内容提供者
基于视觉测振和卷积神经网络的螺栓松动检测方法.pptx
2024-10-09
20金币
2.5MB
27页
快乐****蜜蜂
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共27页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于视觉测振和卷积神经网络的螺栓松动检测方法.pptx
汇报人：/目录0102视觉测振技术卷积神经网络螺栓松动检测原理03图像采集特征提取振动信号分析螺栓松动程度判断04网络结构训练过程螺栓图像分类分类结果评估05实验设置实验结果结果分析方法优势与不足06在线检测与预警系统工业物联网应用技术改进与优化方向汇报人：
2024-10-09
20
2.5MB
检测螺栓松动的方法、卷积神经网络、训练方法及系统.pdf
本申请公开一种检测螺栓松动方法、卷积神经网络、训练方法及系统，其中，训练方法，包括：获取测试结构在不同螺栓松动状态测试下的振动图像序列；提取振动图像序列中目标区域内预设数量像素点的振动位移信号；将提取的每个像素点的振动位移信号转换为时频图像；构建训练样本；以训练样本中时频图像作为输入，以预测螺栓松动状态类别作为输出，将待训练的卷积神经网络训练至收敛。本申请中一个视频样本能够提供成千上万个振动位移信号用于卷积神经网络的训练，充足的训练数据能大大提高卷积神经网络的预测准确率，从而解决了卷积神经网络训练中工程实
2023-07-24
10
1.8MB
多尺度一维卷积神经网络的风机基座螺栓松动诊断方法.pdf
本发明涉及多尺度一维卷积神经网络的风机基座螺栓松动诊断方法，属于机械状态诊断技术领域。首先，以风机运行时振动时域信号作为多尺度一维卷积神经网络的输入，摆脱对信号处理和专业知识的依赖，并最大程度保留原始信号特征；然后，通过交替的多尺度卷积层和池化层对时域信号特征进行学习；最后，在特征输出层后添加Softmax多分类器，利用反向传播逐层微调结构参数建立特征空间到健康状态空间的映射，输出风机基座螺栓松动程度诊断结果。本方法将松动程度特征自动学习与松动程度诊断融为一体，实现了风机基座螺栓松动程度智能诊断。通过在稳
2023-11-13
10
753KB
基于卷积神经网络的智能视觉检测设备及其方法.pdf
公开了一种基于卷积神经网络的智能视觉检测设备及其方法,其考虑到水面漂浮物属于小尺寸对象,且RGB图像易受光照条件的影响,因此,在本申请的技术方案中,选择合成孔径雷达(syntheticapertureradar,SAR)所采集的SAR图像作为网络的输入,并使用在图像特征提取领域具有优异性能表现的卷积神经网络模型作为特征提取器提取所述SAR图像的前景部分中的高维局部图像特征,再利用残差双注意力机制模型进行特征数据增强,这样,提升分类特征图整体上的信息聚合度,提高分类结果的准确性,进而提高对于水面漂浮物的智能
2023-05-26
10
691KB
基于卷积神经网络和MFCC的颤振识别方法和系统.pdf
本发明提供一种基于卷积神经网络和MFCC的颤振识别方法和系统，该方法包括如下步骤：获取削切过程中发生颤振和没有发生颤振时的噪声信号，并根据该噪声信号的梅尔倒谱系数对卷积神经网络进行训练，得到训练后的卷积神经网络；在削切过程中实时采集噪声信号，根据该噪声信号的梅尔倒谱系数，结合训练后的卷积神经网络，判断削切过程中是否存在颤振。本发明所提供的技术方案，通过噪声信号倒谱系数和卷积神经网络得到噪声信号与颤振之间的关系，在削切过程中，通过噪声信号即可判断出是否发生颤振，解决现有技术中检测颤振的方式适用性差的问题。
2023-06-25
10
445KB