基于改进深度残差收缩网络的滚动轴承故障诊断方法

    公开(公告)号:CN114441173B

    公开(公告)日:2023-11-24

    申请号:CN202111630326.9

    申请日:2021-12-28

    申请人: 东南大学

    摘要: 本发明涉及一种基于改进深度残差收缩网络的滚动轴承故障诊断方法,包括:S1、获取输入振动信号,向输入振动信号中添加高斯白噪声,对加噪信号重复间隔采样获得采样信号,将采样信号矩阵化,转化为灰度图样本,并对样本数据赋予轴承状态的标签;S2、将灰度图样本按比例拆分成训练集和测试集;S3、将稠密连接加入改进残差收缩模块构建改进深度残差收缩网络;S4、将训练集输入改进深度残差收缩网络进行训练,通过前向传播得到误差,通过反向传播优化参数,至误差收敛;S5、将测试集输入训练好的改进深度残差收缩网络获得故障分类结果。本发明具有更快的收敛速度和更强的抗噪声干扰能力,提高了滚动轴承在强噪声变工况下故障诊断的准确率。

    基于先验循环神经网络的高速公路沥青路面使用性能预测方法

    公开(公告)号:CN116805138A

    公开(公告)日:2023-09-26

    申请号:CN202310753313.3

    申请日:2023-06-25

    申请人: 东南大学

    摘要: 本发明公开了基于先验循环神经网络的高速公路沥青路面使用性能预测方法,包括:构建高速公路路面养护信息矩阵;对高速公路沥青路面使用性能衰变特点与影响因素进行分析,并选取相关特征;构建经典循环神经网络模型RNN‑EAPPP;构建长短时神经网络模型LSTM‑EAPPP;构建门控循环单元神经网络模型GRU‑EAPPP;构建先验经典循环神经网络模型PK‑RNN‑EAPPP;构建先验长短时神经网络模型PK‑LSTM‑EAPPP;构建先验门控循环单元神经网络模型PK‑GRU‑EAPPP;进行对比实验,选取性能最好的模型PK‑GRU‑EAPPP。本发明提出高速公路路面养护信息矩阵构建方法并构建用于高速公路沥青路面使用性能预测模型,对道路养护的数字化、智能化发展具有重要意义。

    基于深度强化学习融合模型的团雾图像识别方法

    公开(公告)号:CN114445709A

    公开(公告)日:2022-05-06

    申请号:CN202210110628.1

    申请日:2022-01-29

    申请人: 东南大学

    摘要: 本发明公开了一种基于深度强化学习融合模型的团雾图像识别方法,包括:采用旋转、翻转、裁剪、擦除、平移等方法对高速公路气象图像数据进行在线强化;构建基于强化学习的VGG16气象分类网络模型,获取分类特征向量Fv;构建基于强化学习的InceptionV3气象分类网络模型,获取分类特征向量FI;构建基于强化学习的MobileNetV2气象分类网络模型,获取分类特征向量FM;构建基于深度强化学习气象图像分类融合模型RL‑FDNN,特征向量Fv、FI、FM并联后的概率均值作为的深层网络融合模型的输出层,对团雾信息进行识别分类。本发明将强化学习理论与深度学习紧密结合,从而可以更精准的实现团雾的识别,可对高速公路场景的气候环境感知提供技术支持。

    基于改进深度残差收缩网络的滚动轴承故障诊断方法

    公开(公告)号:CN114441173A

    公开(公告)日:2022-05-06

    申请号:CN202111630326.9

    申请日:2021-12-28

    申请人: 东南大学

    IPC分类号: G01M13/045 G06F17/15 G06N3/04

    摘要: 本发明涉及一种基于改进深度残差收缩网络的滚动轴承故障诊断方法,包括:S1、获取输入振动信号,向输入振动信号中添加高斯白噪声,对加噪信号重复间隔采样获得采样信号,将采样信号矩阵化,转化为灰度图样本,并对样本数据赋予轴承状态的标签;S2、将灰度图样本按比例拆分成训练集和测试集;S3、将稠密连接加入改进残差收缩模块构建改进深度残差收缩网络;S4、将训练集输入改进深度残差收缩网络进行训练,通过前向传播得到误差,通过反向传播优化参数,至误差收敛;S5、将测试集输入训练好的改进深度残差收缩网络获得故障分类结果。本发明具有更快的收敛速度和更强的抗噪声干扰能力,提高了滚动轴承在强噪声变工况下故障诊断的准确率。