首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 15 毫秒
1.
卷积神经网络通过卷积核的移动加权提取样本点的局部特征,而无网格法基于节点信息构造具有核近似特点的形函数进行离散建模,两者的内在相似性为采用卷积神经网络加速无网格计算过程提供了有利条件.但是基于传统卷积神经网络的改进无网格法包含较为繁琐耗时的非线性参数求解.为了克服这一问题,本文充分利用无网格法能够灵活构建数据样本的优点,提出了一种径向基函数前置卷积神经网络模型.该网络通过径向基函数的前置,提前激活输入数据,实现了非线性变换和数据特征维度跃升,随后再将数据传入传统卷积层得到输出.由于所提网络模型具备线性求解的特点,能够有效提升预测精度与计算效率.在数值算例中,通过对比无网格法直接计算结果、传统卷积神经网络和所提的径向基函数前置卷积神经网络预测结果,系统验证了所提网络模型的有效性.  相似文献   

2.
基于尾流时程目标识别的流场参数选择研究   总被引:1,自引:0,他引:1  
战庆亮  葛耀君  白春锦 《力学学报》2021,53(10):2692-2702
浸入流场中的固体壁面会形成高度复杂且具有一定特征的尾流流场, 利用尾流所包含的信息对物体的外形特征进行识别具有重要的应用价值. 然而, 在较高雷诺数情况下尾流流场形态及其时序特征复杂, 难以通过传统的数学物理方法对流场信号进行特征的识别与提取. 本文提出了基于尾流时程数据深度学习的流场特征提取与分析方法, 实现了基于一点的物理量时程进行流场中物体外形的识别; 同时, 对流场中不同物理参数时程的识别精度与识别结果进行分析与研究, 得到适用于目标识别的最优物理量参数. 通过对圆柱和方柱的尾流数据研究结果表明, 本文提出的基于卷积神经网络的模型具有好的训练收敛性和高的预测精度, 能够识别并提取得到时程数据中包含的流场特征, 采用流场横向速度时程作为物体外形识别信号的模型准确率高. 证明了本方法用于浸入流场中物体外形识别的可行性, 是一种目标识别的高精度方法.   相似文献   

3.
基于MEMS惯性传感器的人体多运动模式识别   总被引:1,自引:0,他引:1  
针对人体多运动模式识别中识别精度低的问题,提出一种基于MEMS惯性传感器的人体多运动模式识别算法。该算法选取MEMS加速度传感器的时域特征作为模式识别特征量,提取MEMS角速度传感器的时域特征作为二次识别的特征量,能够准确识别走、跑、站立、上楼、下楼、趴倒、躺倒、倒退多种运动模式。识别过程采用分层识别算法,同时使用支持向量机识别区分难度较大的两类行为动作。嵌入式消防单兵定位系统平台的实验验证表明,利用该算法能够识别消防单兵的多运动模式,平均识别精度达到94%以上。  相似文献   

4.
自动驾驶车辆感知系统中,基于视觉的交通标志图像识别是一项关键技术。然而,由于目前硬件计算资源限制、极端光照或其他光源干扰等因素影响,在没有先验知识辅助的前提下,难以实现交通标志的准确识别和工程化应用。针对这一问题,提出了一种基于多传感器数据融合辅助的AlexNet(MSDF-Ale Nex)模型图像精确识别方法,利用组合导航数据对图像进行预划分,提高图像识别精度。首先,对高精度惯性/卫星导航设备、视觉传感器进行联合标定,结合高精度地图信息,获得相机与交通标志的相对位置和姿态关系;然后,利用视觉传感器自身参数,计算得到在当前图像中交通标志对应的相对位置,并据此获得224*224像素大小的目标区域;将传感器数据融合得到的目标信息和AlexNet模型相结合,目标区域作为AlexNet模型的输入数据。为验证MSDF-AlexNet模型的识别性能,基于VIVA交通信号灯数据库对模型进行离线训练并生成训练模型,然后将训练模型应用于无人巡逻车获得的实际场景交通标志图像的在线识别。结果表明,相对于AlexNet模型,MSDF-AlexNet模型在正常光照、其他光源干扰和极端光照下的综合识别精度分别达到98.4%、98%和96.8%,有助于推动系统的工程化应用。  相似文献   

5.
铁谱法是用于装备故障诊断的1种重要方法,其中铁谱法的重点是铁谱图像的分析,即磨损磨粒分析. 卷积神经网络是当下最流行的深度学习算法之一,其广泛应用于图像识别领域,使得图像识别领域得到突破. 随着卷积神经网络的快速发展,磨损颗粒在智能识别方面的技术取得了重大的突破. 本文中首先简述了卷积神经网络与磨粒智能识别的发展历史,针对基于卷积神经网络的磨粒识别方法进行了从图像数据集处理到模型优化技术方面的介绍,并详细说明了这些技术在磨粒识别中的具体应用实例. 然后从现有网络和自设计网络两方面分类,整理了近年来卷积神经网络应用于磨粒智能识别的代表性文献,综述了这些工作所提出的模型结构和特点,分析并阐述了各个模型主要的识别原理,各个网络结构存在的优缺点,以及它们的数据采用情况等,并对未来磨粒智能识别的主要研究方向进行了展望. 最后肯定了卷积神经网络方法在磨粒智能识别方面的重要性,同时指出了基于此方法的磨粒识别模型的缺点,并提出了应紧跟图像识别领域的最新技术以促进磨粒智能识别水平提高等建议,对磨粒智能识别的发展具有一定的意义.   相似文献   

6.
针对相同特征长度不同钝体的尾迹结构相近, 肉眼难于分辨的问题, 提出了一种基于卷积神经网络的钝体尾迹识别方法, 并在竖直肥皂膜水洞的典型钝体模型尾迹实验中获得高准确率验证. 实验平台由自建竖直肥皂膜实验装置、钝体模型(方柱、圆柱和三角柱)及图像采集系统组成, 可基于光学干涉法实现对不同速度下钝体肥皂膜尾迹的高清持续拍摄. 所建立卷积神经网络识别模型由输入层、卷积层、池化层、全连接层和分类层组成, 其中, 卷积层和池化层用于提取尾迹的深层次特征信息, 而全连接层和分类层构成识别分类模式来分类输出图像对应的钝体类型或雷诺数. 通过将9000张尾迹图像数据集导入卷积神经网络模型, 以数据驱动方式建立了具有钝体形状或雷诺数识别能力的尾迹特征识别模型. 结果表明, 该模型对相同雷诺数下识别钝体形状的准确率达97.6%(识别300张不同形状钝体尾迹图像), 对不同雷诺数下识别钝体形状的准确率达96%(识别1200张不同雷诺数尾迹图像), 即使将不同钝体形状和雷诺数下尾迹图像混放一起, 其钝体形状和雷诺数识别准确率也可以达到91%(识别1500张混放尾迹图像). 该方法为进一步利用人工智能提取流体尾迹中的物理信息提供借鉴.   相似文献   

7.
监测和识别原型水泵水轮机无叶区的流动状态,对于保证抽水蓄能电站的运行安全性和稳定性有非常重要的意义。本文提出了一种基于经验小波变换、散布熵和卷积神经网络原理的流态特征提取和识别方法,首先使用经验小波变换对压力脉动信号进行分解,然后通过计算各分量的散布熵提取流态相关特征,最后通过利用特征–标签对训练卷积神经网络得到的智能识别模型,实现了无叶区流态识别。利用从国内某水泵水轮机采集到的发电、抽水和空转工况下实测压力脉动信号对该方法进行了测试,测试的平均准确率达到了94.84%,证明了该方法的有效性。  相似文献   

8.
微惯性测量单元由三轴正交的微机械陀螺、加速度计和微型地磁传感器组成。将上述装置与GPS接收机组合,可构成最佳导航定位模型,其中紧耦合MIMUs/GPS对全导航参数(位置、速度及姿态)的测量精度可大幅提高。由于微惯性传感器具有大漂移特性,为获得具有自适应的线性参数模型,提出了融合滤波的信息处理方法,利用强跟踪滤波实现状态预测,二阶EKF实现测量更新,并借用神经网络技术完成对状态预测的修正。由于系统组件具有非线性,该神经网络辅助的强跟踪滤波方法旨在逼近MIMUs/GPS的真实特性,并为车载用户提供更为精准的导航参数信息。动态环境下的仿真试验表明,尽管MEMS惯性传感器的精度有限,所提出的方法能够有效用于实际的导航参数解算。  相似文献   

9.
微惯性测量单元由三轴正交的微机械陀螺、加速度计和微型地磁传感器组成.将上述装置与GPS接收机组合,可构成最佳导航定位模型,其中紧耦合MIMUs/GPS对全导航参数(位置、速度及姿态)的测量精度可大幅提高.由于微惯性传感器具有大漂移特性,为获得具有自适应的线性参数模型,提出了融合滤波的信息处理方法,利用强跟踪滤波实现状态预测,二阶EKF实现测量更新,并借用神经网络技术完成对状态预测的修正.由于系统组件具有非线性,该神经网络辅助的强跟踪滤波方法旨在逼近MIMUs/GPS的真实特性,并为车载用户提供更为精准的导航参数信息.动态环境下的仿真试验表明,尽管MEMS惯性传感器的精度有限,所提出的方法能够有效用于实际的导航参数解算.  相似文献   

10.
为了满足对外部环境精确探测、侦查的要求,先进的多载荷通用飞机通常搭载多种载荷设备。针对机翼挠曲变形、载荷设备子IMU精度低且易发生随机故障的情况,提出一种基于容错惯性网络的相对导航方法。首先,建立挠曲变形下多节点IMU之间动态转换模型以构成冗余测量信息,进行基于广义似然比检测的最小二乘融合,提高测量数据的可靠性和精度。其次,利用惯性网络间的局部运动信息进行相对导航解算,并建立误差估计与补偿模型。仿真结果表明,所提方法在惯性传感器发生随机故障的情况下,可有效完成主、子节点间的高精度相对运动估计,三个方向的相对位置估计误差分别为0.0646 mm、0.0634 mm和0.7377 mm。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号