检索结果-维普期刊中文期刊服务平台

基于天空区域分割与边缘优化的图像去雾算法: 1; 作者赵小强周康毅《兰州理工大学学报》北大核心 2025年第1期92-99,共8页; 针对暗通道先验算法对天空区域和景深突变区域处理能力不足,复原后的图像存在光晕以及颜色失真等降质问题,提出一种将区域分割与边缘优化相结合的去雾算法.首先,提出一种有效的自适应阈值分割算法,将有雾图像中的天空区域和非天空区域... 展开更多; 关键词暗通道先验天空区域分割透射率权重边缘优化色调映射; 在线阅读下载PDF 职称材料

基于空间特征交叉融合的轻量级图像超分辨率重建被引量：1: 2; 作者赵小强程伟《兵工学报》 EI CAS CSCD 北大核心 2024年第4期1273-1284,共12页; 近几年,深度学习技术显著提高了单幅图像超分辨率重建(Single Image Super-resolution Reconstruction,SISR)的性能,但基于深度学习技术的SISR算法存在模型参数量大、网络结构复杂、资源消耗多等问题。为解决这些问题,提出一种基于空间... 展开更多; 关键词超分辨率轻量化异构卷积特征交叉; 在线阅读下载PDF 职称材料

基于BiLSTM和改进注意力机制的高铁车载设备故障诊断被引量：10: 3; 作者魏伟赵小强 +1 位作者丁艳华范亮亮《铁道学报》 EI CAS CSCD 北大核心 2022年第11期53-62,共10页; 针对列控车载设备故障诊断多依赖于人工经验判断,智能化、自动化程度较低,影响列车运输安全和效率等问题,提出基于双向长短期记忆(BiLSTM)和改进注意力机制的车载设备故障诊断模型。首先根据应用程序事件日志文件的特点,通过BERT生成词... 展开更多; 关键词车载设备故障诊断词向量长短期记忆网络注意力机制; 在线阅读下载PDF 职称材料

基于双路并行多尺度ResNet的滚动轴承故障诊断方法被引量：10: 4; 作者赵小强张毓春《振动与冲击》 EI CSCD 北大核心 2023年第3期199-208,共10页; 针对传统方法在滚动轴承故障诊断中无法自适应提取有效特征信息,且滚动轴承在强环境噪声干扰、复杂变工况等因素影响下诊断效果不佳,有抗噪性和泛化性下降的问题,提出了一种双路并行多尺度的改进残差神经网络(residual neural network, ... 展开更多; 关键词故障诊断滚动轴承变工况注意力机制多尺度ResNet; 在线阅读下载PDF 职称材料

基于SIR多级残差连接密集网络的轴承故障诊断被引量：5: 5; 作者赵小强罗维兰梁浩鹏《兰州理工大学学报》 CAS 北大核心 2022年第6期46-54,共9页; 为了研究旋转机械的滚动轴承在复杂工况下从时变性强、微弱信号中提取特征信息的性能,提出了基于SIR多级残差连接密集网络的轴承故障诊断方法.首先,设计SIR模块,该模块将对输入的数据特征通道赋予不同的权重并拓宽网络的宽度,提取更加... 展开更多; 关键词故障诊断滚动轴承残差密集网络特征重标定变工况; 在线阅读下载PDF 职称材料

题名基于天空区域分割与边缘优化的图像去雾算法: 1; 作者赵小强周康毅; 机构兰州理工大学电气工程与信息工程学院兰州理工大学甘肃省工业过程先进控制重点实验室兰州理工大学国家级电气与控制工程实验室教学中心; 出处《兰州理工大学学报》北大核心 2025年第1期92-99,共8页; 基金国家自然科学基金(62263021) 甘肃省高校产业支撑计划项目(2023CYZC-24) 甘肃省科技计划资助项目(21JR7RA206)。; 文摘针对暗通道先验算法对天空区域和景深突变区域处理能力不足,复原后的图像存在光晕以及颜色失真等降质问题,提出一种将区域分割与边缘优化相结合的去雾算法.首先,提出一种有效的自适应阈值分割算法,将有雾图像中的天空区域和非天空区域分割开来,在天空区域内对全局大气光值进行求解.其次,对有雾图像天空区域的暗通道和透射率进行分析,求出天空区域透射率权重图,进而求出该区域透射率;对非天空区域提出一种边缘优化算法来改进暗通道,抑制光晕现象的产生.然后,通过引导滤波细化透射率,利用大气散射模型复原出图像.最后,对复原后的图像进行色调映射,使其更加符合人眼视觉特性.实验结果表明,本文算法去雾效果明显,天空区域恢复自然,边缘光晕现象得到有效抑制,复原后的图像在主观视觉和客观指标方面均表现出色.; 关键词暗通道先验天空区域分割透射率权重边缘优化色调映射; Keywords dark channel prior division of sky transmittance weight edge optimization tone mapping; 分类号 TP391 [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

题名基于空间特征交叉融合的轻量级图像超分辨率重建被引量：1: 2; 作者赵小强程伟; 机构兰州理工大学电气工程与信息工程学院甘肃省工业过程先进控制重点实验室兰州理工大学国家级电气与控制工程实验室教学中心; 出处《兵工学报》 EI CAS CSCD 北大核心 2024年第4期1273-1284,共12页; 基金国家自然科学基金项目(62263021) 甘肃省高校产业支撑计划项目(2023CYZC-24) 甘肃省科技计划项目(21YF5GA072、21JR7RA206)。; 文摘近几年,深度学习技术显著提高了单幅图像超分辨率重建(Single Image Super-resolution Reconstruction,SISR)的性能,但基于深度学习技术的SISR算法存在模型参数量大、网络结构复杂、资源消耗多等问题。为解决这些问题,提出一种基于空间特征交叉融合的轻量级图像超分辨率重建算法,该算法使用多个局部特征融合模块和特征交叉增强模块组成非线性映射单元,通过残差学习逐步聚合图像特征,提取更加精准的残差信息。同时采用对称结构将特征映射到两个分支,通过执行特征交叉,对应元素相乘提取高频成分,细化特征,增加网络非线性。在每个特征交叉增强模块中使用异构卷积代替标准卷积拆分和融合两条分支,有效地降低网络的参数量,使网络在参数量和性能之间达到相对平衡。通过一个多级集成模块增强不同阶段特征的相关性。在基准数据集上的实验结果表明,新的重建算法在降低模型参数量的同时,峰值信噪比和结构相似度均取得了较好的结果,而且重建图像的边缘结构完整,整体轮廓清晰,细节更加丰富。; 关键词超分辨率轻量化异构卷积特征交叉; Keywords super-resolution lightweight heterogeneous convolution feature crossing; 分类号 TP391 [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BiLSTM和改进注意力机制的高铁车载设备故障诊断被引量：10: 3; 作者魏伟赵小强丁艳华范亮亮; 机构兰州理工大学电气工程与信息工程学院甘肃省工业过程先进控制重点实验室兰州理工大学国家级电气与控制工程实验室教学中心中国铁路兰州局集团有限公司高铁基础设施维修段中国铁路兰州局集团有限公司兰州电务段; 出处《铁道学报》 EI CAS CSCD 北大核心 2022年第11期53-62,共10页; 基金国家自然科学基金(62263021) 2021年度甘肃省优秀研究生“创新之星”项目(2021CXZX-500)。; 文摘针对列控车载设备故障诊断多依赖于人工经验判断,智能化、自动化程度较低,影响列车运输安全和效率等问题,提出基于双向长短期记忆(BiLSTM)和改进注意力机制的车载设备故障诊断模型。首先根据应用程序事件日志文件的特点,通过BERT生成词向量;然后以词频为权重将词向量求和得到句向量;再将句向量输入BiLSTM提取故障文本特征后作为改进注意力机制层的输入;最后将高维故障文本特征输入Softmax层完成故障文本分类,实现故障诊断。实验结果表明:本模型能够有效实现文本向量化表示,并结合设备故障时刻前后的列车运行状态对故障原因做出准确判断;与其他模型对比,本模型获得了最优的准确率、召回率和平均数F 1值,验证了该模型可对列控车载设备的日常维护与故障诊断提供决策支持。; 关键词车载设备故障诊断词向量长短期记忆网络注意力机制; Keywords vehicle on-board equipment fault diagnosis word embedding LSTM attention mechanism; 分类号 U284.4 [交通运输工程—交通信息工程及控制]; 在线阅读下载PDF 职称材料

题名基于双路并行多尺度ResNet的滚动轴承故障诊断方法被引量：10: 4; 作者赵小强张毓春; 机构兰州理工大学电气工程与信息工程学院甘肃省工业过程先进控制重点实验室兰州理工大学; 出处《振动与冲击》 EI CSCD 北大核心 2023年第3期199-208,共10页; 基金国家自然科学基金(61763029) 甘肃省科技计划资助(2021YF5GA072,21JR7RA206) 甘肃省教育厅产业支撑计划项目(2021CYZC-02)。; 文摘针对传统方法在滚动轴承故障诊断中无法自适应提取有效特征信息,且滚动轴承在强环境噪声干扰、复杂变工况等因素影响下诊断效果不佳,有抗噪性和泛化性下降的问题,提出了一种双路并行多尺度的改进残差神经网络(residual neural network, ResNet)的方法。该方法设计了多尺度的残差Inception模块,可以有效提取特征信息,同时加入注意力机制解决了数据的突变性和差异性,此外还使用多个空洞卷积的残差块扩大感受野,有助于提取更多特征信息,实现准确故障诊断。利用凯斯西储大学轴承数据集和东南大学变速箱数据集分别训练并测试了诊断效果,将该方法与其他卷积神经网络的方法在变噪声、变工况情况下作了对比,诊断准确率最高达到99.73%,平均准确率也在95%以上,均高于其他比较方法。结果表明,该方法在复杂多变的工况下具有较好的故障识别能力和泛化能力。; 关键词故障诊断滚动轴承变工况注意力机制多尺度ResNet; Keywords fault diagnosis rolling bearing variable working condition attention mechanism multi-scale ResNet; 分类号 TH133.3 [机械工程—机械制造及自动化] TP206.3 [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

题名基于SIR多级残差连接密集网络的轴承故障诊断被引量：5: 5; 作者赵小强罗维兰梁浩鹏; 机构兰州理工大学电气工程与信息工程学院兰州理工大学甘肃省工业过程先进控制重点实验室兰州理工大学国家级电气与控制工程实验室教学中心; 出处《兰州理工大学学报》 CAS 北大核心 2022年第6期46-54,共9页; 基金甘肃省科技计划资助(21YF5GA072,21JR7RA206) 甘肃省教育厅产业支撑计划项目(2021CYZC-02)。; 文摘为了研究旋转机械的滚动轴承在复杂工况下从时变性强、微弱信号中提取特征信息的性能,提出了基于SIR多级残差连接密集网络的轴承故障诊断方法.首先,设计SIR模块,该模块将对输入的数据特征通道赋予不同的权重并拓宽网络的宽度,提取更加重要、更加丰富的特征信息;其次,设计多级残差连接密集网络自适应提取轴承振动信号中的有效特征;最后,构建softmax分类器实现故障分类.通过与多种方法进行对比,实验结果表明,该方法在变噪声、变负荷和变工况下都能够更加准确地检测出故障,对复杂的工况环境更具有鲁棒性和泛化能力.; 关键词故障诊断滚动轴承残差密集网络特征重标定变工况; Keywords fault diagnosis rolling bearing residual density network feature recalibration variable conditions; 分类号 TH133.33 [机械工程—机械制造及自动化]; 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	基于天空区域分割与边缘优化的图像去雾算法	赵小强周康毅	《兰州理工大学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于空间特征交叉融合的轻量级图像超分辨率重建	赵小强程伟	《兵工学报》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
3	基于BiLSTM和改进注意力机制的高铁车载设备故障诊断	魏伟赵小强丁艳华范亮亮	《铁道学报》 EI CAS CSCD 北大核心	2022	10	在线阅读下载PDF 职称材料
4	基于双路并行多尺度ResNet的滚动轴承故障诊断方法	赵小强张毓春	《振动与冲击》 EI CSCD 北大核心	2023	10	在线阅读下载PDF 职称材料
5	基于SIR多级残差连接密集网络的轴承故障诊断	赵小强罗维兰梁浩鹏	《兰州理工大学学报》 CAS 北大核心	2022	5	在线阅读下载PDF 职称材料