基于特征注意力机制的GRU-GAN航空发动机剩余寿命预测

涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样、时间跨度长等特点,针对其数据类型多且体量大、数据冗余度较高、剩余寿命预测精度较低等问题,本文通过将生成对抗网络(Generat...     

基于多尺度特征注意力网络的施工安全预警方法

安全管理是建筑施工过程中的重要工作之一,设计自动化的安全预警方法对保障工人安全、减少施工事故有着重要作用.本文提出一种基于多尺度特征注意力网络的施工安全预警方法.首先,设计融合多尺度特征注意力机制的施工现场实例分割网络,使用具有丰富语义信息的高维特征指导网络对低维特征的学习,从而增强网络对施工设备专有特征的聚焦能力,实现复杂环境下施工设备与工人的精准分割;其次,提出基于位姿估计的三维边界框重构方法,利用神经网络提取到施工设备在三维空间上的朝向,并结合二维边界框所反映的几何约束实现对施工设备三维约束的重构;最后,设计施工现场动态预警方法,根据生产安全要求将施工现场划分为危险区、预警区与安全区,并对施工现场的设备与工人进行实时追踪与三维约束重构,当工人进入危险区及预警区时及时发出警告.实验结果显示,本文所提方法在MOCS公共数据集上取得超过90%分类准确率与59%的分割mAP,优于其他融合特征注意力机制的深度学习算法;从施工现场安全预警案例可知,本文所提方法能够对工人的安全状态进行准确判断.     

基于M-S模型的参数自适应图分割方法

基于图分割的分段常数水平集方法Mumford-Shah模型能够很好的处理多相图像,但由于Mumford-Shah模型本身固有的原因,该方法对于长度参数也很敏感。为了解决这个难题,本文给出了一个自动估计包括长度参数的模型参数的自适应方法,该方法根据图像的噪声方差大小来确定参数。该自适应方法与基于图分割方法相结合,能够解决模型对参数敏感的难题。最后,通过计算机生成的图像和实际图像的分割结果证明了该方法是有效的。     

基于模型诊断的发展与展望

在智能故障诊断领域中,基于模型诊断方法已经成为研究者们主要研究的对象。但是,其计算的难解性、诊断结果的数目的庞大,对实际问题没有统一、寻求适当的模型表示方法是基于模型智能故障诊断必须面临的瓶颈问题。针对国内外专家学者的研究成就和现状,本文对基于模型诊断方面的主要研究成果进行了简要地介绍,对各种方法的优点和不足进行分析,并对进一步的研究提出了一些建议。     

基于AGENT架构的结构静动态协同优化方法研究

提出一种机械系统静动态协同优化模式以及本体投影关系. 在此基础上构造了一种基于AGENT架构的结构静动态协同优化设计系统. 该系统由2个AGENT群体构成: 优化AGENT群体和有限元分析AGENT群体. 其中优化AGENT群体由系统优化、子模型优化和优化管理组成. 3类AGENT构成星形结构. 有限元AGENT群体采用分布协同的双层结构. 详述了有限元AGENT群体的结构及其协同工作的过程. 最后以液压挖掘机工作装置的结构为例, 用一个原型系统对这一架构在原理上的可行性进行了初步的验证.