期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于卷积神经网络的钢桥面板疲劳裂纹识别方法研究
被引量：
6
1
作者
石林泽
程斌
+1 位作者
董华能
刘天成
《桥梁建设》
EI
CSCD
北大核心
2023年第4期62-69,共8页
为准确识别钢桥面板在车辆反复荷载作用下产生的疲劳裂纹,构建了一种用于Lamb导波信号分析和疲劳裂纹扩展尺寸识别的卷积神经网络方法。该方法先用小波函数对导波信号进行卷积处理,获取导波特征,然后对时域参数和频域参数进行优化,最后...
为准确识别钢桥面板在车辆反复荷载作用下产生的疲劳裂纹,构建了一种用于Lamb导波信号分析和疲劳裂纹扩展尺寸识别的卷积神经网络方法。该方法先用小波函数对导波信号进行卷积处理,获取导波特征,然后对时域参数和频域参数进行优化,最后运用全连接网络对导波特征与先验性裂纹尺寸信息进行学习,实现疲劳裂纹扩展过程中的裂纹尺寸智能识别。以某大跨度钢箱梁斜拉桥钢桥面板的疲劳裂纹扩展过程监测为背景,通过数值模拟和实桥测试,并与小波变换法和傅里叶变换法进行对比,验证该方法的有效性和优越性。结果表明:卷积神经网络方法提取得到的导波特征随裂纹尖端扩展的变化趋势具有明显且稳定的规律性,裂纹扩展长度识别结果与裂纹真实值之间的识别误差均在1 mm内。卷积神经网络方法适用于工程实测中导波信号处理分析,可在钢桥面板裂纹监测中推广应用。
展开更多
关键词
钢桥面板
疲劳裂纹监测
裂纹尺寸识别
导波信号
卷积
神经网络
方法
有限元法
实桥测试
下载PDF
职称材料
遥感图像全色锐化的卷积神经网络方法研究进展
被引量：
4
2
作者
邓良剑
冉燃
+1 位作者
吴潇
张添敬
《中国图象图形学报》
CSCD
北大核心
2023年第1期57-79,共23页
随着计算机科学、遥感科学和大数据科学等领域的迅速发展,基于卷积神经网络的方法在图像处理、计算机视觉等任务上发挥着越来越重要的作用。而在遥感图像全色锐化领域,卷积神经网络由于其优秀的融合效果,已得到研究学者的广泛关注并有...
随着计算机科学、遥感科学和大数据科学等领域的迅速发展,基于卷积神经网络的方法在图像处理、计算机视觉等任务上发挥着越来越重要的作用。而在遥感图像全色锐化领域,卷积神经网络由于其优秀的融合效果,已得到研究学者的广泛关注并有大量的研究成果产生。尽管如此,依然有一些亟待解决的问题,例如缺乏全色锐化数据集的仿真细节描述、公平公开的训练—测试数据集、简单易懂的统一代码编写框架等。对此,本文主要从以下几方面回顾当前遥感图像全色锐化问题在卷积神经网络方面的一些进展,并针对前述问题发布相关数据集和代码编写框架。1)详细介绍7种典型的基于卷积神经网络的全色锐化方法,并在统一数据集上进行公平比较(包括与典型传统方法的比较);2)详细介绍训练—测试数据集的仿真细节,并发布相关卫星(如WorldView-3, QuickBird, GaoFen2,WorldView-2)的全色锐化训练—测试数据集;3)针对本文介绍的7种基于卷积神经网络的方法,发布基于Pytorch深度学习库的Python代码统一编写框架,便于后来初学者入门、开展研究以及公平比较;4)发布统一的全色锐化传统—深度学习方法MATLAB测试软件包,便于后来学者进行公平的实验测试对比;5)对本领域的未来研究方向进行讨论和展望。本文的相关数据集和代码详见课题主页:https://liangjiandeng.github.io/PanCollection.html。
展开更多
关键词
全色锐化
卷积
神经网络
(CNN)
典型
卷积
神经网络
方法
比较
数据集发布
代码框架发布
全色锐化综述
原文传递
基于卷积神经网络的直流XLPE电缆局部放电模式识别技术
被引量：
54
3
作者
朱煜峰
许永鹏
+2 位作者
陈孝信
盛戈皞
江秀臣
《电工技术学报》
EI
CSCD
北大核心
2020年第3期659-668,共10页
针对现有的直流交联聚乙烯(XLPE)电缆局部放电模式识别对强随机性信号的特征提取缺乏一定自适应能力的问题,该文提出基于卷积神经网络(CNN)的模式识别算法,采用卷积神经网络框架CAFFE进行网络训练和识别检测。首先采集四种典型绝缘缺陷...
针对现有的直流交联聚乙烯(XLPE)电缆局部放电模式识别对强随机性信号的特征提取缺乏一定自适应能力的问题,该文提出基于卷积神经网络(CNN)的模式识别算法,采用卷积神经网络框架CAFFE进行网络训练和识别检测。首先采集四种典型绝缘缺陷电缆的局部放电信号作为样本,再利用自适应的卷积核进行特征提取,池化层进行特征映射,非线性多分类器进行回归分类,最终得到训练完成的CAFFE网络。通过设置不同求解器参数、网络结构和训练样本数量对缺陷识别结果进行对比分析,发现利用改进的Alexnet网络,采用衰减学习率方式的模式识别框架的平均识别正确率最高,达到了91.32%,相比于传统模式识别算法至少提高了8.97%。该方法具有强大的自适应学习能力,为应用于直流电缆故障诊断的模式识别提供了新的思路。
展开更多
关键词
卷积
神经网络
卷积
神经网络
框架
方法
自适应特征提取
直流XLPE电缆
局部放电
下载PDF
职称材料
题名
基于卷积神经网络的钢桥面板疲劳裂纹识别方法研究
被引量：
6
1
作者
石林泽
程斌
董华能
刘天成
机构
上海交通大学船舶海洋与建筑工程学院
江苏高速公路工程养护技术有限公司
中交公路长大桥建设国家工程研究中心有限公司
出处
《桥梁建设》
EI
CSCD
北大核心
2023年第4期62-69,共8页
基金
国家重点研发计划项目(2021YFE0107800)
中交集团院士专项科研项目(YSZX-03-2021-01-B)。
文摘
为准确识别钢桥面板在车辆反复荷载作用下产生的疲劳裂纹,构建了一种用于Lamb导波信号分析和疲劳裂纹扩展尺寸识别的卷积神经网络方法。该方法先用小波函数对导波信号进行卷积处理,获取导波特征,然后对时域参数和频域参数进行优化,最后运用全连接网络对导波特征与先验性裂纹尺寸信息进行学习,实现疲劳裂纹扩展过程中的裂纹尺寸智能识别。以某大跨度钢箱梁斜拉桥钢桥面板的疲劳裂纹扩展过程监测为背景,通过数值模拟和实桥测试,并与小波变换法和傅里叶变换法进行对比,验证该方法的有效性和优越性。结果表明:卷积神经网络方法提取得到的导波特征随裂纹尖端扩展的变化趋势具有明显且稳定的规律性,裂纹扩展长度识别结果与裂纹真实值之间的识别误差均在1 mm内。卷积神经网络方法适用于工程实测中导波信号处理分析,可在钢桥面板裂纹监测中推广应用。
关键词
钢桥面板
疲劳裂纹监测
裂纹尺寸识别
导波信号
卷积
神经网络
方法
有限元法
实桥测试
Keywords
steel deck plate
fatigue crack monitoring
crack dimension identification
guided wave signal
convolutional neural network approach
finite element method
field testing
分类号
U443.32 [建筑科学—桥梁与隧道工程]
U441.4 [交通运输工程—道路与铁道工程]
U446
下载PDF
职称材料
题名
遥感图像全色锐化的卷积神经网络方法研究进展
被引量：
4
2
作者
邓良剑
冉燃
吴潇
张添敬
机构
电子科技大学
出处
《中国图象图形学报》
CSCD
北大核心
2023年第1期57-79,共23页
基金
国家自然科学基金项目(12271083,12171072)
四川省自然科学基金面上项目(2022NSFSC0501)
+1 种基金
国家重点研发计划资助(2020YFA0714001)
四川省应用基础研究重点项目(2020YJ0216)。
文摘
随着计算机科学、遥感科学和大数据科学等领域的迅速发展,基于卷积神经网络的方法在图像处理、计算机视觉等任务上发挥着越来越重要的作用。而在遥感图像全色锐化领域,卷积神经网络由于其优秀的融合效果,已得到研究学者的广泛关注并有大量的研究成果产生。尽管如此,依然有一些亟待解决的问题,例如缺乏全色锐化数据集的仿真细节描述、公平公开的训练—测试数据集、简单易懂的统一代码编写框架等。对此,本文主要从以下几方面回顾当前遥感图像全色锐化问题在卷积神经网络方面的一些进展,并针对前述问题发布相关数据集和代码编写框架。1)详细介绍7种典型的基于卷积神经网络的全色锐化方法,并在统一数据集上进行公平比较(包括与典型传统方法的比较);2)详细介绍训练—测试数据集的仿真细节,并发布相关卫星(如WorldView-3, QuickBird, GaoFen2,WorldView-2)的全色锐化训练—测试数据集;3)针对本文介绍的7种基于卷积神经网络的方法,发布基于Pytorch深度学习库的Python代码统一编写框架,便于后来初学者入门、开展研究以及公平比较;4)发布统一的全色锐化传统—深度学习方法MATLAB测试软件包,便于后来学者进行公平的实验测试对比;5)对本领域的未来研究方向进行讨论和展望。本文的相关数据集和代码详见课题主页:https://liangjiandeng.github.io/PanCollection.html。
关键词
全色锐化
卷积
神经网络
(CNN)
典型
卷积
神经网络
方法
比较
数据集发布
代码框架发布
全色锐化综述
Keywords
pansharpening
convolutional neural network(CNN)
comparison of typical CNN methods
datasets releasing
coding-framework releasing
pansharpening survey
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
基于卷积神经网络的直流XLPE电缆局部放电模式识别技术
被引量：
54
3
作者
朱煜峰
许永鹏
陈孝信
盛戈皞
江秀臣
机构
上海交通大学电气工程系
国网浙江省电力有限公司电力科学研究院
出处
《电工技术学报》
EI
CSCD
北大核心
2020年第3期659-668,共10页
基金
国家重点研发计划资助项目（2016YFB0900705）
文摘
针对现有的直流交联聚乙烯(XLPE)电缆局部放电模式识别对强随机性信号的特征提取缺乏一定自适应能力的问题,该文提出基于卷积神经网络(CNN)的模式识别算法,采用卷积神经网络框架CAFFE进行网络训练和识别检测。首先采集四种典型绝缘缺陷电缆的局部放电信号作为样本,再利用自适应的卷积核进行特征提取,池化层进行特征映射,非线性多分类器进行回归分类,最终得到训练完成的CAFFE网络。通过设置不同求解器参数、网络结构和训练样本数量对缺陷识别结果进行对比分析,发现利用改进的Alexnet网络,采用衰减学习率方式的模式识别框架的平均识别正确率最高,达到了91.32%,相比于传统模式识别算法至少提高了8.97%。该方法具有强大的自适应学习能力,为应用于直流电缆故障诊断的模式识别提供了新的思路。
关键词
卷积
神经网络
卷积
神经网络
框架
方法
自适应特征提取
直流XLPE电缆
局部放电
Keywords
Convolutional neural network
convolutional architecture for fast feature embedding
self-adaptive feature extraction
DC XLPE cable
partial discharge
分类号
TM85 [电气工程—高电压与绝缘技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于卷积神经网络的钢桥面板疲劳裂纹识别方法研究
石林泽
程斌
董华能
刘天成
《桥梁建设》
EI
CSCD
北大核心
2023
6
下载PDF
职称材料
2
遥感图像全色锐化的卷积神经网络方法研究进展
邓良剑
冉燃
吴潇
张添敬
《中国图象图形学报》
CSCD
北大核心
2023
4
原文传递
3
基于卷积神经网络的直流XLPE电缆局部放电模式识别技术
朱煜峰
许永鹏
陈孝信
盛戈皞
江秀臣
《电工技术学报》
EI
CSCD
北大核心
2020
54
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
