- 周帅;赵凤强;杨晨昊;江永强;欧志伟;邹佳胜;
针对行星齿轮箱振动信号成分复杂、时变性强等特性导致特征提取困难的问题,提出了一种融合变分模态分解(Variational Mode Decomposition, VMD)、卷积神经网络和注意力机制的行星齿轮箱故障诊断方法。通过鹅优化算法对VMD的关键参数进行寻优,根据最佳参数组合分解原始信号得到若干模态分量;利用相关系数筛选有效分量并计算排列熵,构建特征向量集;将特征向量集输入基于注意力机制的卷积神经网络模型中完成故障诊断工作。利用该方法对行星齿轮箱实验数据进行分析,其平均诊断准确率达到97.13%,高于极限学习机和支持向量机等传统故障诊断模型,结果表明该方法是准确、有效的。
2026年01期 v.28 20-26+39页 [查看摘要][在线阅读][下载 1428K] - 姜皓杰;丁纪峰;李卫;
针对复杂环境下交通标志小目标检测精度不足、易漏检等问题,提出一种基于YOLOv8n的改进型目标检测算法YOLOv8n-TSD。该方法设计了特征增强(Multi-core Convolution Enhancement,MCE)模块与C2f-M结构,增强对小目标的特征提取能力,构建多尺度分辨率特征融合网络(Multi-scale Resolution Feature Fusion Network,MRFF-Net)实现多尺度特征融合,以提升模型对不同尺寸目标的检测效果。在TT100K数据集上的实验表明,所提方法在m AP@0.5和m AP@0.5:0.95上分别提升12.8%和8.5%,有效提高了交通标志小目标检测的准确性与鲁棒性,为智能交通系统提供更精确、高效的交通标志检测方案。
2026年01期 v.28 27-33页 [查看摘要][在线阅读][下载 1400K] - 范林旺;张涛;
针对自动导引车(Automated Guided Vehicle,AGV)在工厂环境中协同作业的无碰撞路径规划需求,提出一种基于改进A*算法和时间窗检测相结合的多AGV路径规划方法。针对A*算法对启发函数选择和优化要求较高的问题,融合动态调节启发式权重与方向一致性奖励机制,为单个AGV生成一种转弯次数最优的初始路径。为有效规避多机路径冲突,提高系统协同作业效率,使用结合优先级策略的时空维度时间窗检测机制。通过python进行仿真试验,验证所提方法的有效性。结果表明,该算法解决了传统A*算法转弯次数多的问题,并能有效实现多AGV无冲突的路径规划,使多个AGV更好地协同工作,实现高效和安全的路径规划。
2026年01期 v.28 34-39页 [查看摘要][在线阅读][下载 1168K]