-
题名基于深度可分离卷积神经网络的轴承故障诊断模型
被引量：3
- 1
-
-
作者
金钰森
丁飞
陈竺
郑雁鹏
黄伟韬
-
机构
南京邮电大学智慧物联网应用技术研究院
上海市工业物联网与大数据专家工作站
-
出处
《无线电通信技术》
北大核心
2024年第1期193-202,共10页
-
基金
江苏省重点研发计划(BE2020084-1)
江苏省“六大人才高峰”高层次人才培养资助项目(DZXX-008)
+1 种基金
南京邮电大学科研创新基金(NY220028)
南京邮电大学大学生创新训练计划项目(CXXYB2022281)。
-
文摘
在现实工业环境中需要对设备故障做出快速准确的诊断,低时延和高准确度的要求使得传统卷积神经网络(Convolutional Neural Network, CNN)在故障诊断过程中受到严重制约。针对此问题,提出了一种基于深度可分离卷积神经网络(Separable Convolutional Neural Network, SCNN)的轴承故障诊断模型,构建能够处理连续振动信号的主干CNN,通过对主干CNN中的卷积层进行可分离处理来构建SCNN,实现卷积过程的通道和区域的分离,减少卷积计算过程中所需的参数,从而降低计算时延;为SCNN引入残差层,通过残差连接来保证卷积迭代计算的准确率,避免网络层数过多而造成过拟合。为了对比所构建模型的有效性,将传统的VGG16和ResNet50网络进行一维重构来进行验证,并对分类处理后的CWRU故障轴承数据进行分析。结果显示该模型在保证识别准确率的同时有效地提高了故障诊断的效率。
-
关键词
故障诊断
滚动轴承
残差神经网络
可分离卷积神经网络
-
Keywords
fault diagnosis
rolling bearing
residual neural network
SCNN
-
分类号
TN919.23
[电子电信—通信与信息系统]
-
-
题名基于限定搜索高斯曲面拟合的星点质心提取算法
- 2
-
-
作者
赵峥
丁飞
李泽群
周启航
章华涛
张登银
-
机构
南京邮电大学江苏省宽带无线通信和物联网重点实验室
南京邮电大学智慧物联网应用技术研究院
中国科学院国家天文台南京天文光学技术研究所
中国科学院天文光学技术重点实验室
-
出处
《中国测试》
CAS
北大核心
2023年第12期54-59,共6页
-
基金
国家自然科学基金(61872423)
南京邮电大学科研创新基金NUPTSF(NY220028)。
-
文摘
星点光斑图像目标识别技术对于空间监视装备和系统至关重要,由于星点图像中光斑成像的特点以及不同背景下图像噪声的干扰,目标光斑的自动识别和定位精度受限。高斯曲面拟合法与密度质心法是使用较为广泛的星点光斑目标定位算法,通过理论分析和实验表明传统方法对星点质心的定位存在一定误差。该文提出一种基于限定区域搜索的星点质心提取算法(LASACE),该算法首先通过中值滤波算法与最大熵阈值分割法对星点图像进行预处理,然后使用高斯曲面拟合算法获得星点光斑的像素分布。最后以星点中心建立目标搜索区域,采用距离强加权质心法提取出目标星点光斑的质心位置。实验结果表明,相较于密度质心法、高斯曲面拟合法和加权质心法,该文所提算法在降低星点光斑质心定位误差的同时提高了抗噪性,能够满足空间卫星的识别需求。
-
关键词
星点图像
光斑中心
高斯曲面拟合
质心法
-
Keywords
star point image
spot center
Gaussian surface fitting
centroid method
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
V448.22
[航空宇航科学与技术—飞行器设计]
TB9
[机械工程—测试计量技术及仪器]
-
