-
题名基于A2-ResNet的中介轴承故障诊断方法研究
被引量：1
- 1
-
-
作者
田晶
赵梓淇
赵丹
林政
张凤玲
陈仁桢
-
机构
沈阳航空航天大学航空发动机学院
中国航发四川燃气涡轮研究院
-
出处
《推进技术》
北大核心
2025年第2期266-276,共11页
-
基金
国家自然科学基金(12172231)
辽宁省兴辽英才计划(XLYC2203042)
+1 种基金
沈阳市中青年科技创新人才支持计划(RC220439)
辽宁省自然科学基金计划项目(2023-BS-146)。
-
文摘
中介轴承作为航空发动机的关键部件,其运行状态直接影响发动机在复杂和恶劣环境中的安全性和可靠性。因此,实现中介轴承运作状态的准确识别对航空发动机安全运行至关重要。本文提出一种基于残差网络(ResNet)与双重注意力网络(A2-Nets)构建的A2-ResNet新型模型,用于中介轴承信号分析与故障诊断。首先,通过试验采集中介轴承的振动故障信号作为原始数据;然后,通过短时傅里叶变换(STFT)时频分析方法将采集后的中介轴承故障数据进行预处理并建立训练集;最后,利用A2-ResNet模型对故障类型进行分类预测。采用所搭建中介轴承试验台采集的数据,将本文所建立模型与压缩和激励网络(SE-ResNet),ResNet,LeNet等不同模型的特征提取与诊断结果进行对比分析。结果表明,本文所提出A2-ResNet模型相比于其他模型的预测效果更加优越,训练验证准确率达到99.1%,故障预测平均准确率可达98.5%。
-
关键词
中介轴承
a2-nets模型
时频分析
故障诊断
分类预测
-
Keywords
Inter-shaft bearing
a2-nets model
Time-frequency analysis
Fault diagnosis
Classifica⁃tion prediction
-
分类号
V232.2
[航空宇航科学与技术—航空宇航推进理论与工程]
-
-
题名基于YOLOv5s的红绿灯检测
- 2
-
-
作者
王一慧
贾鑫源
王波申
-
机构
青海民族大学数学与统计学院
江西农业大学工学院
-
出处
《佳木斯大学学报(自然科学版)》
2025年第9期16-20,共5页
-
基金
青海省自然科学基金(2023-ZJ-949Q)。
-
文摘
红绿灯检测在无人驾驶环境感知中发挥着重要作用,其检测的准确性直接影响到道路安全。基于YOLOv5s算法对红绿灯进行检测,并对YOLOv5s算法进行改进。首先,在骨干网络中引入A2-nets双重注意力机制,它是一种有效的二次特征统计和自适应特征分配的体系结构,以提高模型对红绿灯的检测能力。其次,选取WIOUV3损失函数替换原模型的CIoU损失函数。WIOUV3通过提供明智的梯度增益分配策略,有效的聚焦于普通质量的锚框,从而提高了检测器的整体性能。实验表明,改进后的YOLOv5s模型相比于原模型,在平均精度、精确率、召回率方面分别提升了1.4%,3.5%,3.6%。有效的提高了红绿灯检测性能。
-
关键词
YOLOv5s
a2-nets
红绿灯检测
-
Keywords
YOLOv5s
a2-nets
traffic light detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进HybridNets的多任务驾驶感知方法
被引量：1
- 3
-
-
作者
武鹏宇
张远辉
刘康
-
机构
中国计量大学
-
出处
《激光杂志》
CAS
北大核心
2024年第10期80-85,共6页
-
基金
浙江省自然科学基金资助项目(No.LY19F010007)。
-
文摘
针对计算资源有限的自动驾驶系统和多任务驾驶感知算法精度低问题,提出了一种改进的HybridNets多任务驾驶感知算法。选择EfficientNetV2-S作为该算法的主干网络,降低参数数量,提高训练速度和识别准确率;结合深度可分离卷积并采用shuffle-channel方式卷积降低模型计算量;使用三个独立的解码器来解决不同难度的问题,并在主干网络与Neck端之间加入A2-Nets双重注意力机块,充分提取全局特征。与基础网络HybridNets相比,该模型在车辆检测任务中mAP50可达79.8%,提高了2.6%;可行驶区域分割任务中mIoU可达91.8%,提高了1.2%;车道线检测任务中IoU可达32.55%,提高了0.93%。运行速度达到38 FPS。实验结果表明,与现有方法相比,所提方法的准确率有较大提高。
-
关键词
EfficientNetV2-S
a2-nets
目标检测
驾驶区域分割
车道线检测
-
Keywords
EfficientNetV2-S
a2-nets
object detection
driving area segmentation
lane line detection
-
分类号
TN911
[电子电信—通信与信息系统]
-
-
题名基于改进RRU-Net图像拼接篡改检测
- 4
-
-
作者
马颖
伊力哈木·亚尔买买提
程铄棋
苏亚洲
-
机构
新疆大学电气工程学院
国网新疆电力有限公司营销服务中心
-
出处
《激光与光电子学进展》
北大核心
2025年第8期176-185,共10页
-
基金
新疆维吾尔自治区自然科学基金(2023D01C21)
国家自然科学基金(62362063)。
-
文摘
针对基于卷积神经网络(CNN)的图像拼接篡改检测算法中,通过增加深度进行特征提取容易导致浅层篡改痕迹特征丢失,从而导致图像分辨率不断下降的问题,提出一种改进的RRU-Net双重视角多尺度图像拼接篡改检测算法。首先,通过多视野融合生成噪声图像,并经过空域富模型(SRM)高通滤波器生成噪声视角,增强边缘信息学习。其次,采用噪声视角连续下采样结合原始视角设计多尺度特征提取模块,获取图像的多尺度语义信息。最后,引入A2-Nets双重注意力网络以有效捕捉全局信息,并精准定位图像的篡改区域。相较于原始RRU-Net,该算法在多个数据集上展现出显著的检测效果和鲁棒性提升,证明其在图像篡改检测领域的显著进展。结果表明:该算法在处理复杂场景和多样化数据时具有更高的准确性和可靠性,为图像安全与信息保护领域的研究和应用提供重要的技术支持。
-
关键词
图像拼接篡改
空域富模型高通滤波器
噪声视角
a2-nets双重注意力网络
-
Keywords
image splicing and forgery
spatial rich model high-pass filter
noise perspective
a2-nets dual-attention network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
