首页期刊导航|沈阳理工大学学报
期刊信息/Journal information
沈阳理工大学学报
沈阳理工大学学报

李成华

双月刊

1003-1251

sgxb6097@yahoo.com.cn

024-24686097

110168

沈阳市浑南新区南屏中路6号

沈阳理工大学学报/Journal Transactions of Shenyang Ligong UniversityCSTPCD
查看更多>>本刊以基础理论、应用科学和工程技术为主的综合性刊物，主要刊登有创新的科研论文、有创新或有实用价值的研究报告和重要学术问题述评。
正式出版
收录年代

    基于改进变分模态分解的抽油井偏磨程度诊断

    李翔宇邬亦晗袁春华
    1-8页
    查看更多>>摘要：目前抽油井工况分析方法与实时智能诊断技术不完善,无法及时发现、处理偏磨问题,导致抽油杆、泵等关键部件存在严重的损坏风险.为此,提出一种基于改进变分模态分解(IVMD)的抽油井偏磨程度诊断方法,其核心思想在于,扭矩和轴向力的变化会导致抽油井的偏磨程度发生改变,从而影响电参数信号的频率和幅值.首先通过改进人工鱼群算法优化变分模态分解(VMD)的分解层数与惩罚因子,然后将油井电参数信号分解成多个局部振动模态,并对生成的各局部振动模态进行特征分析,最后采用RGB图实现对抽油井偏磨程度诊断.研究结果表明,该方法可有效判断偏磨程度.

    抽油井改进人工鱼群算法改进变分模态分解RGB图偏磨程度诊断

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    改进RRT算法的四旋翼无人机路径规划方法

    冯迎宾赵子君晏佳华
    9-15页
    查看更多>>摘要：针对快速扩展随机树(rapidly-exploring random tree,RRT)算法在无人机路径规划过程中采样次数多、生成路径曲折等问题,提出了一种将路径重规划策略和平滑度优化相结合的路径规划算法.首先,通过重新构造采样区域降低RRT算法采样次数,利用目标偏向寻优策略为RRT算法添加导向性;其次,在筛选初始航迹点的同时引入无人机性能约束;然后,利用B样条对重规划路径进行平滑处理;最后,利用Matlab对所提出的算法进行仿真实验.实验结果为平均采样次数为386 次,平均运行时间为0.43 s,平均航迹距离为1 392.16(无量纲),表明了算法可有效降低采样次数并改善路径平滑性.

    四旋翼无人机快速扩展随机树航迹平滑B样条曲线

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv7的安全帽佩戴检测算法

    杨大为张成超
    16-21页
    查看更多>>摘要：为提高工作场所安全帽佩戴的检测精度,提出一种基于YOLOv7 网络架构的改进算法.首先,在特征提取网络中引入卷积块注意力机制(CBAM)取代YOLOv7 中主干网络部分原有的卷积模块(CBS),增强网络的特征提取能力,加强网络对目标和背景的分辨能力;其次,为解决由于网络层数的加深导致小目标特征减弱甚至消失的问题,增加一个小目标层,通过将浅层网络特征与深层网络特征融合,进一步保留小目标特征.实验结果表明,原YOLOv7 对安全帽佩戴检测的均值平均精度为86.1%,改进后到达93.4%,实现了检测精度的提高.

    安全帽特征提取网络注意力机制小目标

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于ECAProNet模型的小样本变工况轴承故障诊断

    王勉吴东升王笑臣
    22-27页
    查看更多>>摘要：针对小样本变工况轴承故障诊断中易出现过拟合的问题,提出一种在原型网络(Pro-Net)中加入高效通道注意力机制(ECA)的轴承故障诊断方法(ECAProNet).基于度量学习的思想,在改进原型网络框架下将通过特征提取模块的样本信号映射至特征度量空间,在该空间内确定查询样本与各类原型间的欧式距离,得到损失函数,进而优化特征提取网络框架;为达到元学习目的,采用基于episodes的训练策略,将算法泛化到不同工况的测试诊断中.在CW-RU数据集上设置5-way 5-shot和5-way 1-shot验证实验,结果表明,ECAProNet在小样本变工况轴承故障诊断中表现出较好的性能.

    故障诊断小样本学习变工况原型网络高效通道注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于蚁群算法的纯电动汽车路径规划研究

    李佳燕方存光槐崇飞
    28-35页
    查看更多>>摘要：为了缓解纯电动汽车用户出行焦虑,提出一种考虑交通动态性及速度时变性的路径规划方法.根据道路节点位置、海拔高度、充电桩位置等信息建立沈阳市20 km×20 km区域道路拓扑结构,基于车辆充电需求、行驶距离、行驶时间、行驶能耗、附件能耗建立纯电动汽车多目标路径函数,采用蚁群算法开展路径规划.仿真结果表明,本文提出的规划方法能够找到切合实际的目标路径.

    纯电动汽车能耗模型路径规划蚁群算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于非线性模型预测的四旋翼无人机轨迹跟踪控制

    闫玉盼饶兵刘砚菊冯迎宾...
    36-43,49页
    查看更多>>摘要：针对四旋翼无人机轨迹跟踪控制器跟踪性能不稳定的问题,提出一种基于非线性模型预测控制(nolinear model predict control,NMPC)的轨迹跟踪算法.首先,建立四旋翼无人机的动力学模型,定义四旋翼无人机的位置和姿态为状态量,螺旋桨转速为控制输入量,建立非线性状态空间方程作为控制算法的预测模型.其次,定义最优化函数和四旋翼无人机控制约束,将轨迹跟踪控制问题转换为非线性最优化求解问题.最后,通过多重打靶法求解得到的最优控制量作为四旋翼无人机的输入信号.为验证NMPC算法的跟踪性能,在Matlab中搭建仿真平台进行对比实验,结果表明,与PID和串级模型预测控制(model predict control,MPC)及改进MPC方法相比,NMPC算法能够在满足约束的情况下完成轨迹跟踪任务,误差小、精度高,并具有抗干扰能力.

    四旋翼无人机非线性模型预测控制轨迹跟踪

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于LSTM-CNN的双路径滚动轴承故障诊断

    景斯桐吴东升
    44-49页
    查看更多>>摘要：针对轴承故障诊断中特征提取对人工依赖性强、特征提取不准确、对振动信号中的时间信息不敏感的问题,提出一种基于长短时记忆网络(LSTM)和卷积神经网络(CNN)结合的双路径递归神经网络方法,该方法对振动等原始信号进行处理,捕获时间序列数据中的远距离依赖关系,并引入注意力机制,抑制输入信号的高频噪声,使模型关注关键信息,提高模型训练效率.在凯斯西储大学轴承故障数据集上的实验结果表明,该方法能有效提升轴承故障识别率,具有良好的故障分类能力.

    故障诊断注意力机制长短时记忆网络卷积神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    改进DeepLabV3+网络的指针轨迹图像识别

    袁帅蒋强饶兵
    50-54,60页
    查看更多>>摘要：指针式机械记录仪通常用于记录精密设备运输过程中的震动轨迹图像,为了更好地监测运输过程中车辆颠簸对仪器设备的影响,提出一种改进DeepLabV3+网络的指针轨迹图像语义分割方法.首先将骨干网络替换为MobileNetV3,实现模型的轻量化;然后将解码器中 4倍上采样替换为2 次2 倍上采样,增强图像中像素的连续性,使预测结果更接近原始图像.在自制数据集上进行对比实验,结果表明:改进DeepLabV3+网络的平均交并比(MIoU)达到85.84%,比原始DeepLabV3+网络提高了 3.57%,单位时间内检测图片数量(FPS)提高了3.58 s-1;改进DeepLabV3+网络在识别精度和速度上具有明显的优势,可为精密仪器检测提供数据支持.

    改进DeepLabV3+语义分割轨迹图像识别轻量化

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    改进多尺度U型网络的红外图像去模糊方法

    张艳珠赵赫刘义杰
    55-60页
    查看更多>>摘要：针对热成像设备采集的红外图像纹理细节较粗导致去模糊效果不佳的问题,在基于深度学习的可见光图像去模糊网络基础上,提出了一种改进的适用于红外图像的单幅图像去模糊方法,该方法以多尺度U型网络为基础进行改进.首先,在编码模块中引入对偶注意力单元,增强网络的特征表达能力;其次,将快速傅里叶变换嵌入到特征融合模块,加强网络对于高低频信息的处理能力;最后,选择更优的激活函数和损失函数,实现更好的信息流动并提升模型的鲁棒性.在红外数据集上进行测试,并与原网络进行对比,结果表明,本文改进网络的图像细节恢复得更好,峰值信噪比提升了0.53 dB,红外图像去模糊效果良好.

    红外图像深度学习图像去模糊对偶注意力单元快速傅里叶变换

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    一种基于FastText的恶意代码家族分类方法

    张宇迪冯永新赵运弢
    61-68,90页
    查看更多>>摘要：传统的恶意代码家族分类方法主要通过代码家族浅层关联特征的统计分析达到分类和识别的目的.随着恶意代码加壳、混淆、多态技术的发展,传统方法的局限性逐渐显现,但恶意代码需调用API函数达成恶意目的始终是其不变的行为特征.基于embedding、word2vec模型的传统方法缺乏对低频API函数的特征提取能力,在表征API序列局部顺序特征时易产生映射失真,存在词典外API行为扩展、推理能力弱等导致分类准确率下降的不足.由此,引入负采样优化的FastText框架以加强对API序列映射的准确度,提出一种基于FastText框架下的恶意代码家族分类方法.利用FastText框架实现代码样本API序列的多维向量转换和精准表达,结合一维卷积及长短时记忆(LSTM)网络进一步提取API行为局部特征.实验结果表明,该模型的性能相较于传统的 embedding 方法和 word2vec 框架性能更优,准确率可达 99%以上.

    FastText恶意代码家族分类长短时记忆网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据