多尺度信息,实现对大目标的有效分割;使用通道注意力与空间注意力,在空间维度上建模,有效提取图像深层特征。测试结果表明,改进后的算法与U-Net网络相比,分割的平均交并比提升了1.46%,类别平均像素准确率提升了0.8%,准确率提升了1.17%。 展开更多

关键词 图像处理 特征提取 卷积块注意力模块 空洞空间卷积池化金字塔 U-Net结构 多尺度特征融合

在线阅读 下载PDF 职称材料

融合全局多层次特征的跨尺度河流精准识别方法

11

作者 闫烁月 王庆 +4 位作者 钟康 张昌民 叶茂林 付安琪 刘远刚 《中国农村水利水电》 北大核心 2024年第6期10-20,共11页

高分辨率遥感影像中河流自动化精准识别,在河湖环境监测和流域变化研究等方面具有重要意义和研究价值。然而,因河流在影像中面积占比较小,易造成数据集正负样本不平衡。此外,河流具有形态多变和尺度变换复杂等特点,导致河流识别易出现... 高分辨率遥感影像中河流自动化精准识别,在河湖环境监测和流域变化研究等方面具有重要意义和研究价值。然而,因河流在影像中面积占比较小,易造成数据集正负样本不平衡。此外,河流具有形态多变和尺度变换复杂等特点,导致河流识别易出现边界不连续和格网效应等问题。基于此,提出一种融合全局多层次特征的跨尺度河流精准识别方法。首先,选取全球具有明显特征的曲流河和辫状河,创建多特征河流数据集,以此增加数据多样性。其次,以轻量级语义分割模型Segformer为主干网络搭建R-Seg模型,设计全局多层次特征提取GASPP模块,通过各阶段与Transformer级联提取多尺度特征,使得模型能更好捕捉河流影像上下文特征信息,减少信息损失并放大全局维度交互特征。最后,提出基于掩膜加权投票的跨尺度河流影像预测方法,通过对大场景河流影像进行滑窗裁剪,将各单元预测块与特定掩膜加权相乘得到子预测结果,并按照重叠投票方式依次拼接组成最终结果,实现不同尺度河流影像精准识别。实验证明,在所构建包含曲流河和辫状河的多特征数据集中,通过与其他方法对比可发现:在定性方面,R-Seg整体网络结构既能确保主干河流的识别精度,又能缓解细小河流断流现象,有效平滑河流边界,对500×500小尺度河流影像识别具有较好的鲁棒性;此外,采用掩膜加权投票方法,能有效减少格网效应造成的单元图块边缘缺失问题,充分利用单元图块预测结果,提升对更大场景遥感影像的适应能力和河流预测精度,实现不同尺度河流影像精准识别。从定量角度,方法各类精度评价指标相对最优,总体精度可达99.49%;其次,对单张影像识别时间不到1 s,效率可满足大多数实际要求。此外,相比于纯粹重叠预测策略,掩膜加权投票预测策略的河流识别总体精度高约0.28%~6.93%;通过调整重叠度参数可发现,重叠度与精度并非正相关,大约在12.5%精度能达到相对最优。方法通过设计R-Seg网络模型和提出掩膜加权投票预测方法,能一定程度上减少河流边界识别不连续和格网效应等问题,有效提升不同场景下遥感影像河流识别精度,具有较好的鲁棒性和目视效果,识别结果对河流地质勘探及流域变化等有重要应用价值。 展开更多

关键词 高分辨率遥感影像 河流精准识别 Segformer 全局多层次特征提取模块 掩膜加权投票预测 跨尺度

在线阅读 下载PDF 职称材料

基于AWMMD的柴油机气缸故障特征提取方法研究 被引量：3

12

作者 王珉 秦国军 廖亦凡 《振动与冲击》 EI CSCD 北大核心 2023年第7期333-340,共8页

针对柴油机气缸故障诊断时的噪声干扰问题,提出一种自适应加权多尺度形态分解(adaptive weighted multi-scale morphological decomposing, AWMMD)方法,从各个缸盖表面振动信号中提取故障特征。基于三种组合算子构造一种新的组合差值形... 针对柴油机气缸故障诊断时的噪声干扰问题,提出一种自适应加权多尺度形态分解(adaptive weighted multi-scale morphological decomposing, AWMMD)方法,从各个缸盖表面振动信号中提取故障特征。基于三种组合算子构造一种新的组合差值形态滤波器,用于对振动信号进行多尺度分解;以Teager能量峭度作为评判指标,设计基于遗传算法的各尺度形态模式分量(morphological mode component, MMC)权值自适应分配算法,提出加权多尺度形态分解方法;将自适应权值与多尺度分解的形态模式分量进行绑定,得到优化的故障特征提取结果。仿真信号测试与柴油机故障模拟信号分析结果表明,该方法能有效抑制噪声干扰并提取故障特征。 展开更多

关键词 柴油机气缸 振动信号 特征提取 多尺度形态分解(MMD) 自适应加权(AW)

在线阅读 下载PDF 职称材料

多特征融合的尺度自适应目标跟踪 被引量：1

13

作者 张原园 艾斯卡尔·艾木都拉 玛依热·依布拉音 《现代电子技术》 2022年第23期33-40,共8页

针对目标跟踪过程中出现的平面旋转、快速运动、背景杂乱、遮挡等复杂状况导致的跟踪失败问题,提出一种基于背景感知相关滤波跟踪器的多特征融合的尺度自适应目标跟踪算法。首先在特征提取过程中通过在原有方向梯度直方图特征下加入了... 针对目标跟踪过程中出现的平面旋转、快速运动、背景杂乱、遮挡等复杂状况导致的跟踪失败问题,提出一种基于背景感知相关滤波跟踪器的多特征融合的尺度自适应目标跟踪算法。首先在特征提取过程中通过在原有方向梯度直方图特征下加入了颜色特征和灰度特征以提高目标的特征识别;然后在滤波器更新阶段,利用峰值旁瓣比来减弱遮挡等复杂环境对跟踪的影响;最后通过尺度估计方法,在以目标位置为中心以不同尺度所产生的图像块中选择响应值最高的来更新目标。主要思想就是对目标跟踪流程两端进行改进,通过加入特征提取类型来突出目标特征,通过加入峰值旁瓣比和尺度估计来选择最好的响应结果进行更新,从而达到提高跟踪准确率的要求,同时跟踪速度也要满足实时要求。通过在OTB2015数据集中测试,算法整体的精确率和成功率都有了很好的提升,算法精确率达到84.1%,成功率达到79.5%,45 f/s能够满足实时跟踪的要求。在平面旋转、快速运动、遮挡等多个复杂环境下都有了很好的改善,结果表明该方法具有较高的理论价值和工程应用价值。 展开更多

关键词 目标跟踪 尺度自适应 多特征融合 相关滤波 特征提取 峰值旁瓣比

在线阅读 下载PDF 职称材料

基于MOMEDA和IITD的滚动轴承微弱故障特征提取 被引量：2

14

作者 赵磊 张永祥 朱丹宸 《海军工程大学学报》 CAS 北大核心 2019年第1期57-61,共5页

为了清晰准确地提取出强背景噪声下滚动轴承微弱故障特征,对采集的外圈故障轴承的振动信号用MOMEDA进行信号增强;然后,利用IITD分解得到一系列模态,并对分解得到的模态进行包络解调提取故障特征;最后,进行了故障模拟实验,实验结果表明... 为了清晰准确地提取出强背景噪声下滚动轴承微弱故障特征,对采集的外圈故障轴承的振动信号用MOMEDA进行信号增强;然后,利用IITD分解得到一系列模态,并对分解得到的模态进行包络解调提取故障特征;最后,进行了故障模拟实验,实验结果表明了该方法的有效性。 展开更多

关键词 滚动轴承 自适应多点最优最小熵解卷积 改进的固有时间尺度分解 特征提取

在线阅读 下载PDF 职称材料

基于CEEMDAN与改进一维多尺度卷积神经网络结合的滚动轴承故障诊断

15

作者 马宁 赵荣珍 郑玉巧 《兰州理工大学学报》 北大核心 2025年第1期45-54,共10页

针对滚动轴承信号微弱故障特征提取困难、故障诊断依靠大量专家经验和故障识别率低等问题,提出了融合自适应噪声完备集合经验模态分解与改进一维多尺度卷积神经网络的滚动轴承故障诊断方法.首先,采用自适应噪声完备集合经验模态分解对... 针对滚动轴承信号微弱故障特征提取困难、故障诊断依靠大量专家经验和故障识别率低等问题,提出了融合自适应噪声完备集合经验模态分解与改进一维多尺度卷积神经网络的滚动轴承故障诊断方法.首先,采用自适应噪声完备集合经验模态分解对轴承信号进行消噪处理,并利用皮尔逊相关系数法对所得IMF分量进行信号重构;其次,在网络首层将大尺寸卷积核与空洞卷积结合,并引入金字塔场景解析网络提出改进的一维多尺度卷积神经网络,对故障特征信息进行提取,采用PSO算法对卷积核进行参数寻优;最后,融合多尺度特征信息完成网络学习,并输入Sofmax分类器,实现滚动轴承故障诊断.采用西储大学轴承数据集和HZXT-DS-001型双跨综合故障模拟实验台的滚动轴承故障数据进行了验证.结果表明,相比传统故障诊断方法该方法可以得到良好的诊断结果. 展开更多

关键词 自适应噪声完备集合经验模态分解 一维卷积神经网络 多尺度特征提取 特征可视化 故障诊断

在线阅读 下载PDF 职称材料

基于自适应多尺度形态梯度与非负矩阵分解的轴承故障诊断 被引量：5

16

作者 刘东升 李元 +2 位作者 杨博文 张帅 李兵 《振动与冲击》 EI CSCD 北大核心 2013年第19期106-110,共5页

轴承故障诊断的关键步骤是信号处理与特征参数提取。提出采用自适应多尺度形态梯度算法对轴承振动信号进行处理,综合利用小尺度下能保留信号细节和大尺度下抑制噪声的优点,可有效地提取振动信号中反映轴承状态的冲击分量;在此基础上提... 轴承故障诊断的关键步骤是信号处理与特征参数提取。提出采用自适应多尺度形态梯度算法对轴承振动信号进行处理,综合利用小尺度下能保留信号细节和大尺度下抑制噪声的优点,可有效地提取振动信号中反映轴承状态的冲击分量;在此基础上提出采用非负矩阵分解技术对信号进行压缩,计算用于轴承故障诊断的特征参量。采用轴承在七种状态下的振动信号对所提出的信号处理和特征参数提取方法进行验证,结果表明:与传统的信号处理与特征参量提取方法相比,本文提出的方法具有更高的轴承故障分类精度,为准确判断轴承工作状态提供了一种行之有效的新方法。 展开更多

关键词 自适应多尺度形态梯度 非负矩阵分解 轴承 特征提取 故障诊断

在线阅读 下载PDF 职称材料

多尺度特征融合注意力网络的水下图像增强 被引量：4

17

作者 刘玉珍 刘美怡 +1 位作者 林森 陶志勇 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第5期685-695,共11页

水下图像在海洋资源探索中具有重要作用.针对现有的水下增强方法存在去雾不彻底和细节丢失等问题,提出一种基于多尺度特征融合注意力网络的水下图像增强方法.首先,采用多特征提取模块获取图像特征,学习不同空间的特征信息,并通过特征融... 水下图像在海洋资源探索中具有重要作用.针对现有的水下增强方法存在去雾不彻底和细节丢失等问题,提出一种基于多尺度特征融合注意力网络的水下图像增强方法.首先,采用多特征提取模块获取图像特征,学习不同空间的特征信息,并通过特征融合模块加强不同空间信息的有效联系,实现特征的复用和深层次的学习;然后,构建特征调制模块,将低质量信息特征转换为高质量信息特征,包括通道和像素注意残差块,将其堆叠成链式结构,通过动态调制多级特征增强图像细节,并抑制冗余信息;最后,构建包含均方差损失函数、L1损失函数和感知损失函数的多项式损失函数,引入异步训练模式提高网络性能.实验结果表明,基于EUVP数据集、合成的SUDS数据集和UFO-120数据集,该方法在主观视觉质量和客观评价指标(UCIQE,NIQE,SURF以及信息熵)上均优于其他经典及新颖方法,增强后水下图像去雾效果良好,并且在恢复图像细节方面也具有明显优势,显著地提高了水下图像的视觉质量. 展开更多

关键词 图像处理 多尺度 特征提取 注意力机制 特征调制模块

在线阅读 下载PDF 职称材料

基于双流自适应时空增强图卷积网络的手语识别 被引量：1

18

作者 金彦亮 吴筱溦 《应用科学学报》 CAS CSCD 北大核心 2024年第2期189-199,共11页

针对提取手语特征过程中出现的信息表征能力差、信息不完整问题,设计了一种双流自适应时空增强图卷积网络(two-stream adaptive enhanced spatial temporal graph convolutional network,TAEST-GCN)实现基于孤立词的手语识别。该网络使... 针对提取手语特征过程中出现的信息表征能力差、信息不完整问题,设计了一种双流自适应时空增强图卷积网络(two-stream adaptive enhanced spatial temporal graph convolutional network,TAEST-GCN)实现基于孤立词的手语识别。该网络使用人体身体、手部和面部节点作为输入,构造基于人体关节和骨骼的双流结构。通过自适应时空图卷积模块生成不同部位之间的连接,并充分利用其中的位置和方向信息。同时采用残差连接方式设计自适应多尺度时空注意力模块,进一步增强该网络在空域和时域的卷积能力。将双流网络提取到的有效特征进行加权融合,可以分类输出手语词汇。最后在公开的中文手语孤立词数据集上进行实验,在100类词汇和500类词汇分类任务中准确率达到了95.57%和89.62%。 展开更多

关键词 骨架数据 双流结构 自适应时空图卷积模块 自适应多尺度时空注意力模块 特征融合

在线阅读 下载PDF 职称材料

面向城市复杂场景的多尺度监督融合变化检测

19

作者 潘建平 谢鹏 +2 位作者 郭志豪 林娜 张慧娟 《遥感信息》 CSCD 北大核心 2024年第4期23-32,共10页

城市复杂场景中,地物形状多样,光照和成像角度变化大会导致变化检测结果受到干扰。为解决这些问题,文章提出了一种双上下文多尺度监督融合的网络模型(dual context multi-scale supervised fusion network model,DCMSFNet)。首先,在编... 城市复杂场景中,地物形状多样,光照和成像角度变化大会导致变化检测结果受到干扰。为解决这些问题,文章提出了一种双上下文多尺度监督融合的网络模型(dual context multi-scale supervised fusion network model,DCMSFNet)。首先,在编码部分使用双上下文增强模块获得地物丰富的全局上下文信息。在解码部分,采用级联的方法组合特征,然后通过自适应注意力模块捕捉不同尺度的变化关系,设计多尺度监督融合模块,增强深度网络融合,获得具有更高辨别能力的变化区域特征,将不同层级的输出结果与主网络的重构变化图融合形成最终的变化检测结果。该模型在LEVIR-CD和SYSU-CD变化检测数据集取得了较好的结果,F1-score分别提高了1.58%和2.17%,可更加精确识别复杂场景的变化区域,进一步减少无关因素引起的误检和漏检,且对目标地物边缘的检测更加平滑。 展开更多

关键词 深度学习 变化检测 双上下文增强 自适应注意力模块 多尺度监督融合

在线阅读 下载PDF 职称材料

基于改进D2Det尺度自适应目标检测算法研究 被引量：1

20

作者 王玲 黄冠 +2 位作者 王鹏 白燕娥 邱天衡 《计算机科学》 CSCD 北大核心 2023年第S02期174-182,共9页

针对D2Det(Towards High Quality Object Detection and Instance Segmentation)面对尺度变化目标和小目标的检测效果不佳并且参数量较大的问题,基于D2Det提出一种尺度自适应的目标检测模型G-SAD2Det。首先在数据预处理阶段引入数据增... 针对D2Det(Towards High Quality Object Detection and Instance Segmentation)面对尺度变化目标和小目标的检测效果不佳并且参数量较大的问题,基于D2Det提出一种尺度自适应的目标检测模型G-SAD2Det。首先在数据预处理阶段引入数据增强算法CutOut和Mosaic,使模型应对复杂场景时有较好的鲁棒性;其次改进特征提取网络ResNet,在每个残差块内构建多尺度特征提取结构,从细粒度层面上更好地提取目标特征,同时在网络结构上添加可切换的全局上下文语义特征提取模块,通过不同池化层来增强显著性特征和全局上下文语义信息;然后改进候选框生成模块,采用自主定位目标中心区域指导候选框的生成,增强算法对尺度变换目标的自适应能力;最后通过Ghost卷积替换普通卷积降低网络的参数量和计算量。使用VOC数据集和COCO子数据集验证算法的有效性,G-SAD2Det比D2Det在两个数据集上的mAP@0.5分别提升了3.6%和4.9%;模型参数量减少了27.42%,计算量减少了35.96%,证明改进后的算法在提高了精度的同时也减少了计算量。 展开更多

关键词 目标检测 尺度自适应 多尺度特征提取 残差块 区域指导候选框

在线阅读 下载PDF 职称材料