基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

具有不定位势Kirchhoff型Schrödinger-Bopp-Podolsky系统解的存在性

研究Kirchhoff型Schrödinger-Bopp-Podolsky系统,考虑位势函数V不定的情况。此时Schrödinger算子-Δ+V具有有限维负空间。利用Morse理论,得到Kirchhoff型Schrödinger-Bopp-Podolsky系统非平凡解的存在性。     

动态可控残差卷积神经网络的低剂量 CT 图像处理

针对计算机断层扫描(Computed Tomography, CT)中因采用低剂量扫描方式,导致图像噪声伪影干扰,尤其 是不同部位噪声和伪影强度存在较大差异这一问题,提出了一种基于动态可控残差的卷积神经网络(DC-ResNet) 算法。 DC-ResNet 的主要思想是在常规残差网络连接中添加一个图像质量指导的控制变量,以允许获取残差的加 权和,从而实现残差特征的动态可控。 所设计的 DC-ResNet 网络是一种包括两个子网络的组合型结构,一个是作 为主干网络的基础子网络,在该子网络中使用全局动态残差块和局部动态残差块来实现低剂量 CT 图像质量的提 高;另一个是作为辅助网络的条件子网络,用来生成基础子网络中不同动态可控残差块的权值,辅助基础子网络的 学习。 通过 Mayo 与 UIH 数据实验验证,其视觉结果表明:处理后的不同部位 CT 图像噪声伪影均能够得到较好的 抑制,并能有效地保留结构细节及组织纹理;量化结果表明:处理后的 CT 图像峰值信噪比( Peak-Signal to Noise Ratio, PSNR)和结构相似性(Structure Similarity, SSIM)均优于对比方法。     

基于变换域注意力机制的压缩伪影去除的方法

图像有损压缩过程往往会导致图像质量退化,使图像出现压缩伪影。针对现有基于深度学习的方法缺乏对联合图像专家组(Joint Photographic Experts Group,JPEG)压缩算法先验信息的利用,提出一种基于变换域注意力机制的去伪影方法。该方法利用卷积神经网络在像素域和离散余弦变换(discrete cosine transform,DCT)域分别提取特征,再将双域学习的特征信息进行融合。利用量化表设计了DCT注意力机制,该模块根据DCT系数的损失程度给予各频率系数不同的权值,使网络自适应补偿量化引起的误差。于此基础上,在像素域引入通道注意力机制,从而更好地利用量化表的先验信息。在主要数据集上,提出的去伪影方法以固定的模型参数对多种质量因子的压缩图像进行伪影去除实验。实验结果表明,所提出的方法在各评价指标和主观视觉上取得较好的效果。     

利用早停可微架构搜索的三维点云模型分类

针对现有三维点云分类网络采用人工设计费时费力的问题,提出早停可微架构搜索(early-stopping differentiable architecture search,ES-DARTS)算法。利用从人工设计网络架构中提取到的先验知识,预定义一个包含高效候选操作的搜索空间,可快速搜索出适用于三维模型分类任务的高性能网络模型;通过追踪网络搜索阶段各候选操作的权重变化,找出跳跃连接操作在双重优化过程中发挥不公平竞争作用的临界点并在此处停止搜索,以保证各候选操作之间的稳定性,解决DARTS算法搜索过程中易出现性能崩溃的问题。提出的算法在ModelNet40数据集上达到了93.2%的识别准确率,比当前人工设计的主流网络具有更高的识别准确率。     

变压器绕组短路故障多特征融合诊断

绕组匝间短路是变压器最常见的初期故障类型之一.为了提高轻度故障的诊断准确率,考虑绕组短路电流、绕组温度、电流密度和磁通偏移特征,提出了变压器绕组短路故障的多特征融合诊断方法.首先建立了变压器绕组短路的COMSOL空间模型,将仿真结果和理论计算结果进行对比,证明空间模型的正确性.然后,对变压器轻度故障时进行了故障模拟和故障特征分析,提取其电流特征参量、温度特征参量、电流密度偏移率和磁通偏移率作为故障特征.采用BP网络进行故障识别.变压器的工程诊断实例验证了本文方法的有效性.     

江西樟树四特酒香味成分的GC／MS分析

通过对四特酒进行化学处理、分类收集组分,采用GC/MS联用技术对各组分进行分离与定性定量测定,分离出130多个色谱峰,鉴定出65个化合物.     

秦淮河流域典型排涝泵站前池水质与降雨特征响应关系

为分析排涝泵站前池水质与降雨特征的响应关系,对南京市城区秦淮河沿线2个排涝泵站前池水质以及降水量开展高频在线自动监测,结合回归树方法分析了不同降雨强度、前期干旱时间条件下排涝泵站前池水质变化规律,探讨了不同类型排涝泵站前池水质的主要影响因素。结果表明:晴雨天均有生活污水汇入的A泵站前池氨氮质量浓度在大雨强下降低,中雨强下先升高后降低,小雨强下平缓上升,A泵站前池污染物质量浓度主要受降雨强度和次降水量影响;主要接收降雨径流,雨量大时有生活污水溢流汇入的B泵站,前池污染物质量浓度在大雨强下先升高后逐渐降低,中雨强下降低,小雨强下变化不大,B泵站前池水质主要受次降水量、前期干旱时间和降雨强度影响;2个泵站前池CODMn质量浓度变化与降雨的响应规律相似,但更多受到与前期干旱时间关联的地表径流冲刷作用影响;连续降雨均导致泵站前池氨氮质量浓度和CODMn质量浓度波动变化较大,而前期干旱时间越长,降雨发生后泵站前池水质越差。     

Y形缝隙加载小型化超宽带Vivaldi端射天线

针对常规Vivaldi天线尺寸大、低频段前向辐射增益低的问题,设计了一款覆盖2.7~18.3GHz的小型化高增益超宽带端射天线。该天线通过在辐射贴片两侧加载Y形缝隙的方法,将天线表面电流汇聚于槽线附近,使天线的辐射特性明显提高。改善天线的阻抗匹配特性,展宽天线带宽,提高天线的增益,增强天线端射效果,天线的尺寸仅为25mm×25mm×1mm,实现了小型化。低频部分(2.7~8GHz)增益比原始天线提高最大值为3.5dB。通过天线实物的加工和测试,进一步验证了设计的可靠性。