基于激光监测杆塔螺栓部件损伤振动识别方法及系统

    公开(公告)号:CN118641015B

    公开(公告)日:2024-11-01

    申请号:CN202411110016.8

    申请日:2024-08-14

    IPC分类号: G01H9/00 G01M13/00 G01N29/04

    摘要: 本发明涉及一种基于激光监测杆塔螺栓部件损伤振动识别方法及系统,方法包括:基于激光振动识别模型进行螺栓激光信号和杆塔连接件激光信号特征提取处理;基于激光信号特征提取处理结果进行螺栓结构振动特征和杆塔连接件振动特征识别处理;根据识别的螺栓结构振动特征和杆塔连接件振动特征,结合外界环境影响特征进行振动判定处理;并根据判定的振动确定出故障振动或非故障振动;基于振动判定处理结果进行部件损伤特征提取处理并生成振动风险报告。本发明实现了通过对螺栓激光信号和杆塔连接件激光信号进行特征提取处理、振动特征识别处理,并结合外界环境影响特征进行部件损伤特征提取处理,大大提高了对杆塔螺栓振动故障识别的精确性。

    一种弱监督分割网络区域扩张参数自适应生成方法和系统

    公开(公告)号:CN116993989A

    公开(公告)日:2023-11-03

    申请号:CN202311248452.7

    申请日:2023-09-26

    摘要: 一种弱监督分割网络区域扩张参数自适应生成方法和系统。该方法包括,获取待分割的图像集,对图像集的所有图像进行预处理,并按照预设比例将预处理后的工业图像集划分为训练图像集和测试图像集,并对每个图像的类别标签进行标注;将训练图像集中的每个图像输入SECNet的区域扩张分支,得到原始像素级分类分数,同时将每个图像输入全局自适应池化层,输出与每个图像对应的动态权重,并对动态权重进行归一化处理;根据原始像素级分类分数与归一化处理后的动态权重,生成自适应图像级分类分数。本发明的方案在网络训练过程中动态学习权重参数,避免了通过人工对参数进行调整,增强了模型自适应性。