本文主要研究内容
作者刘蕊（2019）在《羽流源目标提取与自主辨识方法研究》一文中研究指出：随着科学技术的进步和工业的发展,许多化学危险用品在人类的生产生活中应用越来越广泛,在化工厂的生产制造过程中,羽流源发生泄漏的情况不少发生。当发生自然灾害和人为灾害的时候,人类参与亲临现场救援的情况也越来越多,这无疑会会使人力和财力造成巨大的损失。因此,在羽流源发生泄漏时,能够及时发现泄漏的羽流和进行定位,对减轻损失发生具有重要意义。本文的内容对羽流进行目标提取及自主辨识的工作,在前人的研究结果的基础上进一步进行羽流辨识研究。传统的羽流追踪仅运用了嗅觉传感器及风向传感器进行羽流寻源,本文提出应用视觉和嗅觉传感器相融合进行羽流寻源,减少了传感器的种类和数量,取得了更优辨识羽流源的效果。构建羽流和干扰物数据库,经归一化处理后,再将图像数据进行预处理,对羽流源提取灰度特征和形状特征。提取出的特征图像通过放入KNN算法、BP神经网络和SVM进行分类,得到的预测标签与已知的图像类别标签进行比较,得出测试集的正确率。但该方法在羽流进行特征提取和目标识别方面,测试集正确率不高且羽流等级难以精准分类。鉴于上述问题,本论文采用卷积神经网络,并将提出的改进卷积神经网络对羽流目标进行目标提取和辨识。在改进的卷积神经网络中,通过迁移学习的方法,并将SVM分类器替换原始的Softmax分类器,以提高实验测试集的正确率。实验结果表明改进卷积神经网络对不同类别羽流的识别精度较高,迭代次数减少。因此能够在更短的训练时间内实现更高的识别率,有良好的鲁棒性。通过搭建Simulink仿真平台对羽流源寻源过程进行模拟,并对运动过程参数进行分析,取得良好的应用效果。最后通过实验平台搭建进一步进行效果验证,实验平台采用TurtleBot移动机器人并搭建羽流传感器模块,进行羽流信息采集,通过上述方法对实验进行验证。此实验中通过视觉信息不能具体判断是哪种羽流泄漏,本文通过融合嗅觉传感器来采集羽流信息,对视觉的羽流寻源起到辅助支撑的作用,并取得良好的应用效果。
Abstract
sui zhao ke xue ji shu de jin bu he gong ye de fa zhan ,hu duo hua xue wei xian yong pin zai ren lei de sheng chan sheng huo zhong ying yong yue lai yue an fan ,zai hua gong an de sheng chan zhi zao guo cheng zhong ,yu liu yuan fa sheng xie lou de qing kuang bu shao fa sheng 。dang fa sheng zi ran zai hai he ren wei zai hai de shi hou ,ren lei can yu qin lin xian chang jiu yuan de qing kuang ye yue lai yue duo ,zhe mo yi hui hui shi ren li he cai li zao cheng ju da de sun shi 。yin ci ,zai yu liu yuan fa sheng xie lou shi ,neng gou ji shi fa xian xie lou de yu liu he jin hang ding wei ,dui jian qing sun shi fa sheng ju you chong yao yi yi 。ben wen de nei rong dui yu liu jin hang mu biao di qu ji zi zhu bian shi de gong zuo ,zai qian ren de yan jiu jie guo de ji chu shang jin yi bu jin hang yu liu bian shi yan jiu 。chuan tong de yu liu zhui zong jin yun yong le xiu jiao chuan gan qi ji feng xiang chuan gan qi jin hang yu liu xun yuan ,ben wen di chu ying yong shi jiao he xiu jiao chuan gan qi xiang rong ge jin hang yu liu xun yuan ,jian shao le chuan gan qi de chong lei he shu liang ,qu de le geng you bian shi yu liu yuan de xiao guo 。gou jian yu liu he gan rao wu shu ju ku ,jing gui yi hua chu li hou ,zai jiang tu xiang shu ju jin hang yu chu li ,dui yu liu yuan di qu hui du te zheng he xing zhuang te zheng 。di qu chu de te zheng tu xiang tong guo fang ru KNNsuan fa 、BPshen jing wang lao he SVMjin hang fen lei ,de dao de yu ce biao qian yu yi zhi de tu xiang lei bie biao qian jin hang bi jiao ,de chu ce shi ji de zheng que lv 。dan gai fang fa zai yu liu jin hang te zheng di qu he mu biao shi bie fang mian ,ce shi ji zheng que lv bu gao ju yu liu deng ji nan yi jing zhun fen lei 。jian yu shang shu wen ti ,ben lun wen cai yong juan ji shen jing wang lao ,bing jiang di chu de gai jin juan ji shen jing wang lao dui yu liu mu biao jin hang mu biao di qu he bian shi 。zai gai jin de juan ji shen jing wang lao zhong ,tong guo qian yi xue xi de fang fa ,bing jiang SVMfen lei qi ti huan yuan shi de Softmaxfen lei qi ,yi di gao shi yan ce shi ji de zheng que lv 。shi yan jie guo biao ming gai jin juan ji shen jing wang lao dui bu tong lei bie yu liu de shi bie jing du jiao gao ,die dai ci shu jian shao 。yin ci neng gou zai geng duan de xun lian shi jian nei shi xian geng gao de shi bie lv ,you liang hao de lu bang xing 。tong guo da jian Simulinkfang zhen ping tai dui yu liu yuan xun yuan guo cheng jin hang mo ni ,bing dui yun dong guo cheng can shu jin hang fen xi ,qu de liang hao de ying yong xiao guo 。zui hou tong guo shi yan ping tai da jian jin yi bu jin hang xiao guo yan zheng ,shi yan ping tai cai yong TurtleBotyi dong ji qi ren bing da jian yu liu chuan gan qi mo kuai ,jin hang yu liu xin xi cai ji ,tong guo shang shu fang fa dui shi yan jin hang yan zheng 。ci shi yan zhong tong guo shi jiao xin xi bu neng ju ti pan duan shi na chong yu liu xie lou ,ben wen tong guo rong ge xiu jiao chuan gan qi lai cai ji yu liu xin xi ,dui shi jiao de yu liu xun yuan qi dao fu zhu zhi cheng de zuo yong ,bing qu de liang hao de ying yong xiao guo 。
论文参考文献
论文详细介绍
论文作者分别是来自新疆大学的刘蕊，发表于刊物新疆大学2019-07-23论文，是一篇关于神经网络论文,卷积神经网络论文,迁移学习论文,羽流源论文,新疆大学2019-07-23论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自新疆大学2019-07-23论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：神经网络论文; 卷积神经网络论文; 迁移学习论文; 羽流源论文; 新疆大学2019-07-23论文;