基于改进AlexNet模型的抓毛织物质量检测方法

针对传统图像识别方法对抓毛织物表面特征难以提取且识别准确率低的问题,提出了一种改进AlexNet模型的抓毛织物质量检测方法,通过数据增强方法对抓毛织物数据进行扩充,构建卷积神经网络对抓毛织物的样本特征进行提取,利用SGDM、RMSProp、Adam优化算法和改变学习率相结合的实验方法,采用全新学习与迁移学习两种算法对抓毛织物图像数据集进行训练,在训练完成后,分别利用卷积神经网络的不同深度池化层提取抓毛织物样本的特征作为输入,将提取到的抓毛织物特征拟合支持向量机(SVM)分类器,最后对输入的抓毛织物图像进行分类。实验结果表明:使用卷积神经网络方法能够增加卷积层对抓毛织物表面特征的提取能力,获得具有较高分辨力的图像特征,通过数据增强和SGDM算法训练的模型,提取网络pool5层特征拟合SVM分类器,识别准确率明显提高。基于改进AlexNet模型的抓毛织物质量检测方法能够提取抓毛织物表面特征且识别率高。     

侧隙对摆线针轮传动啮合力与摩擦功耗的影响分析

啮合侧隙是影响摆线针轮副承载能力、摩擦功耗、振动噪声等传动性能的关键因素之一.利用摆线针轮传动原理,建立了考虑侧隙的摆线轮与针齿啮合力及摩擦功耗分析模型,并引入比较系数,描述了侧隙对摆线轮针齿啮合副接触力和摩擦功耗的影响.分析表明,侧隙会显著改变参与接触的针齿数量,从而改变接触力峰值和摩擦功耗,即侧隙增大会导致接触力峰...