期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于IPOA-MSCNN-BiLSTM-Attention模型的刀具磨损状态识别
1
作者 杨焕峥 崔业梅 +1 位作者 薛洪惠 徐玲 《组合机床与自动化加工技术》 北大核心 2025年第7期158-163,共6页
刀具状态监测直接影响产品加工质量,为了提高刀具磨损状态识别的准确性,构建了IPOA-MSCNN-BiLSTM-Attention模型。首先,采用多尺度卷积神经网络(MSCNN)和双向长短时记忆网络(BiLSTM)来学习数据的时空特征;其次,引入注意力机制(Attention... 刀具状态监测直接影响产品加工质量,为了提高刀具磨损状态识别的准确性,构建了IPOA-MSCNN-BiLSTM-Attention模型。首先,采用多尺度卷积神经网络(MSCNN)和双向长短时记忆网络(BiLSTM)来学习数据的时空特征;其次,引入注意力机制(Attention)以增强对关键信息的关注度;再次,提出了一种改进的鹈鹕优化算法(IPOA),用于优化模型多尺度卷积神经网络的参数。该算法结合自适应惯性权重因子、柯西变异和麻雀警戒机制策略,在CEC2005至CEC2022的众多函数性能测试中综合表现优于传统POA等5种算法;最后,在工业控制计算机(IPC)上运行了模型。结果表明,该模型在刀具磨损状态识别方面表现出较高的识别精度,可提高加工安全与生产效率。 展开更多
关键词 刀具磨损 状态监测 改进的鹈鹕优化算法 多尺度卷积神经网络 双向长短时记忆网络
在线阅读 下载PDF
基于IBWO-CNN-BiLSTM-Attention的机床刀具磨损预测模型
2
作者 崔业梅 杨焕峥 +1 位作者 薛洪惠 徐玲 《机床与液压》 北大核心 2025年第8期72-78,共7页
为了提高机床刀具磨损预测的准确性,对优化算法进行改进,设计人工智能模型,并利用PHM2010刀具磨损数据集进行验证。构建一种基于IBWO-CNN-BiLSTM-Attention的预测模型,采用卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)学习数据的空... 为了提高机床刀具磨损预测的准确性,对优化算法进行改进,设计人工智能模型,并利用PHM2010刀具磨损数据集进行验证。构建一种基于IBWO-CNN-BiLSTM-Attention的预测模型,采用卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)学习数据的空间和时间特征,引入注意力机制(Attention)提高模型对关键信息的关注度。提出一种改进的白鲸优化算法(IBWO)优化模型参数和迭代次数,结合种群混沌映射初始化、准反向学习和萤火虫扰动策略,经CEC2005函数测试,该算法收敛速度和寻优精度明显优于传统BWO等对比算法。将该模型与CNN-BiLSTM-Attention模型、BWO-CNN-BiLSTM-Attention模型进行对比。结果表明:该模型在机床刀具磨损预测方面具有更高的准确性和可靠性。最后,在STM32H7单片机设备中部署了“剪枝”模型,并验证了“剪枝”模型在嵌入式设备中运行的可行性。 展开更多
关键词 机床刀具 磨损预测 改进的白鲸优化算法(IBWO) 双向长短时记忆网络(BiLSTM) 卷积神经网络(CNN)
在线阅读 下载PDF
新型传感光纤光传输与折射率敏感特性研究 被引量:3
3
作者 杨国华 陶奕霏 +2 位作者 许愿 丁超 解泉华 《压电与声光》 CAS 北大核心 2023年第6期823-827,共5页
为了提高光纤倏逝波传感器的灵敏度,该文提出了一种新型结构传感光纤。传感光纤由传统塑料光纤+新型阶跃光纤(折射率由纤芯向包层阶跃增大)+传统塑料光纤级联而成。新型阶跃光纤为倏逝波传感器的敏感区,光纤纤芯由聚甲基丙烯酸甲酯构成... 为了提高光纤倏逝波传感器的灵敏度,该文提出了一种新型结构传感光纤。传感光纤由传统塑料光纤+新型阶跃光纤(折射率由纤芯向包层阶跃增大)+传统塑料光纤级联而成。新型阶跃光纤为倏逝波传感器的敏感区,光纤纤芯由聚甲基丙烯酸甲酯构成,包层由聚砜与GeO_(2)混合物构成。利用几何光学分析了光纤光传输特性,实验测试了光纤光传输特性及其对外界折射率敏感特性。结果表明,当新型阶跃光纤包层中GeO_(2)掺杂质量分数为1.5%,涂覆层厚为200μm时,传感光纤具有较好的光谱传输质量及高的折射率响应灵敏度。 展开更多
关键词 传感光纤 倏逝波 光传输 折射率 灵敏度
在线阅读 下载PDF
融合汉克尔矩阵重构及奇异值分解的空化信号特征解析
4
作者 罗兰 薛洪惠 +2 位作者 姜岭寅 屠娟 章东 《南京大学学报(自然科学版)》 2025年第5期845-856,共12页
高强度聚焦超声(High Intensity Focused Ultrasound,HIFU)作为一种前沿的非侵入式治疗技术,在临床应用中取得显著进展,而声空化效应是其发挥治疗作用的关键机制之一.在HIFU治疗过程中,准确区分稳态空化信号和瞬态空化信号成分,对于精... 高强度聚焦超声(High Intensity Focused Ultrasound,HIFU)作为一种前沿的非侵入式治疗技术,在临床应用中取得显著进展,而声空化效应是其发挥治疗作用的关键机制之一.在HIFU治疗过程中,准确区分稳态空化信号和瞬态空化信号成分,对于精准调控治疗效果和保障治疗安全性至关重要.然而,传统的被动空化检测方法在分析HIFU治疗过程中产生的空化信号时,始终存在一定的局限性,难以精确提取信号中的相关复杂成分并深入解析空化运动状态.因此,针对HIFU治疗过程中获取的空化信号,创新性地提出了基于汉克尔矩阵重构的奇异值分解(H-SVD)方法 .该方法首先将单阵元换能器接收的一维时域信号通过滑动窗口技术重构为汉克尔矩阵,随后利用奇异值分解(Singular Value Decomposition,SVD)算法对信号进行多尺度特征提取,实现了HIFU基频及谐波信号、次谐波/超谐波,以及宽带噪声信号的有效分离.与传统被动空化检测技术相比,H-SVD方法在保留信号各频率成分细节信息方面展现了显著优势,能更精确地刻画不同声压条件下空化特征的阶段性动态演变规律,即由初始的由基波和谐波主导的小振幅线性振荡,逐步过渡到次谐波/超谐波占优的非线性稳态空化,最终发展为宽带噪声主导的剧烈瞬态空化行为.该方法为深入理解稳态空化和瞬态空化各自诱发的物理化学机制提供了有力的分析工具,同时也为HIFU治疗过程中的空化效应实时监测与精准调控奠定技术基础. 展开更多
关键词 被动空化监测 高强度聚焦超声 汉克尔矩阵 奇异值分解
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部