首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   7篇
  力学   7篇
  2022年   2篇
  2019年   3篇
  2017年   1篇
  2010年   1篇
排序方式: 共有7条查询结果,搜索用时 109 毫秒
1
1.
针对人工难以实现熊猫型保偏光纤的缺陷检测问题,提出了一种小样本下基于卷积特征的图像检测方法。首先针对光纤缺陷特征将Inception V3模型微调,使用微调后模型提取光纤的2048维卷积特征;其次使用主元分析法将2048维特征降为74维;最后使用降维后的特征训练支持向量机分类器,同时使用粒子群算法对分类器参数寻优,实现对光纤缺陷的识别与分类。经实验证明,该方法对光纤涂覆层微小缺陷的识别率达到97%,涂覆层局部损伤和严重破损的识别率达到100%,对降低光纤环绕制中原纤损失、提升光纤环的精密性、研究光纤缺陷对光纤陀螺精度的影响有一定意义。  相似文献
2.
不良驾驶行为识别对于减少交通事故的发生及实现智能交通具有重要意义。针对目前驾驶行为识别精度不高及系统稳定性不好问题,提出了一种基于多特征卷积神经网络和智能手机惯性传感器的新型驾驶行为识别方法。通过获取手机惯性传感器数据,利用多特征卷积神经网络对数据集进行特征提取和分析,来实现对多种驾驶行为的识别。最后,利用实际采集的车载数据进行不同方法试验对比,该算法对驾驶行为的分类精度达到97.14%,在识别精度上有一定优势。此外,MFCNN测试结果的方差仅为0.014 391,小于其它3种网络模型,可见所研究的网络模型及方法更加稳定可靠。  相似文献
3.
为提高复杂环境下移动机器人闭环检测的准确性,减少视觉里程计的累积误差,提出了四元数卷积神经网络的闭环检测算法。首先,利用超像素分割,提取多尺度路标,提升图像描述的视角和外观不变性;然后,扩展卷积神经网络的卷积层为四元数卷积层,增加红绿蓝三通道的关联性,提取彩色图像的深层信息,更好地体现彩色图像的整体性;最后,在图像相似度度量中,不仅计算路标距离,还考虑路标形状和空间分布信息,提高相似性度量的准确性。在卡内基梅隆大学和昆士兰大学公开数据集上对算法有效性进行了验证。实验结果表明,相比传统闭环检测算法,所提算法在保证较高召回率的同时,提高了闭环检测的准确率,在数据集上分别取得87.64%和90.12%的平均准确率,显著提高了光照、视角和季节变化等复杂环境中移动机器人闭环检测的准确性。  相似文献
4.
针对地磁方向适配性分析时人工特征提取主观性较强、所取特征难以表达深层的结构性特征的问题,并为了进一步提高方向适配性分析的准确率,提出了一种基于并行卷积神经网络的地磁方向适配性分析方法。首先,从不同角度建立了地磁场在6个代表方向上的适配性分析图;然后,从同一磁场的不同角度出发,利用卷积神经网络自动完成了特征学习,得到了更为全面的方向适配性特征描述;最后,在并行卷积神经网络所得特征的基础上,利用BP网络建立了地磁方向适配性的分析模型。仿真结果证明,该方法可以有效避免人工特征提取和计算等复杂步骤,实现了地磁方向适配性分析的自动化,而且可以获得优于传统网络和单路卷积神经网络的准确率。  相似文献
5.
数据驱动的模型已经被广泛研究,并成功应用到了计算力学。基于深度学习技术,提出一种新的采用数据驱动的碎片云生成模型。此模型可以学习SPH数值模拟结果,然后在多种控制条件下快速生成碎片云。在模型训练前的数据预处理阶段,对SPH模拟结果进行空间网格划分和质量聚合,实现了改善数据分布规律、加速模型训练和提升模型泛化性的目的。以高速靶球撞击薄壁圆筒后的碎片云质量分布为例,模拟并测试了多种控制条件下深度学习模型计算结果的正确性和稳定性,以及计算速度的高效性。实验证明,深度学习模型可以从训练集学习碎片云的物理规律,然后在训练集控制参数范围内进行良好的推理及插值;并且可以在训练数据集控制参数范围外,进行小范围推理预测;同时深度学习模型的计算速度远快于SPH方法。通过深度学习方法建立碎片云模型,可能是一种在空间飞行器防护结构原型设计阶段,实现碎片云实时生成的潜在方案。  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.
在无网格动力分析中,除了无网格形函数本身构造复杂引入的计算成本,还需要逐步递推求解每个时间步的动力响应,因而计算效率较为低下.本文通过研究无网格离散数据与机器学习训练样本、无网格动力分析递推计算过程与循环卷积神经网络序列信息传递模式之间的本征联系,构建了与无网格法相匹配的循环卷积神经网络设计方法,进而提出了一种无网格动力分析的循环卷积神经网络代理模型.该模型充分融合了无网格离散模型节点布置灵活的优点,同时无网格法能够提供具有泛化特征的高精度数值样本,增强循环卷积神经网络的泛化性和适用性.此外,循环卷积神经网络代理模型特有的循环模块历史记忆特性使其可以有效地处理序列信息,在保证精度的前提下加速无网格动力分析计算过程.文中通过系列算例验证了所提出的无网格动力分析的循环卷积神经网络代理模型的精度和效率.  相似文献
1
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