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
共找到5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：
煤矿带式输送机异常状态视频AI识别技术研究 被引量：12
1
作者 毛清华 郭文瑾 +4 位作者 翟姣 王荣泉 尚新芒 李世坤 薛旭升 《工矿自动化》 CSCD 北大核心 2023年第9期36-46,共11页
传统的带式输送机异常状态识别采用人工巡检或机械综合保护系统进行检测,人工巡检劳动强度大、效率低、难以准确发现故障等,机械综合保护系统易造成误判,识别效果不佳,已无法满足煤炭行业智能化需求。随着机器视觉、深度学习和工业以太... 传统的带式输送机异常状态识别采用人工巡检或机械综合保护系统进行检测,人工巡检劳动强度大、效率低、难以准确发现故障等,机械综合保护系统易造成误判,识别效果不佳,已无法满足煤炭行业智能化需求。随着机器视觉、深度学习和工业以太网技术发展,视频AI技术成为煤矿带式输送机异常状态智能识别的研究热点。分析了采用视频AI技术识别煤矿带式输送机输送带跑偏、托辊故障、人员入侵、人员不安全行为、堆煤及异物等异常状态的研究现状,指出目前煤矿带式输送机异常状态视频AI识别技术存在视频图像数据集构建耗时长、异常状态识别精度不高、视频信息传输延时大3个主要问题。针对视频图像数据集构建耗时长问题,提出加强基于半监督、无监督及小样本学习的视频AI识别算法研究、基于生成模型等方式扩充数据集的解决思路;针对异常状态识别精度不高问题,提出加强数据去模糊方法研究、利用生成对抗网络等算法均衡正负样本和改进AI识别算法的解决思路;针对视频信息传输延时大问题,提出构建“云−边−端”协同的带式输送机异常状态视频AI识别系统架构,合理部署高带宽、低延时的网络通信系统的解决思路。从高性能视频AI识别算法,高带宽、低延时视频通信技术,“云−边−端”高效协同的视频AI识别系统和健全视频AI识别技术标准4个方面展望了带式输送机异常状态视频AI识别技术的发展趋势。 展开更多
关键词 煤矿带式输送机 异常状态识别 视频AI识别 胶带跑偏检测 托辊故障检测 人员异常状态检测 堆煤检测 异物检测
下载PDF
基于改进K-means聚类的变压器异常状态识别模型 被引量：6
2
作者 谢荣斌 马春雷 +1 位作者 张丽娟 靳斌 《电力大数据》 2018年第5期24-30,共7页
为有效利用变压器历史正常数据识别变压器是否异常,文章提出了基于改进K-means聚类的变压器异常状态识别模型。针对变压器绝大部分运行数据为正常数据,且正常数据逐渐按一定的趋势变化以及异常状态数据变化急剧等特点,基于历史正常数据... 为有效利用变压器历史正常数据识别变压器是否异常,文章提出了基于改进K-means聚类的变压器异常状态识别模型。针对变压器绝大部分运行数据为正常数据,且正常数据逐渐按一定的趋势变化以及异常状态数据变化急剧等特点,基于历史正常数据与K-means算法建立变压器异常状态识别模型。根据对正常数据聚类的结果确定用于识别新数据的各个阈值,通过计算新数据到各聚类中心的距离并与各阈值对比确认变压器是否异常。同时针对传统K-means算法的缺点,对K-means算法进行基于密度与距离选择K值与初始聚类中心的改进,使K-means算法有稳定的K值与聚类中心,聚类过程更加快速、稳定、有效,从而使识别模型计算得到的阈值更可靠。实例分析表明,模型能有效对变压器的异常状态进行快速、准确的识别,为变压器状态评估提供一种新思路。 展开更多
关键词 变压器 K-MEANS 状态评估 油中溶解气体 异常状态识别
下载PDF
基于红外图像数据域转化和Inception-CNN网络的变压器套管在线异常识别方法 被引量：5
3
作者 王姿尧 梁惠施 +3 位作者 王薇 贡晓旭 周奎 詹阳 《高电压技术》 EI CAS CSCD 北大核心 2023年第8期3425-3436,共12页
套管故障近年来已成为引起变压器故障的主要原因,采用红外检测可在线识别套管故障。然而,在实际工程中,变压器套管异常状态数据极少或缺失,给变压器套管在线智能异常监测模型的训练带来了困难。为解决这一问题,该文提出了一种基于红外... 套管故障近年来已成为引起变压器故障的主要原因,采用红外检测可在线识别套管故障。然而,在实际工程中,变压器套管异常状态数据极少或缺失,给变压器套管在线智能异常监测模型的训练带来了困难。为解决这一问题,该文提出了一种基于红外图像数据域转化和Inception卷积神经网络(Inception-convotionalneural networks,Inception-CNN)的变压器套管在线异常识别方法,通过仿真模拟套管多种典型异常情况下的温度分布获得异常红外热图像样本,然后基于循环生成对抗网络(cycle generative adversarial networks, CycleGAN)完成数据在仿真图像域与实测红外图像域之间的映射,实现对异常数据的增强。最后建立基于Inception-CNN的套管异常分类网络,实现对套管异常状态的在线识别。实验结果表明,所提方法对各相套管异常分类预测的平均F1值均在97%以上,与未经过数据域转化的消融实验相比精度更高,说明该方法能够有效识别变压器套管的正常及异常运行状态,并且为异常数据的增强提供了新思路。 展开更多
关键词 变压器套管 红外图像域 仿真图像域 数据增强 异常状态识别 数据域映射
下载PDF
基于振动信号的轴承早期异常状态识别方法研究 被引量：3
4
作者 孙磊 贾云献 +2 位作者 刘峰 李华 腾红智 《轴承》 北大核心 2013年第7期59-63,共5页
针对轴承早期异常状态识别问题,提出了一种基于振动信号和HSMM-DBN的轴承早期异常状态识别方法,研究了隐半马尔科夫模型转换为动态贝叶斯网络(HSMM-DBN)的优点和基本过程,并应用该方法对试验数据进行了分析。结果表明,该方法能够有效识... 针对轴承早期异常状态识别问题,提出了一种基于振动信号和HSMM-DBN的轴承早期异常状态识别方法,研究了隐半马尔科夫模型转换为动态贝叶斯网络(HSMM-DBN)的优点和基本过程,并应用该方法对试验数据进行了分析。结果表明,该方法能够有效识别轴承故障的早期异常状态,为机械设备异常状态识别提供了一种新的有效方法。 展开更多
关键词 滚动轴承 故障诊断 隐半马尔科夫模型 动态贝叶斯网络 异常状态识别
下载PDF
基于VME-M1DCNN-LSTM的齿轮异常状态智能识别
5
作者 杜文友 王宇琦 +2 位作者 崔霄 徐伟 崔建国 《沈阳航空航天大学学报》 2023年第5期50-55,共6页
针对工程实际中齿轮振动信号受噪声污染严重导致其异常状态难以准确识别的问题,提出了一种基于变分模态提取(variational mode extraction,VME)和多尺度一维卷积(multiscale one-dimensional convolution,M1DCNN)融合长短时记忆神经网络... 针对工程实际中齿轮振动信号受噪声污染严重导致其异常状态难以准确识别的问题,提出了一种基于变分模态提取(variational mode extraction,VME)和多尺度一维卷积(multiscale one-dimensional convolution,M1DCNN)融合长短时记忆神经网络(long short-term memory,LSTM)的齿轮异常状态智能识别新方法。首先,采用VME方法分别对采集到的齿轮处于正常状态、轮齿碎裂、齿轮断齿、齿根裂纹以及齿轮磨损等5种状态的原始振动信号进行预处理,去除原始振动信号中的噪声干扰,提取齿轮不同状态的主模态分量作为齿轮状态的特征信息;其次,由提取的齿轮状态主模态分量构建训练数据集与测试数据集;最后,设计了M1DCNN-LSTM异常状态识别模型,并采用所构建的数据集对设计的异常状态识别模型进行了测试试验验证。结果表明,所提出的方法可以很好地实现齿轮异常状态智能识别效能,异常状态识别准确率达99.25%,明显高于其他相关齿轮异常状态识别方法。 展开更多
关键词 齿轮 异常状态识别 变分模态提取 多尺度一维卷积 长短时记忆神经网络
下载PDF
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
使用帮助 返回顶部