赵晓平
- 作品数：56 被引量：311H指数：12
- 供职机构：南京信息工程大学更多>>
- 发文基金：国家自然科学基金天津市自然科学基金江苏高校优势学科建设工程资助项目更多>>
- 相关领域：机械工程自动化与计算机技术电子电信文化科学更多>>
- VC多线程编程在动态测试系统中的实现
- 本文介绍了基于VC的多线程编程在动态测试系统中的应用,以实时数据采集线程为例详细介绍了多线程间的同步和通信技术。针对动态测试分析系统实时数据采集和处理等功能的后台任务重的特点,发挥工作者线程的优势,从而解决了动态测试系统...
- 赵晓平张令弥罗光坤
- 关键词：VC多线程多线程同步多线程通信
- 文献传递
- APLCD-WPT在滚动轴承特征提取算法中的应用被引量：1
- 2018年
- 针对滚动轴承特征频率提取问题,提出自适应部分集成局部特征尺度分解(adaptive partly-ensemble local charact-eristic-scale decomposition,简称APLCD)与小波包变换(wavelet package transform,简称WPT)结合的APLCD-WPT方法。首先,利用APLCD对滚动轴承振动信号进行处理,通过添加幅值随频率变化的噪声改善信号极值点分布,再提取内禀尺度分量(intrinsic mode component,简称ISC);其次,对ISC分量中模态混淆部分使用WPT进行修正,提取滚动轴承特征频率信号。应用提出方法对实测的卧式螺旋离心机振动信号进行研究,结果表明,基于APLCD-WPT的算法能够有效地解决模态混淆问题,实现特征频率信号的精确提取。
- 赵晓平周子贤王丽华张永宏陶润喆
- 关键词：滚动轴承特征提取小波包
- 基于堆叠稀疏自编码的滚动轴承故障诊断被引量：12
- 2018年
- 针对机械设备故障数据大容量、多样性的特点,提出一种基于堆叠稀疏自编码(SSAE)的滚动轴承故障智能诊断方法。使用自动编码器(AE)逐层训练网络,从海量数据中自适应地学习各类故障的特征表达,再通过有监督的反向传播算法优化整个网络,最终将特征输入softmax分类器实现滚动轴承健康状况精确诊断。在动力传动故障诊断试验台采集了5类轴承故障数据进行测试。试验结果表明:SSAE算法能够有效地提取故障特征,且故障诊断效果优于传统智能诊断方法。
- 侯荣涛周子贤赵晓平谢阳阳王丽华
- 关键词：滚动轴承故障诊断
- Zigbee无线传感网络快速修复方法
- 本发明公开了一种Zigbee无线传感网络快速修复方法，属于无线网络技术领域。本发明通过在网络中每一个终端节点设置一个可记录<Image file="201110040145.0_AB_0.GIF" he="35" img...
- 谢胜东赵晓平宦澄
- 改进DenseNet的乳腺癌病理图像八分类研究被引量：3
- 2023年
- 目前,在医学图像领域存在乳腺癌组织病理图像自动分类难以应用于临床诊断的现象,究其根源是当前没有大型公开的数据集或数据集数据不均衡。针对上述问题,提出一种结合密集卷积神经网络(dense convolutional network,DenseNet)、注意力机制(attention mecheanism)和焦点损失函数(Focal loss)的乳腺癌组织病理图像的多分类模型,即DAFLNet。DAFLNet在乳腺癌组织病理图像数据集BreaKHis上进行训练、验证与测试,最终实验结果显示,该模型对良恶性二分类的识别准确率达到99.1%,对乳腺亚型八分类的识别准确率达到95.5%。证明在数据不均衡的条件下,DAFLNet模型能够准确地对乳腺组织病理图像进行八分类。
- 赵晓平王荣发孙中波魏旭全
- 旋转机械阶比跟踪技术研究进展综述被引量：36
- 2008年
- 阶比跟踪是一种用于旋转类机械系统动态设计、故障诊断和状态监测的重要方法。阐述了阶比跟踪的国内外发展及技术情况。对阶比跟踪算法从不同的角度进行了分类,并对各种旋转机械阶比跟踪技术的优缺点进行了详细的分析和比较,以表格的形式进行了系统的描述。展望了阶比跟踪算法研究的主要发展方向。
- 赵晓平张令弥郭勤涛
- 关键词：旋转机械阶比跟踪
- 基于深度度量学习的电机故障诊断被引量：4
- 2020年
- 深度学习以其强大的自适应特征提取和分类能力在机械大数据处理方面取得了丰硕的成果,由于电机结构的复杂性,其信号表现出的非平稳、非线性和复杂多样等特点,使得传统分类方法中的Softmax分类器+交叉熵损失函数对电机故障诊断力不从心。根据电机信号非平稳、数据量大等特点,结合短时傅里叶变换(STFT)与深度学习中的卷积神经网络(CNN)算法和Triplet Loss三元组思想,提出了深度度量学习电机故障诊断方法。该方法能将电机故障信号转换成时频谱图,同时构建CNN,将预处理后的样本用于CNN的训练,采用Triplet Loss作为损失函数度量故障数据高维特征间的距离,并结合标签有监督地微调整个网络,从而实现准确的电机故障诊断。实验表明该方法在处理复杂数据时能够度量特征在高维空间中的距离,高效完成故障诊断任务,弥补了交叉熵函数的不足。
- 张永宏王逸飞赵晓平吴家新王丽华
- 关键词：电机短时傅里叶变换卷积神经网络
- 采用深度学习的异步电机故障诊断方法被引量：41
- 2017年
- 为解决传统异步电机故障诊断方法因电机结构复杂、信号非平稳和机械大数据等因素引起的诊断困难问题,提出一种高效准确的异步电机故障诊断(SDAE)方法。该方法利用堆叠降噪自编码提取信号特征,结合Softmax分类器实现高效准确的电机故障诊断。首先,采集异步电机的整体电流和振动信号,将电流信号与傅里叶变换后的振动频域信号组合构成样本,并做归一化处理;然后,构建堆叠降噪自编码网络,确定网络层数、各隐藏层节点数、学习率等参数;最后,输入训练样本依次训练自编码和分类器,微调整个网络并用测试数据验证网络的优劣。试验结果表明,在合适的参数下采用SDAE方法的异步故障诊断准确率高达99.86%,比传统电机故障诊断方法提升至少6%。
- 王丽华谢阳阳张永宏赵晓平周子贤
- 关键词：异步电机故障诊断特征提取
- 基于卷积神经网络的异步电机故障诊断被引量：61
- 2017年
- 由于电机内部结构的复杂性,使得其故障特征与故障类型之间存在较强的非线性关系;目前用于异步电机故障诊断的方法都是人工手动提取特征,这需要大量的先验知识、丰富的信号处理理论和实际经验作为支撑,诊断效率不高;同时用于模式识别时的样本量过少,会导致网络过拟合等问题。针对以上问题,提出了基于短时傅里叶变换(short-time fourier transform,简称STFT)和卷积神经网络(convolutional neural networks,简称CNN)的电机故障诊断方法。该方法以单一振动信号为监测信号,使用STFT将故障信号转换成时频谱图,构建大量不同故障样本,以确保样本多样性,提高网络鲁棒性。将预处理后的样本作为CNN的输入,有监督地调整网络参数,以实现准确的电机故障诊断。将所提出的STFT+CNN算法分别与传统的电机故障诊断方法及堆叠降噪自编码进行比较分析。试验结果表明,该方法能够更有效地进行电机故障诊断。
- 王丽华谢阳阳周子贤张永宏赵晓平
- 关键词：电机振动信号短时傅里叶变换卷积神经网络
- 一种基于地磁的无线车流量及车辆行驶方向检测器
- 本实用新型公开了一种基于地磁的无线车流量及车辆行驶方向检测器，包含微控制器模块以及与其连接的磁阻传感器模块、工况指示模块、存储器模块和电源模块；磁阻传感器模块用于实时检测车辆扰动地磁信号，微控制器模块用于根据接收的车辆扰...
- 侯荣涛周彬赵晓平
- 文献传递
