简介:摘要:电气自动化设备在各个工业领域中扮演着重要的角色,随着设备复杂性的增加以及故障的频繁发生,传统的故障诊断方法面临着挑战。神经网络技术的引入为电气自动化设备故障诊断带来了新的解决方案。神经网络技术将在电气自动化设备故障诊断领域发挥越来越重要的作用,为工业生产的稳定和可靠性提供有力支持。
简介:摘要:针对土木工程结构施工现场人员安全帽佩戴情况识别问题,对基于卷积神经网络的施工人人员佩戴安全帽智能判别方法进行了研究,并设计了一套安全帽佩戴智能识别软件系统。卷积神经网络模型主要包括 AlexNet网络和 Faster R-CNN网络。网络模型在 Matlab中进行了训练和验证,训练损失小于 0.2%,验证了该智能判别方法的有效性。
简介:摘要车辆在黄灯期间的加速度变化与交叉口交通事故发生频率息息相关。为有效预测并量化驾驶人黄灯期间在交叉口的制动减速度和行驶加速度,构建了BP神经网络加速度预测模型,在信号交叉口实测数据基础上,通过Pearson相关性检验法分析了加速度的影响因素,并进行仿真预测验证。结果表明,构建的模型可有效预测驾驶人黄灯期间在交叉口的制动减速度和行驶加速度。
简介:摘要:直升机的可靠性和安全性对于军事和民用领域都具有重要意义。直升机轴承作为关键组件之一,在飞行中承受着巨大的载荷,其故障可能导致事故风险和经济损失。为了实现对直升机轴承故障的快速、精确诊断,从而提前预警潜在故障,本论文提出了一种基于S变换与卷积神经网络(CNN)的直升机轴承故障诊断方法。通过对振动信号进行采集和预处理,利用S变换进行时频分析,以捕捉轴承故障的瞬态特征。同时,将提取得到的特征输入到卷积神经网络中,通过卷积和池化操作进行特征学习和分类识别。最后,通过实验验证并与其他方法进行对比,评估所提出的方法的性能和有效性。实验结果表明,基于S变换与卷积神经网络的直升机轴承故障诊断方法相较传统方法具备更高的准确性和可靠性。该方法能够有效提取和识别直升机轴承故障的特征,实现故障的早期预测和快速诊断。
简介:摘要 柔性外骨骼的驱动系统为外骨骼提供动力源,实现对人体助力。对驱动系统进行精准建模对于保证外骨骼系统良好的控制性能有着重要作用。针对传统递推最小二乘法存在的对复杂非线性过程拟合效果不佳的缺点,提出基于RBF神经网络的柔性外骨骼驱动系统建模及参数辨识方法,实现对该非线性过程的建模及参数的无偏估计。