检索结果-维普期刊中文期刊服务平台

基于BA-MKELM的微电网故障识别与定位被引量：2: 1; 作者吴忠强卢雪琴《计量学报》 CSCD 北大核心 2024年第2期253-260,共8页; 提出一种基于贝叶斯算法优化多核极限学习机的微电网故障识别和定位方法。针对极限学习机输入参数和隐含层节点数随机选取导致回归能力不足的问题,引入核函数,将多项式与高斯径向基核函数加权组合构成多核极限学习机建立故障识别与定位... 展开更多; 关键词电学计量微电网线路故障识别和定位贝叶斯算法多核极限学习机小波包分解; 在线阅读下载PDF 职称材料

深度学习引导的喷涂产线工件自动识别及分拣: 2; 作者黎小巨陈洵凛祝华春《机床与液压》北大核心 2025年第8期93-100,共8页; 针对工业混流式喷涂产线存在的产品特征复杂和环境干扰等问题,提出一种基于机器视觉及深度学习YOLOv5算法的目标工件识别、定位和抓取方法。通过开发数据增强算法和构建多尺度目标识别网络,显著提升了喷涂目标工件的识别精度。针对目标... 展开更多; 关键词深度学习数据集制作目标识别和定位网络训练 YOLOv5算法; 在线阅读下载PDF 职称材料

台阵网格自动定位方法在鄂尔多斯地块南部和秦岭-大别造山带的应用: 3; 作者杨延昭盖增喜《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第4期626-634,共9页; 利用新近发展起来的台阵网格自动事件定位方法,对鄂尔多斯地块及秦岭-大别造山带区域136个宽频带流动台站记录的连续波形进行扫描和定位。通过与地震目录的对比发现,不仅在常规地震带上分布着大量的事件,而且在地震目录中极少发生地震... 展开更多; 关键词识别和定位面波地震目录事件分布视速度; 在线阅读下载PDF 职称材料

基于机器视觉的工件的在线检测被引量：37: 4; 作者潘武张莉彦徐俊成《组合机床与自动化加工技术》北大核心 2012年第7期75-78,81,共5页; 利用HALCON软件提供的算子对摄像机内、外参数和机器人"手眼"系统进行标定,在此基础上结合视觉检测技术提出了一种工件在线缺陷检测的方法。该方法是根据触发时刻的空间位置来确定抓取时刻工件位置的一种空间相量平移方法,接... 展开更多; 关键词机器视觉相机标定识别和定位在线检测; 在线阅读下载PDF 职称材料

基于时域信号特征和卷积神经网络的模拟电路故障诊断算法被引量：7: 5; 作者赵师兵张志明《计算机应用》 CSCD 北大核心 2022年第S02期320-326,共7页; 模拟电路是现代电子技术的基础,及时识别与定位电路故障是保证系统正常工作的重要环节。针对此类工程问题,提出一种基于时域信号特征和卷积神经网络(CNN)的模拟电路故障判断算法。首先采集对象电路的激励输入和输出响应信号,经过处理后... 展开更多; 关键词双端口网络单元模拟电路故障诊断时域信号特征卷积神经网络识别和定位; 在线阅读下载PDF 职称材料

题名基于BA-MKELM的微电网故障识别与定位被引量：2: 1; 作者吴忠强卢雪琴; 机构燕山大学工业计算机控制工程河北省重点实验室; 出处《计量学报》 CSCD 北大核心 2024年第2期253-260,共8页; 基金河北省自然科学基金(F2020203014)。; 文摘提出一种基于贝叶斯算法优化多核极限学习机的微电网故障识别和定位方法。针对极限学习机输入参数和隐含层节点数随机选取导致回归能力不足的问题,引入核函数,将多项式与高斯径向基核函数加权组合构成多核极限学习机建立故障识别与定位模型,并采用贝叶斯算法对多核极限学习机相关参数进行优化,进一步提高模型的逼近能力。为了验证所提模型的故障识别与定位性能,选用极限学习机和多核极限学习机分别建立故障诊断模型进行比较分析。实验结果表明,所提方法能够高性能地识别和定位微电网中任何类型的故障,识别和定位精度更高。; 关键词电学计量微电网线路故障识别和定位贝叶斯算法多核极限学习机小波包分解; Keywords electrical measurement microgrid line fault identification and location bayesian algorithm multi-kernel extreme learning machine wavelet packet decomposition; 分类号 TB971 [机械工程—测试计量技术及仪器]; 在线阅读下载PDF 职称材料

题名深度学习引导的喷涂产线工件自动识别及分拣: 2; 作者黎小巨陈洵凛祝华春; 机构东莞城市学院城建与智造学院; 出处《机床与液压》北大核心 2025年第8期93-100,共8页; 基金广东省普通高校特色创新类项目(2021KTSCXl90) 广东省重大科研青年创新人才项目(2021KQNCX154) +1 种基金广东省一流课程建设项目(粤高教函[2023]33号)。; 文摘针对工业混流式喷涂产线存在的产品特征复杂和环境干扰等问题,提出一种基于机器视觉及深度学习YOLOv5算法的目标工件识别、定位和抓取方法。通过开发数据增强算法和构建多尺度目标识别网络,显著提升了喷涂目标工件的识别精度。针对目标定位难题,开发基于归一化平面换算的目标定位算法,联合IOU最优抓取区域评估策略,有效解决了机器人的自主定位问题。结果表明:所构建的深度学习网络在无干扰场景下能够高效识别多目标,准确率高达93%,目标抓取成功率达到87%;在复杂干扰场景下,该网络的识别准确率为87%,抓取成功率为80%,对于异类目标的检测准确率也达80%。; 关键词深度学习数据集制作目标识别和定位网络训练 YOLOv5算法; Keywords deep learning dataset creation target recognition and localization network training YOLOv5 algorithm; 分类号 TP161 [自动化与计算机技术—控制理论与控制工程] TG659 [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

题名台阵网格自动定位方法在鄂尔多斯地块南部和秦岭-大别造山带的应用: 3; 作者杨延昭盖增喜; 机构北京大学地球与空间科学学院河北红山地球物理国家野外科学观测研究站; 出处《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第4期626-634,共9页; 基金国家自然科学基金(41874071) 地震行业科研专项经费(201408013)资助。; 文摘利用新近发展起来的台阵网格自动事件定位方法,对鄂尔多斯地块及秦岭-大别造山带区域136个宽频带流动台站记录的连续波形进行扫描和定位。通过与地震目录的对比发现,不仅在常规地震带上分布着大量的事件,而且在地震目录中极少发生地震的区域出现大量地震事件集中分布的现象。这些事件主要分布于鄂尔多斯地块南部以及秦岭-大别造山带附近的断层带。经过对定位台站的抽样分析和对定位事件地震波形的仔细人工确认,验证了这些被扫描并定位的事件的真实性。通过慢度分析,获得所定位事件的面波传播视速度,绝大部分事件对应的视速度在2.5~5.2km/s之间,与地震面波群速度相符。所定位的地震事件可用于补充秦岭-大别造山带的地震目录,同时可以通过进一步的波形拟合来分析其震源机制。; 关键词识别和定位面波地震目录事件分布视速度; Keywords detect and locate surface wave seismic catalog events distribution apparent velocity; 分类号 P315 [天文地球—地震学]; 在线阅读下载PDF 职称材料

题名基于机器视觉的工件的在线检测被引量：37: 4; 作者潘武张莉彦徐俊成; 机构北京化工大学机电工程学院; 出处《组合机床与自动化加工技术》北大核心 2012年第7期75-78,81,共5页; 文摘利用HALCON软件提供的算子对摄像机内、外参数和机器人"手眼"系统进行标定,在此基础上结合视觉检测技术提出了一种工件在线缺陷检测的方法。该方法是根据触发时刻的空间位置来确定抓取时刻工件位置的一种空间相量平移方法,接着利用图像处理软件发出的电信号来控制机械手来完成缺陷工件的动态抓取工作。最后利用C++完成人机界面的设计,经调试可完成实时在线检测、可达到生产要求精度。; 关键词机器视觉相机标定识别和定位在线检测; Keywords machine vision camera calibration recognition and location on-line detection; 分类号 TH16 [机械工程—机械制造及自动化] TG65 [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

题名基于时域信号特征和卷积神经网络的模拟电路故障诊断算法被引量：7: 5; 作者赵师兵张志明; 机构同济大学电子与信息工程学院; 出处《计算机应用》 CSCD 北大核心 2022年第S02期320-326,共7页; 基金上海市教育委员会科研创新计划项目(202101070007E00098) 教育部产学合作协同育人项目(201902097012,201902016059) 同济大学双一流引导专项立项项目(4250145304/001)。; 文摘模拟电路是现代电子技术的基础,及时识别与定位电路故障是保证系统正常工作的重要环节。针对此类工程问题,提出一种基于时域信号特征和卷积神经网络(CNN)的模拟电路故障判断算法。首先采集对象电路的激励输入和输出响应信号,经过处理后成为1*N或2*N的时域信号序列输入CNN中,端到端实现从原始输入时域信号到故障识别期望输出的映射。实验仿真和实测结果表明,与经过信号预处理的频谱图+CNN和小波包变换+反向传播(BP)神经网络算法相比,该算法对结构性电路故障的识别正确率明显提高,在参数变化型电路故障的识别效果上总正确率相差不到1个百分点,但对于电路正常的判断正确率由93%提高到97%,避免出现某一具体故障正确率很低的情况,总体性能优于对比算法。该算法能够准确快速地识别和定位模拟电路中的结构性故障和参数变化型故障。; 关键词双端口网络单元模拟电路故障诊断时域信号特征卷积神经网络识别和定位; Keywords dual-port network unit fault diagnosis of analog circuits time domain signal features Convolutional Neural Network(CNN) identification and location; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构] TP183 [自动化与计算机技术—控制理论与控制工程]; 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BA-MKELM的微电网故障识别与定位	吴忠强卢雪琴	《计量学报》 CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
2	深度学习引导的喷涂产线工件自动识别及分拣	黎小巨陈洵凛祝华春	《机床与液压》北大核心	2025	0	在线阅读下载PDF 职称材料
3	台阵网格自动定位方法在鄂尔多斯地块南部和秦岭-大别造山带的应用	杨延昭盖增喜	《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心	2022	0	在线阅读下载PDF 职称材料
4	基于机器视觉的工件的在线检测	潘武张莉彦徐俊成	《组合机床与自动化加工技术》北大核心	2012	37	在线阅读下载PDF 职称材料
5	基于时域信号特征和卷积神经网络的模拟电路故障诊断算法	赵师兵张志明	《计算机应用》 CSCD 北大核心	2022	7	在线阅读下载PDF 职称材料