文章摘要:由于传统的滑油磨粒在线监测方法无法获取电荷分布位置信息，难以准确测量荷电颗粒数目及其携带的电荷量。为此，本文提出一种基于静电层析成像（Electrostatic tomography，EST）技术和深度学习算法的荷电颗粒检测方法。首先，对EST传感器测量数据采用BP神经网络算法重建出测量截面上电荷的分布图像，然后用卷积神经网络（Convolutional Neural Networks， CNN）算法分析重建图像以识别荷电颗粒数目，最后将识别的颗粒数目和传感器测量数据组合成输入向量，通过1个多层前馈网络确定带电颗粒数目、感应电荷值与颗粒电荷量值之间的映射关系，得到准确的各颗粒的电荷量值。实验结果表明：混合神经网络模型对数据样本的测量误差为9%，可满足滑油监测对于准确性的要求。

文章关键词:

项目基金: 上一篇：植物保护论文_基于性诱和深度学习的草地贪夜蛾 下一篇：没有了