起重机具有诸多类型,不同类型的起重机具有不同的分析或保养方法,因此对起重机类型进行识别意义重大。针对深度卷积神经网络中存在的数据需求量大、训练时间长、计算成本高等问题,提出一种基于迁移学习和微调的起重机类型识别策略。通过搭建不包含分类层的预训练InceptionV3模型并连接自定义的分类层,利用迁移学习和微调技术,训练出适用于起重机类型识别任务的卷积神经网络。实验结果表明,相较于从头搭建并训练深度卷积神经网络,利用迁移学习和微调方法对预训练模型进行训练可得到较高的识别准确率,并且训练速度更快,训练时间显著缩短。验证集和测试集的识别准确率分别为98.24%和97.67%。

针对风电机轴承历史运行数据来源单一、数据量少,导致风电机轴承故障诊断性能受限问题,提出一种基于数据生成与迁移学习的轴承小样本故障诊断方法。首先,对于轴承数据集中存在类不平衡、数据稀缺的问题,提出一种基于门限机制的数据生成方法,采用与轴承驱动端同轴的桨叶端数据为模板产生足量的生成数据,结合真实数据作为源数据集;然后,根据数据的时序关联性和小样本的应用场景,提出一种基于一维卷积神经网络(One Dimensional Convolutional Neural Network,1DCNN)和双向门限单元(Bidirectional Gated Recurrent Unit,BiGRU)的迁移学习(Transfer Learning)方法,先用源数据集在训练网络上训练获得源模型,再用少量驱动端数据作为目标数据集对其进行微调(Fine-tuning)获得目标模型;最后,对目标模型全连接层的输出采用Softmax函数进行故障诊断。实验表明,提出的故障检测方法在...

如何提高连续性器材生产企业对长度的在线计量结果的准确度,最重要的是解决累计误差等问题,文章介绍一种连续性器材长度自动计量及印字装置,通过计量、监测、反馈、微调等一系列自动操作,消除累计误差和减少偶然误差机会,使连续性器材的长度计量不确定度达到0.1%.

研制了一种具有微调和快换功能的多类水果采摘装置,通过大行程升降平台带动采摘杆,由微调装置进行精准定位,运用液压传动装置使机械手抓住水果并剪断果把,液压装置带动采摘杆旋转,将采摘的水果放入水果集中盘中,通过机械设计原理,对整体装置机构进行计算验证。研究表明:升降部分液压缸负载为1000 N,惯性负载为6 N,工作负载为1000 N,估算液压缸总负载为1100~1300 N。采摘水果的效率约为40个/min,是普通人工采摘水果数量的2倍,且具有更高的安全系数。运用机械传动、电气控制以及单片机驱动模块的交互配合,使得该采摘装置更加稳定可靠,并具有实际应用的潜力。

该文提出了一种基于高速开关阀微调的气压精密控制方法，文中详细叙述了该方法的控制策略。用该控制策略控制高速开关阀，可以实现压力容器微小流量的供给与排出，达到了压力的精密控制目的。实验结果验证了该控制方法的有效性和可行性。