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
共找到10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：
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... 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. 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
改进卷积胶囊网络的滚动轴承故障诊断方法 被引量：6
2
作者 赵小强 柴靖轩 《振动工程学报》 EI CSCD 北大核心 2024年第5期885-895,共11页
目前许多基于卷积网络的滚动轴承故障诊断方法受噪声信号以及负荷变化的影响,存在诊断效果不佳、泛化能力差的问题。针对此问题提出一种改进卷积胶囊网络的滚动轴承变工况故障诊断方法。该方法设计了多尺度非对称卷积模块,其中采用不同... 目前许多基于卷积网络的滚动轴承故障诊断方法受噪声信号以及负荷变化的影响,存在诊断效果不佳、泛化能力差的问题。针对此问题提出一种改进卷积胶囊网络的滚动轴承变工况故障诊断方法。该方法设计了多尺度非对称卷积模块,其中采用不同尺度的非对称卷积层对输入数据进行特征提取,在实现最大化提取数据中的特征信息的同时,还能够有效减少参数量;在该模块中引入通道注意力机制,能更好地提取有用的通道特征,提高该方法特征提取的能力;通过将网络中的全连接层改进为胶囊全连接层,使得胶囊在输出向量特征信息时,避免了特征信息在空间中的丢失。使用凯斯西储大学轴承数据集和东南大学变速箱数据集来验证所提方法的诊断性能,并与其他深度学习方法进行了比较。实验结果表明,与其他深度学习方法相比,具有较好的泛化性,效果更佳。 展开更多
关键词 故障诊断 滚动轴承 胶囊网络 非对称卷积 特征提取
在线阅读 下载PDF
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
3
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... 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。 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
采用动态校准与联合分布对齐的旋转机械跨工况故障诊断 被引量：2
4
作者 郭海科 赵小强 《仪器仪表学报》 EI CAS CSCD 北大核心 2024年第8期32-44,共13页
迁移学习作为一种解决领域间分布差异的有效技术,近年来在故障诊断领域得到了越来越多的关注。然而,现有的旋转机械故障诊断方法在迁移学习过程中,通常未能充分考虑不同样本对诊断结果的影响。此外,传统的边缘分布对齐方法在减小源域与... 迁移学习作为一种解决领域间分布差异的有效技术,近年来在故障诊断领域得到了越来越多的关注。然而,现有的旋转机械故障诊断方法在迁移学习过程中,通常未能充分考虑不同样本对诊断结果的影响。此外,传统的边缘分布对齐方法在减小源域与目标域数据之间分布差异方面的效果也不够理想,在很大程度上限制了迁移学习方法在实际应用中的有效性。针对以上问题,提出一种基于动态校准与联合分布对齐的旋转机械跨工况故障诊断方法。首先,该方法构建动态校准残差网络(DCRN)作为特征提取层,该层通过设计动态校准结构,根据不同样本的权重进行调整,增强网络的特征表达能力;其次,设计域自适应层并提出一种新的联合分布对齐机制(JDAM),该机制在进行特征对齐时,充分考虑了源域与目标域数据之间的边缘分布差异和条件分布差异,使得网络模型在源域上学习到的知识可以有效迁移到目标域上,从而显著提升目标任务的性能;最后使用I-Softmax函数优化分类器,使网络能够更好地识别不同状态的故障。使用美国凯斯西储大学轴承数据集、MFS轴承数据集与滚轴齿轮数据集进行实验验证,在跨工况与变噪声条件下,所提方法的平均准确率分别为96.50%、96.87%和94.72%,表明所提方法具有较高的故障诊断准确率和良好的泛化能力。 展开更多
关键词 旋转机械 故障诊断 动态校准 迁移学习 联合分布对齐
在线阅读 下载PDF
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：13
5
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... 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。 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
改进卷积Lenet-5神经网络的轴承故障诊断方法 被引量：18
6
作者 赵小强 罗维兰 《电子测量与仪器学报》 CSCD 北大核心 2022年第6期113-125,共13页
针对滚动轴承微弱信号在强噪声、变工况复杂环境下,难以实现有效的故障诊断问题,提出了一种改进卷积Lenet-5神经网络的轴承故障诊断方法。首先,对采集的一维时域轴承振动信号进行预处理转化成便于卷积操作的二维灰度图;其次,将最基本的L... 针对滚动轴承微弱信号在强噪声、变工况复杂环境下,难以实现有效的故障诊断问题,提出了一种改进卷积Lenet-5神经网络的轴承故障诊断方法。首先,对采集的一维时域轴承振动信号进行预处理转化成便于卷积操作的二维灰度图;其次,将最基本的Lenet-5模型中的连续单向的传统卷积层改进为Block1模块、Block2模块、Block3模块,提取到更完整、更精准的特征信息;最后,为了防止网络出现过拟合现象,采用L2正则化和Dropout优化网络。为了验证本文所提方法在复杂工况环境的鲁棒和泛化性能,利用滚动轴承数据集和变速箱实验数据集进行实验验证。轴承数据集实验结果表明,本文所提出的方法在变噪声实验中准确率平均值都在99.3%;在变负荷实验中,故障诊断准确率都高于90.26%;在变工况实验中,故障诊断准确率平均值都高于89.01%;在变速箱数据集实验中,抗噪性故障诊断准确率高达96.3%。采用改进的Lenet-5方法对滚动轴承12种故障类型具有更好的分辨能力,在变工况下具有更好的抗干扰性和泛化性能。 展开更多
关键词 滚动轴承 故障诊断 复杂工况 Lenet-5网络 网络优化
在线阅读 下载PDF
多特征融合的滚动轴承故障诊断 被引量：7
7
作者 赵小强 郭海科 《农业工程学报》 EI CAS CSCD 北大核心 2023年第13期80-88,共9页
针对滚动轴承变工况条件下卷积神经网络在特征提取过程中无法充分提取全局特征信息的问题,该研究提出一种MSCNN-SwinT滚动轴承故障诊断方法。首先,在数据处理模块中利用连续小波变换(continuous wavelet transform,CWT)将一维振动信号... 针对滚动轴承变工况条件下卷积神经网络在特征提取过程中无法充分提取全局特征信息的问题,该研究提出一种MSCNN-SwinT滚动轴承故障诊断方法。首先,在数据处理模块中利用连续小波变换(continuous wavelet transform,CWT)将一维振动信号转化为二维时频图像,以保留原始信号的时频特性;然后,在局部感知模块中利用多尺度卷积神经网络(multiscale convolutional neural networks,MSCNN)对故障信息的局部特征进行提取,并使用卷积块注意模块(convolutional block attention module,CBAM)提取关键信息;进一步构建特征提取模块,引入残差连接提高前后特征信息的利用效率,通过SwinT网络(swin transformer)学习故障信息的全局特征;最后使用全局平均池化代替全连接层进行故障识别。使用美国凯斯西储大学轴承数据集与自制数据集进行试验验证,试验结果表明,本文方法在可视化试验中的故障识别准确率为99.67%,在变工况试验中的故障识别准确率为95.01%~99.66%,不同编码方式试验中的故障识别准确率为100%。在自制数据集中,故障诊断准确率达到99.18%。与CWT-LeNet5、CWT-VGG16、CWT-ResNet18和CWT-SwinT相比,本文方法在变工况条件下的平均故障识别准确率分别提高8.79、8.64、3.49和3.18个百分点,在自制数据集中分别提高5.23、2.74、1.40和1.26个百分点。本文方法实现了变工况等复杂条件下滚动轴承不同故障状态的识别,能够充分提取轴承故障的全局特征信息,具有较高的故障诊断准确率和良好的泛化能力,可为变工况条件下的滚动轴承故障诊断提供参考。 展开更多
关键词 故障诊断 小波变换 特征融合 滚动轴承 残差连接 变工况
在线阅读 下载PDF
基于双路并行多尺度ResNet的滚动轴承故障诊断方法 被引量：11
8
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, ... 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。 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
基于SIR多级残差连接密集网络的轴承故障诊断 被引量：6
9
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... 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. 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
改进价值函数的多阶段间歇过程故障检测 被引量：1
10
作者 赵小强 徐蓉蓉 《电子测量与仪器学报》 CSCD 北大核心 2022年第12期45-54,共10页
针对现有的阶段划分策略没有同时考虑间歇过程的动态性和多阶段特性,而导致过程检测效果不佳的问题,提出了一种改进的结合价值函数的多向核主成分分析(CVF-MKPCA)算法。首先,对间歇过程的三维数据进行相应的方向展开,并且通过构建扩展... 针对现有的阶段划分策略没有同时考虑间歇过程的动态性和多阶段特性,而导致过程检测效果不佳的问题,提出了一种改进的结合价值函数的多向核主成分分析(CVF-MKPCA)算法。首先,对间歇过程的三维数据进行相应的方向展开,并且通过构建扩展矩阵来提取间歇过程数据之间的动态特性;其次,构建一种改进的结合价值函数,评估互异时间序列信息之间的结构相似性;然后,根据动态结构相似性的评估要求,利用自下向上的搜索方法进行阶段划分,再采用MKPCA方法进行阶段建模,最后,通过构造出一种新的combine统计量对各阶段进行故障检测。所提算法在青霉素发酵仿真过程中故障误报率在控制限为95%时为3.40%,在控制限为99%时为7.98%,与对比方法相比误报率分别降低了2.12%和1.26%,证明了所提方法具有更优越的故障检测性能。 展开更多
关键词 多阶段 间歇过程 结合价值函数 动态结构相似性
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部