首页期刊导航|国外电子测量技术
期刊信息/Journal information
国外电子测量技术
国外电子测量技术

陈光衤禹

月刊

1002-8978

fedit@vip.163.com

010-64005190

100009

北京东城区北河沿大街79号2楼

国外电子测量技术/Journal Foreign Electronic Measurement Technology北大核心CSTPCD
正式出版
收录年代

    变工况条件下三相异步电机匝间短路故障诊断

    李剑君李昂王勇飞冯治国...
    162-167页
    查看更多>>摘要:针对三相异步电机匝间短路故障在不同工况下数据分布不一致带来的泛化识别准确率下降的问题.提出了一种基于残差-自注意力网络的迁移学习方法,通过在残差网络中嵌入自注意力机制实现特征强化并利用源域数据进行模型训练,然后利用迁移学习的微调策略使得模型能更好地适应目标域的特征分布,以此来增加模型在目标域数据中的适应性能力.此外,通过设计对比实验探究了引入微调训练以及在模型中嵌入自注意力机制对于模型诊断性能的影响.实验结果表明,所提方法在3种负载条件下迁移的平均准确率为87.5%,相较于一般的残差网络准确率提高了4.5%,同时召回率和F1 分数分别提高了约10%和6%.

    三相异步电机故障诊断匝间短路变工况迁移学习

    改进YOLOv5s算法的电动车头盔检测研究

    侯恩翔张旭刘罡张秀再...
    168-176页
    查看更多>>摘要:针对电动车头盔佩戴检测存在遮挡、车辆密集以及一车多人的复杂场景下出现的漏检、误检问题,在YOLOv5s的基础上,提出了一种应用于电动车头盔佩戴检测的改进算法.设计了一种由递归门控卷积改进的GBC3模块,替换网络主干和特征融合层(feature pyramid networks,FPN)中的C3模块,加强邻间特征的空间信息交互,提高网络的特征提取和特征融合能力;其次在主干和特征融合网络添加无参注意力机制(SimAM),以调整特征图中不同区域的注意力权重,对重要目标施加更多关注;最后引入调整超参后的 WIOU损失函数,优化预测框回归,提高模型的目标定位能力.在自制电动车头盔数据集上的实验结果表明,改进模型在仅增加较少参数的前提下,其平均精度均值(mAP)达到97.3%,较YOLOv5s提高了3.2%,并且检测速度为87.1 fps,改善了误检和漏检的问题,同时仍具有较高的实时性,更适用于电动车驾乘者的头盔佩戴检测.

    电动车头盔检测递归门控卷积空间交互注意力机制

    基于孪生网络的自监督太阳能电池板裂纹检测方法

    崔康陈平
    177-182页
    查看更多>>摘要:太阳能电池板的裂纹缺陷检测能够避免电能转换效率低,以及短路造成起火的损失.针对现存对比学习方法中存在细微裂纹漏检导致检测精度低,并且严重依赖构建负样本等问题,提出了一种基于孪生网络的两阶段自监督裂纹检测方法.第1阶段提出了一种基于卷积神经网络(convolutional neural network,CNN)和Transformer的预训练编码器模型,通过孪生网络架构学习样本的精细特征表示,提高对电池板细微裂纹的特征表示能力;第2阶段基于预训练模型在少量标注样本下学习分类器以区分缺陷样本.为进一步区分不影响电池板功能的纵向裂纹,另增加了一个分类头进行判别.在ELPV数据集上的实验结果表明,方法在测试准确度方面优于其他相关检测方法,在只对数据进行少量标注的情况下准确度达到83.26%,单张检测时间为6.1 ms,同时在裂纹图像中检出纵向裂纹的召回率也有76.7%.

    太阳能电池板裂纹检测对比学习孪生网络

    基于改进SSI法的加工机器人工作模态在线辨识

    郭辉陈友兴韩焱
    183-189页
    查看更多>>摘要:为提高串联式机器人的加工能力,提出一种基于改进SSI法的加工机器人工作模态在线辨识方法,该方法首先在传统SSI法的基础上进行改进,利用NExT法、模态置信因子及模态保证准则3种手段来提高加工机器人工作模态参数辨识精度.其次,利用加工机器人铣削加工振动数据对其走刀路径上关键点位出的模态频率和阻尼比进行在线辨识.最终,通过机器人切削加工实验验证该方法,实验结果表明,相比于锤击实验结果,改进SSI法模态参数辨识误差在7%以内,且相比于传统SSI法,改进SSI法模态参数辨识精度更高.因此,若仅关心模态频率及阻尼比,该方法可实现加工机器人走刀过程中模态参数的在线辨识,可为后续机器人进行工艺规划和优化提供输入条件.

    改进SSI法加工机器人工作模态在线辨识模态频率阻尼比

    基于深度融合的全自动石英坩埚气泡检测方法

    赵谦郑轩李蓉蓉赵曼...
    190-198页
    查看更多>>摘要:针对石英坩埚透明层中气泡检测依赖于人工肉眼检测,存在着效率低、准确性不高的问题,提出了一种基于深度融合气泡检测算法(DFBDA).首先,利用智能机械臂夹持工业显微镜,自动采集石英坩埚透明层的气泡视频图像;然后,使用融合形态学变换的气泡分割和轮廓提取算法,以确保对气泡的准确分割;最后,通过深度融合方法对多帧相似气泡进行融合,实现了对气泡准确位置的三维重建.针对不同坩埚样品的测试验证,实验结果表明,方法对气泡的平均识别准确率达到了98.7%,速度和精度都满足工业需求.

    石英坩埚气泡检测形态学自动化图像处理

    国外电子测量技术征稿通知

    前插1页