检索结果

Select

1. 基于改进残差卷积自编码网络的类自适应旋转机械故障诊断

张剑, 程培源, 邵思羽

《计算机应用》唯一官方网站 2022, 42 (8): 2440-2449. DOI: 10.11772/j.issn.1001-9081.2021060905

摘要（232）

HTML （10）

PDF （1320KB）（53）

针对旋转机械传感器信号样本有限影响深层网络模型训练学习的问题，提出一种结合改进残差卷积自编码网络与类自适应方法的故障诊断模型应对小样本数据。首先将少量已标记的源域数据和目标域数据创建为成对样本，并设计一种改进的一维残差卷积自编码网络对两种不同分布的原始振动信号进行特征提取；其次，利用最大均值差异（MMD）减小分布差异，并将两个域同一故障类别的数据空间映射到一个共同的特征空间，最终实现准确的故障诊断。实验结果表明，与微调、域自适应等方法相比，所提模型能够有效提高不同工况、微量已标记的目标域振动数据下的故障诊断准确率。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 深度学习在单图像三维模型重建的应用

张豪, 张强, 邵思羽, 丁海斌

计算机应用 2020, 40 (8): 2351-2357. DOI: 10.11772/j.issn.1001-9081.2020010070

摘要（585）

PDF （1711KB）（440）

针对基于单图像重建的三维模型具有高度不确定性问题，提出了一种基于深度图像估计、球面投影映射、三维对抗生成网络相结合的网络模型算法。首先，通过深度估计器得到输入图像的深度图像，这有利于对图像进一步的分析；其次，将得到的深度图像通过球面投影映射转换为三维模型；最后，利用三维对抗生成网络对重建的三维模型的真实性进行判断，建立更逼真的三维模型。理论分析和仿真实验表明，与学习先验知识生成三维模型的算法LVP相比，所提模型在真实三维模型与重建三维模型的交并比（IoU）上提高了20.1%，倒角距离（CD）缩小了13.2%。实验结果表明，所提模型在单视图三维模型重建中具有良好的泛化能力。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于改进残差卷积自编码网络的类自适应旋转机械故障诊断

张剑程培源邵思羽

录用日期: 2021-08-31