-
题名基于卷积神经网络的焊接装配特征识别研究
被引量：1
- 1
-
-
作者
陈建强
秦娜
-
机构
西南交通大学电气工程学院
西南交通大学系统科学与技术研究所
-
出处
《计算机科学》
CSCD
北大核心
2020年第S02期215-218,235,共5页
-
基金
2017年度国家重点研发计划“智能机器人”重点专项(2017YFB1303402,2017YFB1303402-03)
国家自然科学基金项目(61603316,61773323)
四川省科技计划(2019YJ0210,2019YFG0345)。
-
文摘
为实现高铁白车身焊接拼装技术的智能化与自动化,解决焊接过程中特征区域小、背景干扰多等问题,提出了基于迁移学习和卷积神经网络的焊接装配特征快速识别算法。首先采用二值化等传统图像处理算法确定待提取特征的粗略位置,在此基础上再使用sobel、腐蚀、霍夫线段检测确定特征区域的精确位置。其次,考虑到不同环境下,精确定位后特征区域表现不同,故采用基于卷积神经网络的分类模型以增强预测模型的鲁棒性和准确性。最后,选择基于迁移学习的的视觉几何群网络(VGG16)来解决样本量不足以训练整个模型参数的问题。实验结果表明,本文所提的识别算法能够准确识别型材的状态,且在识别检测速度上优于YOLOV3,在准确率上劣于YOLOV3,算法满足使用场景下的实时性要求。
-
关键词
迁移学习
卷积神经网络
特征快速识别
霍夫线段检测
视觉几何群网络(vgg16)
-
Keywords
Transfer learning
Convolution neural network(CNN)
Fast feature recognition
Hough line segment detection
Visual geometry group network(vgg16)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名电动汽车充电系统串联电弧故障智能识别方法
被引量：6
- 2
-
-
作者
潘广旭
裴丽伟
李兴玉
王希涛
班云升
-
机构
国网日照供电公司
北京七星华创流量计有限公司
-
出处
《电力系统及其自动化学报》
CSCD
北大核心
2023年第10期107-114,共8页
-
基金
国网公司科技项目-基于人工智能技术的电动汽车充电系统放电检测与保护装置研发与应用(2022A-144)。
-
文摘
为解决电动汽车充电系统串联电弧故障电弧电流难以准确检测的问题,提出一种基于机器学习的电动汽车充电系统串联电弧故障识别方法。首先,搭建电动汽车充电系统电弧故障实验平台,采集不同工况下故障电弧电流数据;然后,采用离散傅里叶变换进行特征分析,并构建故障电弧特征数据集;最后,基于16层视觉几何群网络训练得到电弧故障检测模型,并利用各工况下测试集对电弧故障检测模型进行测试。研究结果表明该方法识别准确率均可达到98%以上,并拥有良好的抗干扰能力。
-
关键词
电动汽车充电系统
直流电弧
电弧故障检测
16层视觉几何群网络
-
Keywords
electric vehicle(EV)charging system
DC arc
arc fault detection
16-layer visual geometry group net-work(vgg16)
-
分类号
TM501.2
[电气工程—电器]
-
