袁烨
- 作品数：98 被引量：119H指数：5
- 供职机构：华中科技大学更多>>
- 发文基金：国家自然科学基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生电气工程经济管理更多>>
- 基于Wasserstein距离的卷积神经网络对抗迁移学习方法及其应用
- 本发明涉及一种基于Wasserstein距离的卷积神经网络对抗迁移学习方法及其应用，包括：采用待迁移的卷积神经网络，得到源域标记样本集的源域特征集和源域故障判断集以及目标域样本集的目标特征集；以最大化源域特征集和目标特征...
- 袁烨周倍同程骋李星毅马贵君
- 文献传递
- 无纺布疵点实时检测技术与系统设计被引量：2
- 2021年
- 无纺布生产过程中产生的疵点会严重影响产品质量并限制生产效率.提高疵点检测的自动化程度对于无纺布的生产效率和质量管控至关重要.传统疵点检测方法难以应对纹理、疵点类型以及环境变化等问题,限制了其应用范围.近年来基于卷积神经网络的方法在疵点检测领域得到了广泛应用,具有泛化性强、准确度高的特点.但是在无纺布生产过程中,布匹宽度大、速度快的特点会产生大量图像数据,基于卷积神经网络的方法难以实现实时检测.针对上述难题,本文提出了一种基于最大稳定极值区域分析与卷积神经网络协同的疵点实时检测方法,并设计了分布式计算处理架构应对数据流过大的问题.在实际生产部署应用中,本文所设计的系统与算法无需使用专用计算硬件(GPU、FPGA等),通过8台工控机与16路工业摄像头对复卷机上布宽2.8 m、速度30 m/min的无纺布进行分布式实时在线检测,大幅度提高无纺布生产中疵点检测的自动化程度与效率.本文所提出的系统能够实现对0.3 mm以上疵点召回率100%,对0.1 mm丝状疵点召回率98.8%.
- 邓泽林刘行董云龙袁烨
- 关键词：疵点检测卷积神经网络分布式架构
- 一种基于回归元学习的锂电池健康状态预测的方法及系统
- 本发明公开了一种基于回归元学习的锂电池健康状态预测的方法及系统。方法包括：分别将多个锂电池的充电数据按照充电协议划分为多个训练数据集，训练数据集包括支撑集和查询集；建立回归元学习模型，分别采用各训练数据集对模型进行训练；...
- 袁烨杨晓然马贵君
- 基于深度学习目标检测的高速公路异物识别方法和系统
- 本发明公开了基于深度学习目标检测的高速公路异物识别方法系统，属于目标检测领域。包括：使用高速公路异物训练集，分别训练N个教师网络，N个教师网络的输出层感受野尺度倍数递减，通过知识蒸馏将N个训练好的教师网络输出的不同尺度感...
- 袁烨郭裕祺董云龙
- 文献传递
- 一种工业精加工过程加工质量优化方法与系统
- 本发明公开一种工业精加工过程加工质量优化方法与系统，属于精加工领域。包括：从加工参数空间选择加工参数，根据映射关系确定加工质量，判断是否在加工质量范围内，若是，计算与标准质量的差距，否则，重新选择加工参数，迭代上述操作，...
- 袁烨刘虔钧程骋邬雨蝶张永张家军董欣欣戴永健
- 一种滚动轴承剩余寿命在线预测方法及系统
- 本发明公开了一种滚动轴承剩余寿命的在线预测方法，在滚动轴承从健康状态运行到损坏状态这一过程，提取轴承运行过程的原始信号样本和对应的退化能量指标，将运行原始信号样本作为五层卷积神经网络模型输入，将退化能量指标作为卷积神经网...
- 袁烨马贵君程骋周倍同
- 文献传递
- 基于特征注意力机制的GRU-GAN航空发动机剩余寿命预测被引量：10
- 2022年
- 涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样、时间跨度长等特点,针对其数据类型多且体量大、数据冗余度较高、剩余寿命预测精度较低等问题,本文通过将生成对抗网络(Generative adversarial network,GAN)的生成能力与门控循环单元(Gate recurrent unit,GRU)的预测能力相结合,提出一种基于特征注意力机制的GAN和GRU融合模型.为了对时序关系进行建模,首先利用特征注意力机制和GRU分别提取空间和时间上的相关性,然后将经过预训练的生成器附加到GRU之后得到整体模型.具体来说,本文采用预训练的GAN网络生成模块替代传统自编码器,解决了由自编码器参数过多引起的GRU模块训练不充分的问题,提升了时空相关特性的提取能力、提高了模型的泛化性能、提升了预测精度.本文利用CMAPSS涡扇发动机数据来验证模型效果,通过与不同机器学习方法进行对比,实验结果显示,该方法在均方根误差和指数型评价指标这两个评价指标上都有较高的预测精度.
- 袁烨黄虹黄虹虞文武丁汉
- 关键词：航空航天剩余寿命预测特征提取
- 前言——工业人工智能被引量：5
- 2020年
- 制造由物质、能量和信息三大要素组成.物质是制造过程中被加工的主体,能量是制造过程中的驱动力,而对物质、能量要素进行控制、调节和管理,促使了信息的产生、传递与处理.制造科学是一个高度交叉的学科,其与信息科学、材料科学、纳米科学、生命科学的交叉融合,催生了数字制造、智能制造、增材制造、纳米制造、生物制造等新的研究领域和方向,使传统制造技术焕发新活力.随着新一代人工智能技术的到来以及物联网、云计算、5G等技术的蓬勃发展,人工智能在工业制造领域的应用展现出巨大潜力,工业制造的智能化发展逐渐成为全球关注热点.
- 丁汉袁烨
- 关键词：人工智能技术生物制造信息科学增材制造
- 基于细节注意力卷积神经网络的仪表自动化识别方法被引量：10
- 2020年
- 传统仪表自动化识别方法受光照、噪声等干扰因素限制,难以广泛应用.近年来基于卷积神经网络的对圆心、最大最小量程等关键点检测的方法难以处理仪表的多样性.本文对指针式仪表的自动化识别进行研究,根据人工读数方式提出了先对刻度与指针进行定位,再通过指针与刻度的相对位置进行读数的方法,对各类仪表兼容性好.为了能够稳定、高精度地提取刻度线,本文根据仪表刻度线区域低占比特征设计了meter scan net (MSN)模型,通过MSN预测刻度线区域的热图. MSN通过本文设计的细节注意力detail-attention (DA)模块,可以保留细节特征,关注仪表区域响应,有助于最后的精细分割.后处理利用预测的热图进行圆拟合获取刻度弧线,在刻度弧线的法向方向取一定长度进行采样,根据采样数据定位刻度与指针尖位置.同时针对刻度丢失的情况,本文基于频域分析的方法复原丢失刻度,提高了方法的适用性.最后在测试集数据上大量的实验证明本文提出的方法具有精度高、仪表兼容性好等特点.
- 董云龙刘行袁烨隋少春丁汉
- 关键词：卷积神经网络
- 智能建模、优化、控制及其在工业中的应用专刊序言
- 2023年
- 人工智能自诞生以来,经历了从早期的专家系统、机器学习,到当前持续火热的深度学习等多次技术变革与规模化应用的浪潮。随着硬件算力、软件算法、解决方案的快速进步与不断成熟,工业生产逐渐成为了人工智能的重点探索方向,人工智能与工业场景的融合释放出巨大潜力。当前,新一轮科技革命和产业变革蓬勃兴起,工业经济数字化、网络化、智能化发展成为第四次工业革命的核心内容。
- 袁烨卢绍文刘旭卢仁智岳作功
- 关键词：人工智能专家系统
