基于卷积神经网络的管道井缺陷识别研究

管道井与人类社会生活息息相关,而由于管道井盖丢失、破损造成交通事故频发,危害人类财产生命安全。本文提出利用计算机视觉技术检测识别管道井缺陷,然后通过标记报警功能来实时抢修,可以避免更多事故的发生。本文通过构建深度神经网络模型,利用卷积神经网络模型自动提取图像中每种管道井缺陷的特征,通过对管道井的六种缺陷现象进行训练、测试,得到最终识别结果。实验结果表明,卷积神经网络对管道井缺陷图像的识别达到来预期的效果,并在缺陷检测中优于传统的分类模型。     

基于概率神经网络的梁桥损伤定位研究

文章概述概率神经网络的基本原理,以简支梁为例,根据其各损伤工况下的动力特性,研究四种指标作为概率神经网络的输入向量进行梁桥损伤定位的效果,并对影响网络结果的因素进行分析。     

基于深度神经网络的眼周识别方法研究

近年来,少限制环境下的生物特征识别技术成为研究热点,眼周识别作为新兴的生物特征识别技术越来越受人们关注.基于深度神经网络的眼周识别方法相较于传统方法能更好地提高眼周识别性能.通过提出一个基于ResNet20和softmax的眼周识别方法,在两个公开的眼周数据集上实验验证得到在UBIPr数据集上的EER值为8.19％,在...     

使用多任务级联卷积神经网络进行车牌照识别

车牌照识别是计算机视觉技术的一项重要应用,在保障日常交通秩序中扮演关键角色,因此,一直以来车牌照识别技术都是计算机视觉领域中一项热门研究。由于车牌照识别系统的应用场景通常在交通路口,交通情况复杂度高,由于车辆运动和拍摄角度导致的遮挡、图像变形等问题,使得高精度、抗干扰的车牌照识别系统具有重要研究价值。近年来,随着深度学习技术的发展,特别是其在图像识别和目标检测领域带来相较传统方法的巨大的性能提升。文章尝试使用深度卷积神经网络的方法,提出了一个在精确度和鲁棒性方面都较为出色的针对中国大陆车牌照的识别算法,其在我们的私有数据集上识别准确率达到94.93%,识别图片平均耗时243 ms。该方法可以通过更换数据集来泛化到其他国家或地区的车牌照识别问题上。     

基于RBF神经网络的高校财务风险识别

为实现高校财务风险的实时监测及预警,文章在遵循全面性、科学性、可操作性等原则的基础上,建立了高校财务风险识别指标体系,并采用RBF神经网络构建了高校财务风险识别模型,最后用实例验证了该模型用于高校财务风险识别的可行性。     

基于曲率模态的损伤识别研究

结构的损伤通常会引起其刚度的降低、阻尼的增大,进而会引起结构动力特性的改变。现就损伤前后的曲率模态变化提出了一种损伤识别方法。先通过曲率模态图形对损伤有着精确的定位,然后利用损伤指标对损伤定量分析,结合两者的优势,对损伤进行定位、定量分析。仿真结果表明,本文的方法能够对损伤进行精确的定位定量分析。     

基于LSTM的空气质量预测

随着社会对空气污染问题关注的不断提升,空气质量预测研究成为被讨论的一个热点问题.本文提出一种基于长短期记忆网络LSTM的空气质量预测模型.采用沈阳市及其周边地区11个监测站的空气质量数据和气象条件数据进行模型训练和预测检验.从时间窗口与站点地理位置两个维度进行实验,并与差分整合平均自回归模型ARIMA与支持向量机SVM...     

基于神经网络的刀具位置误差建模与仿真研究

非球面加工过程中,刀具位置误差对加工工件精度影响较大。本文利用神经网络非线性映射特性来建立非球面超精密磨床刀具位置误差模型。利用模型对非球面加工时刀具位置误差进行预测。最后通过仿真结果表明,利用建立的神经网络模型可以对刀具位置误差进行高精度预测,并且根据预测误差,对刀具位置误差进行补偿成为可能。     

基于神经网络的刀具位置误差建模与仿真研究

非球面加工过程中,刀具位置误差对加工工件精度影响较大.本文利用神经网络非线性映射特性来建立非球面超精密磨床刀具位置误差模型.利用模型对非球面加工时刀具位置误差进行预测.最后通过仿真结果表明,利用建立的神经网络模型可以对刀具位置误差进行高精度预测,并且根据预测误差,对刀具位置误差进行补偿成为可能.     

基于神经网络的刀具位置误差建模与仿真研究

非球面加工过程中,刀具位置误差对加工工件精度影响较大。本文利用神经网络非线性映射特性来建立非球面超精密磨床刀具位置误差模型。利用模型对非球面加工时刀具位置误差进行预测。最后通过仿真结果表明,利用建立的神经网络模型可以对刀具位置误差进行高精度预测,并且根据预测误差,对刀具位置误差进行补偿成为可能。     

基于精确模态参数的桥梁损伤识别

利用系统动力参数进行土木工程结构的损伤识别已经成为了一个非常重要的研究领域,因此需要一种利用损伤前后动力参数的变化进行损伤评估和定位的有效方法,系统的动力参数必须尽可能的精确。本文通过有限元方法对一简支梁桥进行动力分析,利用壳单元对桥面进行离散化,通过降低刚度来模拟损伤,进行损伤前后动力参数计算,可以发现损伤前后固有频率的变化。利用位移模态提取的曲率模态进行损伤定位要比位移模态更敏感。     

基于神经网络的框架结构损伤诊断的探讨

利用神经网络技术对框架结构的损伤位置和损伤程度进行了研究。用有限元模态分析技术对平面框架结构的损伤情况进行了模拟,得到一系列频率、竖向位移、水平位移变化数据,将这些数据和损伤位置、损伤程度之间的映射关系作为网络训练样本,解决了以往对于对称结构损伤位置判断的难题,同时提出了用分步输出的方法解决了神经网络技术在框架结构应用中训练速度慢、不易收敛的问题。     

基于RBF神经网络的物流园区选址评价体系研究

由于我国物流园区的建设在选址规划和管理运作方面还需在实际中探索,因此,文中针对物流园区选址问题,构建基于RBF神经网络的选址评价体系模型进行应用研究,将为我国的物流园区规划发展提供了新的理论基础和整体框架参考。     

基于计算机仿真技术的结构损伤识别方法研究

通过计算机仿真技术,建立了损伤结构的模型,得到了包含结构损伤位置和损伤程度信息的固有频率变化规律,采用适当的方式构造改进型BP神经网络的输入参数,对结构做数值模拟试验,从而对悬臂板结构进行损伤识别。结果显示,本文采用的方法在工程结构损伤检测中有很好的应用价值。     

基于RBF神经网络的电力机车负荷辨识

针对目前我国铁路机车型号较多,牵引网故障后机车类型辨识过程环节较多,实时性较差问题,本文研究了不同机车运行时电流有效值特点和谐波特性,提出了利用人工神经网络的方法来在线实现电力机车负荷辨识的方法,实验仿真结果表明,该方法可以准确快速的识别出运行于供电臂上的电力机车负荷类型,实时性好。     

基于BP神经网络的三相桥式全控整流电路的故障诊断

随着科技的发展,针对电子技术中的三相桥式全控整流电路中晶闸管容易出现的问题,提出了BP神经网络以解决故障的方法。为了验证此方法有效,利用Matlab软件来对三相桥式全控整流电路建立仿真模型。仿真试验可以得出BP神经网络进行训练的案例,进而得到所有类型的BP神经网络结构的故障。     

基于神经网络模式识别的配送中心快速仿真建模方法

针对配送中心仿真方法中的数据处理缺陷所导致的模型调试阶段的低效问题,提出了一种基于神经网络模式识别的配送中心快速仿真建模方法。该方法从配送中心的仿真模型初始运行开始,到配送中心仿真模型的运行结束,全方位的处理配送中心仿真模型调试过程中的数据流,从而在根本上提高配送中心仿真建模的效率和运行参数的可靠性。     

基于贝叶斯网络的工厂选址决策

提出运用贝叶斯网络与总体拥有成本(TCO)结合的方法,建立工厂选址决策模型。旨在更有效的表述不确定性数据和模棱两可的信息,起到改进决策质量的作用。首先对贝叶斯网络的基础知识进行介绍,进而阐述了基于贝叶斯网络的工厂选址模型的实施步骤,在分析和评价与选址有关的成本时,将成本要素层细分为不同的因素层和准则层,同时考虑有形和无形的选址决策准则,将决策问题分解成许多易于理解和处理的子部分。最后,实例验证选址模型的可行性和有效性。     

识别简支梁钢桥损伤的仿真分析

简述桥梁健康监测的目的和意义,介绍了经验模态分解(EMD)的原理及波形指数的概念。为了研究桥梁结构的健康监测问题,在有限元理论基础上,运用有ANSYS软件,建立与试验室试件相对应的简支钢梁有限元模型。在模拟的时间-位移关系曲线基础上,经Hilbert-Huang变换和传统时幅域分析中的波形因数相结合,通过加瞬时激力于跨中,得到各位置处的指标值及变化率,识别了损伤位置和损伤程度。     

基于计算机网络的物流架构体系研究

规范管理、安全运输已经成为当下基于计算机网络物流可持续发展的主要课题.基于计算机网络的物流管理的发展过程中还存在诸多不合理的问题需要解决,基于计算机网络物流架构体系是利用物流推动信息化的契机而建立起来的综合性的信息管理架构体系,通过构建信息管理架构体系合理流程的设计和开发,实现科学的管理效果,从而推动计算机网络物流信息化建设,提升物流的整体效益.