• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種基于PPCNN的金屬激光熔化沉積熔池狀態(tài)識(shí)別方法

    2020-09-10 14:55:31馬琳杰
    內(nèi)燃機(jī)與配件 2020年10期
    關(guān)鍵詞:增材制造卷積神經(jīng)網(wǎng)絡(luò)熔池

    馬琳杰

    摘要:金屬激光熔化沉積質(zhì)量與熔池狀態(tài)具有密切的關(guān)聯(lián),根據(jù)熔池視覺(jué)特征對(duì)加工中的熔池狀態(tài)進(jìn)行識(shí)別,進(jìn)而實(shí)現(xiàn)沉積質(zhì)量的在線預(yù)測(cè)對(duì)金屬激光熔化沉積技術(shù)具有重要意義。為構(gòu)建上述映射關(guān)系,本文提出了一種基于金字塔池化卷積神經(jīng)網(wǎng)絡(luò)的金屬激光熔化沉積熔池狀態(tài)識(shí)別方法。針對(duì)所采集的熔池同軸圖像,建立用于訓(xùn)練和測(cè)試的數(shù)據(jù)集;構(gòu)建了金字塔池化卷積神經(jīng)網(wǎng)絡(luò)(Pyramid pooling convolutional neural networks,PPCNN),并進(jìn)行網(wǎng)絡(luò)關(guān)鍵參數(shù)的研究。結(jié)果表明:第一層卷積核尺寸為5×5,卷積層和金字塔池化模塊含有64+8×3個(gè)卷積核使網(wǎng)絡(luò)在識(shí)別準(zhǔn)確率上達(dá)到最佳。所提方法取得了最高96.80%的識(shí)別準(zhǔn)確率。

    Abstract: The quality of metal laser melting deposition is closely related to the state of the molten pool. Recognizing the state of the molten pool in processing according to the visual characteristics of the molten pool, and thus realizing the online prediction of the deposition quality is of great significance to the metal laser melting deposition technology. In order to construct the above mapping relationship, this paper proposes a method for identifying the molten pool state of metal laser melting deposition based on pyramid pooling convolutional neural network. Based on the collected coaxial images of the molten pool, a data set for training and testing was established; a pyramid pooling convolutional neural network(PPCNN) was constructed, and key network parameters were studied. The results show that the size of the first layer of convolution kernels is 5×5, and the convolutional layer and pyramid pooling module contain 64+8×3 convolution kernels to make the network achieve the best recognition accuracy. The proposed method achieved a maximum recognition accuracy of 96.80%.

    關(guān)鍵詞:增材制造;定向能量沉積;激光熔化沉積;熔池;卷積神經(jīng)網(wǎng)絡(luò);金字塔池化模塊

    Key words: additive manufacturing;directed energy deposition;laser melting deposition;molten pool;convolutional neural network; pyramid pooling module

    0 ?引言

    定向能量沉積(Directed Energy Deposition,DED)是利用聚焦熱能將材料同步熔化沉積的增材制造工藝[1]。該技術(shù)可以在零件的成形過(guò)程中實(shí)現(xiàn)不同材料的融合,使得制備的零件具有任意方向上的材料和功能梯度。其中金屬激光熔化沉積是采用激光束作為聚焦熱能的定向能量沉積技術(shù)。目前,由于金屬激光熔化沉積存在復(fù)雜的多物理場(chǎng)耦合作用,使得加工零件的質(zhì)量可靠性和效果重復(fù)性提升困難,這限制了其規(guī)?;こ袒瘧?yīng)用。

    在線診斷識(shí)別及反饋控制是提高激光熔化沉積技術(shù)質(zhì)量可靠性與效果重復(fù)性的關(guān)鍵手段之一。熔池作為激光熔化沉積加工中的重要物理現(xiàn)象及多場(chǎng)耦合的重要載體,其包含著豐富的物理冶金狀態(tài)信息,可為工藝穩(wěn)定性與零件質(zhì)量的在線診斷識(shí)別及反饋控制提供重要的理論與數(shù)據(jù)支持。因此,針對(duì)熔池形態(tài)監(jiān)測(cè)的研究引起了學(xué)者的廣泛關(guān)注。唐梓玨等[2]采用同軸監(jiān)測(cè)方法,對(duì)四種不同工藝條件下的熔池動(dòng)態(tài)特征進(jìn)行監(jiān)測(cè),揭示熔池關(guān)鍵形狀精度的演化行為,并建立新的熔池形狀精度模型。HOFMAN等[3]同樣采用同軸監(jiān)測(cè)方法對(duì)熔池寬度進(jìn)行監(jiān)測(cè),結(jié)果表明熔池寬度影響沉積層的稀釋率和硬度的穩(wěn)定性。劉新鋒等[4]利用CCD相機(jī)拍攝完整的熔池圖像,通過(guò)提取熔池的長(zhǎng)度、寬度、面積等特征作為神經(jīng)網(wǎng)絡(luò)的輸入,建立預(yù)測(cè)熔池背面熔寬變化的網(wǎng)絡(luò)模型。上述研究雖然已對(duì)熔池特征與最終加工質(zhì)量間的關(guān)聯(lián)關(guān)系展開(kāi)了研究,并實(shí)現(xiàn)了基于特定熔池特征的在線診斷識(shí)別,但對(duì)于可反映激光熔化沉積熔化—熔融—凝固全過(guò)程的熔池而言,依然有大量的過(guò)程特征信息沒(méi)能很好的進(jìn)行利用,這阻礙了基于熔池的激光熔化沉積質(zhì)量在線診斷識(shí)別與反饋控制技術(shù)的應(yīng)用。

    深度學(xué)習(xí)(Deep Learning,DL)算法能夠自動(dòng)創(chuàng)建特征提取器與分類器,其識(shí)別分類能力隨著提供新的訓(xùn)練數(shù)據(jù)而改進(jìn)和發(fā)展。卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural networks,CNN)可以直接對(duì)圖像進(jìn)行處理,使直接對(duì)熔池圖像進(jìn)行特征提取成為可能。與傳統(tǒng)方法相比,CNN的顯著優(yōu)點(diǎn)是利用深層次的網(wǎng)絡(luò)結(jié)構(gòu)從圖像中自動(dòng)提取出更加抽象的特征,而不是依賴于專家知識(shí)手動(dòng)提取。同時(shí),CNN具有局部感知和權(quán)值共享的特點(diǎn)[5],減少了網(wǎng)絡(luò)參數(shù)的數(shù)量,從而減少了訓(xùn)練的時(shí)間。上述優(yōu)點(diǎn)使其應(yīng)用范圍也更加廣泛[6-8]。但Zhang等[9]將原始圖像輸入到CNN取得的平均準(zhǔn)確率只有92.8%,原因是原始圖像含有噪聲或CNN在傳遞過(guò)程中信息丟失,導(dǎo)致沒(méi)有取得更高的準(zhǔn)確率。因?yàn)樵诮饘偌す馊刍练e中,受多物理場(chǎng)耦合、監(jiān)測(cè)光路污染與加工環(huán)境變化等因素的影響,熔池特征往往復(fù)雜多變,這對(duì)CNN性能提出了更高的要求。

    為了充分利用金屬激光熔化沉過(guò)程熔池圖像的在線信息并抑制熔池信息在深度神經(jīng)網(wǎng)絡(luò)傳遞過(guò)程中的損失,本文提出了一種基于金字塔池化模塊的卷積神經(jīng)網(wǎng)絡(luò)熔池狀態(tài)識(shí)別方法,并結(jié)合在懲罰函數(shù)中添加L2范數(shù)正則項(xiàng)來(lái)提高模型的泛化能力,實(shí)現(xiàn)了熔池狀態(tài)的精確識(shí)別。通過(guò)本研究為激光熔化沉積質(zhì)量的反饋控制提供了重要的數(shù)據(jù)支持。

    1 ?試驗(yàn)材料、設(shè)備及方案設(shè)計(jì)

    試驗(yàn)采用了由六軸機(jī)器人(KR30HA,Germany)、半導(dǎo)體激光器(LDF 4000-100 VGP,Germany)、激光頭(YC52,Precitec KG,Gaggenau,Germany)和送粉器(RC-PF-01B-2,Raycham Ltd,Nanjing,China)組成的激光熔化沉積系統(tǒng),實(shí)驗(yàn)設(shè)備如圖1所示。熔池圖像采集系統(tǒng)由同軸工業(yè)相機(jī)、計(jì)算機(jī)組成。其中,同軸工業(yè)相機(jī)可采集632×508像素的圖像,采集幀率最高可達(dá)500fps,所采集的熔池圖像為單通道灰度圖像,采集后傳輸?shù)接?jì)算機(jī)中進(jìn)行保存。試驗(yàn)過(guò)程中的保護(hù)氣和載粉氣均為純度 99.999%的氬氣,送粉量為9.15g/min,載氣流量為600L/h,保護(hù)氣流量為900L/h。試驗(yàn)所用材料為316L基體和316L粉末,粉末的粒徑為45~150μm。

    本文所采用的316L基板尺寸為60mm×40mm×8mm。通過(guò)改變激光功率(500W、600W、700W、800W、900W、1000W、1100W、1200W)和掃描速度(1mm/s、3mm/s、5mm/s、7mm/s、9mm/s、11mm/s、13mm/s、15mm/s、17mm/s、19mm/s),在80組參數(shù)的組合下,利用單道掃描,獲取熔池的灰度圖像。由于在沉積起始處熔池不穩(wěn)定,此時(shí)拍攝的熔池圖像不具有代表性,因此需選擇1s后處于激光熔化沉積穩(wěn)定狀態(tài)時(shí)的熔池圖像作為最終的數(shù)據(jù)集。

    2 ?數(shù)據(jù)集生成

    參照前期研究成果[2]的單道單層沉積試驗(yàn),本文將沉積狀態(tài)分為4類,其對(duì)應(yīng)圖像特征分別如下:①熔池的幾何輪廓為倒梯形,此時(shí)沉積層潤(rùn)濕角過(guò)高(接近或大于90°),冶金結(jié)合不良,沉積狀態(tài)為過(guò)度熔融;②熔池的幾何輪廓為近圓形,此時(shí)沉積層潤(rùn)濕角遠(yuǎn)小于90°,冶金結(jié)合正常,沉積狀態(tài)為正常熔融;③熔池的幾何輪廓為不規(guī)則形狀,此時(shí)沉積層潤(rùn)濕角正常,但冶金結(jié)合不良,沉積狀態(tài)為不完全熔融;④當(dāng)無(wú)法形成穩(wěn)定的熔池和沉積層,沉積狀態(tài)為不連續(xù)熔融。之后以閾值分割和邊緣檢測(cè)算法獲得熔池初步輪廓,并根據(jù)熔池初步輪廓的外接矩形a*b,截?。╝+10)*(b+10)矩形范圍作為ROI(Region of Interest)區(qū)域。圖2顯示了4類單道的表面質(zhì)量及對(duì)應(yīng)的熔池ROI圖像。每個(gè)沉積狀態(tài)下數(shù)據(jù)的詳細(xì)介紹如表1所示。最后將熔池圖像統(tǒng)一壓縮為32×32像素作為模型的輸入。因?yàn)镃NN是一種有監(jiān)督的訓(xùn)練方式,需要對(duì)每張圖像建立標(biāo)簽,該標(biāo)簽代表熔池圖像對(duì)應(yīng)的沉積狀態(tài)。

    3 ?PPCNN模型

    PPCNN(Pyramid pooling convolutional neural networks,PPCNN)即金字塔池化卷積神經(jīng)網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)的高層特征有助于類別識(shí)別,但連接全連接層的池化層會(huì)丟失大部分提取的高層特征,從而影響識(shí)別準(zhǔn)確率。而金字塔池化模塊[10]融合了不同尺度的特征,提高了獲取全局信息的能力,有效的減少了高層特征的信息丟失問(wèn)題。因此,本文將金字塔池化模塊與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合,構(gòu)建了PPCNN模型,模型結(jié)構(gòu)及參數(shù)如圖3所示。

    本文的金字塔池化模塊融合了三種不同尺度的金字塔池化特征,分別為1×1,2×2,4×4,如圖3中的金字塔池化模塊。其中紅色表示全局池,對(duì)整個(gè)特征圖進(jìn)行池化操作。以下金字塔等級(jí)將特征圖分割為不同的子區(qū)域,對(duì)特征圖進(jìn)行不同位置的池化操作,不同金字塔等級(jí)池化操作會(huì)產(chǎn)生不同大小的特征圖。金字塔池化操作后采用1×1卷積確定每種尺度所生成的特征圖數(shù)量,之后采用雙線性差值擴(kuò)展到與C5相同的尺寸,最終將金字塔池化模塊生成的三種不同尺度的特征圖與C5特征圖進(jìn)行融合,從而聚合高層特征,減少信息的丟失,提升整體的識(shí)別準(zhǔn)確率。

    卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程分為前向傳播和反向傳播,在前向傳播過(guò)程中,輸入數(shù)據(jù)經(jīng)過(guò)多層卷積層和池化層進(jìn)行特征提取,經(jīng)全連接層,輸入分類器進(jìn)行數(shù)據(jù)的分類識(shí)別。在反向傳播過(guò)程中,依據(jù)損失函數(shù),通過(guò)反向傳播從后往前更新網(wǎng)絡(luò)的權(quán)重和偏置參數(shù),以達(dá)到最優(yōu)的網(wǎng)絡(luò)參數(shù),最終實(shí)現(xiàn)最優(yōu)的網(wǎng)絡(luò)模型[11]。為了防止模型的過(guò)擬合,提高網(wǎng)絡(luò)模型的泛化能力,本文采用添加L2范數(shù)作為懲罰項(xiàng)的交叉熵?fù)p失函數(shù),則改進(jìn)后的懲罰函數(shù)為:

    4 ?PPCCN熔池狀態(tài)識(shí)別

    4.1 PPCNN關(guān)鍵參數(shù)影響分析

    CNN的網(wǎng)絡(luò)參數(shù)對(duì)整體的識(shí)別結(jié)果有較大的影響。例如,卷積核尺寸、全連接層數(shù)量等。通過(guò)對(duì)上述兩個(gè)參數(shù)進(jìn)行研究,確定最適合識(shí)別四種沉積狀態(tài)的網(wǎng)絡(luò)參數(shù)。第一層卷積核作用于輸入圖像,其卷積核的尺寸直接決定首次感受野的大小,對(duì)初次特征提取至關(guān)重要。因此,研究第一層卷積核尺寸從3×3-11×11的變化過(guò)程中,識(shí)別準(zhǔn)確率的變化趨勢(shì)如圖4所示。從曲線中可以看出,當(dāng)卷積核尺寸為5×5時(shí),網(wǎng)絡(luò)對(duì)熔池狀態(tài)的識(shí)別率最高。這是由于3×3的尺寸較小,不能有效的提取熔池圖像的特征,而由于輸入圖像只有32×32,過(guò)大的卷積核尺寸不能合適的提取熔池圖像的特征,反而會(huì)增加網(wǎng)絡(luò)訓(xùn)練的時(shí)間。

    由于最后一層卷積層卷積核和金字塔池化模塊卷積核數(shù)量即融合后卷積核總數(shù)共同決定了全連接層輸入的大小,而全連接層中的特征直接決定識(shí)別準(zhǔn)確率,因此研究融合后卷積核總數(shù)對(duì)識(shí)別效果的影響。由于金字塔池化模塊融合了三種不同金字塔尺度下的特征,再與前一層卷積層進(jìn)行最終融合,故要確定四層卷積核數(shù)量,以使網(wǎng)絡(luò)達(dá)到最優(yōu)的識(shí)別率。本文采取了6組不同數(shù)量的卷積核進(jìn)行訓(xùn)練,分別為32+8×3,32+16×3,32+32×3,64+8×3,64+16×3,64+32×3,其中32+8×3表示金字塔池化模塊的前一層卷積層有32個(gè)卷積核,金字塔池化模塊每種尺度下有8個(gè)卷積核,故四層卷積核總數(shù)為56,其他參數(shù)的含義與之相同。訓(xùn)練得到融合后卷積核總數(shù)與識(shí)別準(zhǔn)確率的變化趨勢(shì)如圖5所示。從圖5中可以看出,當(dāng)卷積核總數(shù)為88時(shí),準(zhǔn)確率最高為96.80%。當(dāng)前一層卷積層卷積核數(shù)量為32時(shí),整體準(zhǔn)確率低于前一層卷積層卷積核數(shù)量為64的準(zhǔn)確率。說(shuō)明當(dāng)最后一層卷積層中卷積核數(shù)量較少時(shí),不能充分對(duì)熔池圖像特征進(jìn)行提取,導(dǎo)致融合后效果不佳。當(dāng)最后一層卷積層卷積核數(shù)量為64時(shí),隨著卷積核數(shù)量的增加,識(shí)別準(zhǔn)確率下降。說(shuō)明全連接層參數(shù)過(guò)多,可能導(dǎo)致過(guò)擬合現(xiàn)象,從而影響對(duì)測(cè)試數(shù)據(jù)的識(shí)別。

    因此,通過(guò)對(duì)第一層卷積核尺寸和融合后卷積核總數(shù)的研究,最終確定第一層卷積核尺寸為5×5,融合后卷積核總數(shù)為88(64+8×3)時(shí),網(wǎng)絡(luò)的識(shí)別精度最高。

    4.2 準(zhǔn)確率對(duì)比分析

    為了對(duì)比論證所提方法的優(yōu)勢(shì),選擇不添加L2懲罰項(xiàng)的PPCNN、標(biāo)準(zhǔn)CNN進(jìn)行對(duì)比。不添加L2懲罰項(xiàng)的PPCNN也采用圖3的網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),標(biāo)準(zhǔn)CNN的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)與圖3相比,將金字塔池化模塊替換為步幅為2,濾波器為2×2的最大池化層,且只有兩層全連接層,第一層全連接層具有1024個(gè)節(jié)點(diǎn),第二層全連接層的節(jié)點(diǎn)數(shù)為200,其他網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)與圖3保持一致。同時(shí)為了突出所提方法相對(duì)于SAE和傳統(tǒng)方法的優(yōu)勢(shì),將熔池ROI像素灰度值范圍從0到255分為25個(gè)區(qū)間,將不同區(qū)間中的像素?cái)?shù)提取為熔池特征分別輸入SAE、SVM和傳統(tǒng)淺層神經(jīng)網(wǎng)絡(luò)BPNN進(jìn)行對(duì)比。具體實(shí)驗(yàn)方法介紹如表2所示。

    本文每種方法共進(jìn)行4組相同條件的試驗(yàn),選擇梯度下降算法對(duì)網(wǎng)絡(luò)執(zhí)行350次優(yōu)化迭代后,每種方法的4組實(shí)驗(yàn)的準(zhǔn)確性如表3所示。

    從表3可以得到,采用CNN的方法的準(zhǔn)確識(shí)別率明顯高于SAE和傳統(tǒng)分類方法。采用所提方法(L2-PPCNN)四次識(shí)別準(zhǔn)確率分別為:96.25%,95.90%,96.40%以及96.10%,平均準(zhǔn)確率為96.16%,高于不添加L2懲罰項(xiàng)的PPCNN的95.41%。說(shuō)明懲罰函數(shù)中添加L2范數(shù)正則項(xiàng),提高了模型的泛化能力和識(shí)別準(zhǔn)確率。而標(biāo)準(zhǔn)CNN由于沒(méi)有采用金字塔池化模塊,其平均準(zhǔn)確率為93.41%,相比于所提方法,其識(shí)別準(zhǔn)確率下降了2%。說(shuō)明金字塔池化模塊融合的不同尺度的特征提高獲取全局信息的能力,從而有效減少高層特征的信息丟失,提升了識(shí)別準(zhǔn)確率。熔池特征+SAE的平均準(zhǔn)確率只有75.40%,這表明CNN提取熔池特征的能力比手動(dòng)+SAE提取特征的效果更好。熔池特征+SVM和熔池特征+BPNN的平均準(zhǔn)確率都低于55%,說(shuō)明傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在信息豐富的熔池圖像中已經(jīng)無(wú)法獲得較高的識(shí)別率。以上結(jié)果可以得出,所提方法識(shí)別準(zhǔn)確率最高,表明從熔池圖像中提取的特征信息更全面。說(shuō)明所提方法提高了獲取全局信息的能力,有效減少高層特征的信息丟失,同時(shí)還提升了模型的泛化能力。即本文提出的方法更適用于金屬激光熔化沉積中熔池狀態(tài)的識(shí)別。

    5 ?結(jié)論

    本文研究了一種金字塔池化卷積神經(jīng)網(wǎng)絡(luò)的金屬激光熔化沉積熔池狀態(tài)識(shí)別方法。構(gòu)建了金字塔池化卷積神經(jīng)網(wǎng)絡(luò),從而融合了不同尺度的特征,提高了獲取全局信息的能力,提升了識(shí)別準(zhǔn)確率,從而有效的減少高層特征的信息丟失問(wèn)題。同時(shí)在懲罰函數(shù)中添加L2懲罰項(xiàng)用于正則化處理,提高了模型的泛化能力。分析了網(wǎng)絡(luò)中兩個(gè)重要參數(shù)對(duì)于識(shí)別準(zhǔn)確率的影響。研究表明:第一層卷積核尺寸為5×5,卷積層和金字塔池化模塊含有64+8×3個(gè)卷積核使網(wǎng)絡(luò)在識(shí)別準(zhǔn)確率上達(dá)到最佳。相比于其他方法,在4組平行實(shí)驗(yàn)中,所提方法最高識(shí)別準(zhǔn)確性達(dá)到96.80%。同時(shí)該方法也為激光熔化沉積質(zhì)量的反饋控制提供了重要支持。

    參考文獻(xiàn):

    [1]全國(guó)增材制造標(biāo)準(zhǔn)化技術(shù)委員會(huì).GB/T 35351-2017,增材制造術(shù)語(yǔ)[S].北京:中國(guó)標(biāo)準(zhǔn)出版社,2017.

    [2]唐梓玨,劉偉嵬,顏昭睿,等.基于熔池動(dòng)態(tài)特征的金屬激光熔化沉積形狀精度演化行為研究[J].機(jī)械工程學(xué)報(bào),2019,55(15):39-47.

    [3]Hofman J T, Pathiraj B, DIJK V J, et al. A camera based feedback control strategy for the laser cladding process[J]. Journal of Materials Processing Technology. 2012, 212(11): 2455-2462.

    [4]劉新鋒,高進(jìn)強(qiáng),姜錫瑞,等.連續(xù)電流TIG焊熔池圖像的低成本自動(dòng)化檢測(cè)[J].焊接學(xué)報(bào),2001(06):25-28.

    [5]李彥冬,郝宗波,雷航.卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J].計(jì)算機(jī)應(yīng)用,2016,36(09):2508-2515.

    [6]Wang F T, Deng G, Ma L J, et al. Convolutional Neural Network Based on Spiral Arrangement of Features and Its Application in Bearing Fault Diagnosis[J]. IEEE Access. 2019, 7: 64092-64100.

    [7]Jiao J, Zhao M, Lin J, et al. A multivariate encoder information based convolutional neural network for intelligent fault diagnosis of planetary gearboxes[J]. Knowledge-Based Systems. 2018, 160: 237-250.

    [8]李海超,劉景風(fēng),謝吉兵,等.基于卷積神經(jīng)網(wǎng)絡(luò)的GTAW熔透預(yù)測(cè)[J].機(jī)械工程學(xué)報(bào),2019,55(17):22-28.

    [9]Zhang Y, Hong G S, Ye D, et al. Extraction and evaluation of melt pool, plume and spatter information for powder-bed fusion AM process monitoring[J]. Materials & Design. 2018, 156: 458-469.

    [10]Zhao H S, Shi J P, Qi X J, et al. Pyramid Scene Parsing Network[C]//2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), July 21-26, 2017, Honolulu, HI, USA:IEEE, 17355193.

    [11]李恒,張氫,秦仙蓉,等.基于短時(shí)傅里葉變換和卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法[J].振動(dòng)與沖擊,2018,37(19):124-131.

    猜你喜歡
    增材制造卷積神經(jīng)網(wǎng)絡(luò)熔池
    基于凝膠注模的金屬件分段增材制造工藝研究
    展望“增材制造”
    立體光固化成型法在3D打印中的應(yīng)用及前景
    大觀(2016年11期)2017-02-04 03:09:20
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識(shí)別算法
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹(shù)葉識(shí)別的算法的研究
    電弧焊熔池表征與熔透狀態(tài)映射研究
    焊接(2016年10期)2016-02-27 13:05:32
    一種基于頻域變換的熔池運(yùn)動(dòng)模糊圖像恢復(fù)算法
    焊接(2015年11期)2015-07-18 11:12:46
    MIG焊接熔池形成與凝固過(guò)程數(shù)值模擬
    焊接(2015年9期)2015-07-18 11:03:51
    丝袜美足系列| 热re99久久精品国产66热6| 亚洲欧美中文字幕日韩二区| 秋霞在线观看毛片| 超碰97精品在线观看| 亚洲av不卡在线观看| 欧美3d第一页| 亚洲美女搞黄在线观看| videos熟女内射| 天天影视国产精品| 国产色婷婷99| 日韩欧美一区视频在线观看| 中国美白少妇内射xxxbb| av有码第一页| 中文字幕人妻丝袜制服| 亚洲精品aⅴ在线观看| 汤姆久久久久久久影院中文字幕| 最黄视频免费看| 色吧在线观看| 国产精品欧美亚洲77777| 99九九线精品视频在线观看视频| 黄色毛片三级朝国网站| 夜夜骑夜夜射夜夜干| 亚洲国产精品成人久久小说| 亚洲五月色婷婷综合| 晚上一个人看的免费电影| 国产亚洲精品第一综合不卡 | 成人午夜精彩视频在线观看| 久久av网站| av有码第一页| 永久免费av网站大全| 亚洲美女黄色视频免费看| 成人黄色视频免费在线看| 亚洲天堂av无毛| 国产一区二区在线观看av| 国产国拍精品亚洲av在线观看| 黄片播放在线免费| 午夜激情av网站| 午夜福利视频在线观看免费| 午夜福利,免费看| 精品少妇黑人巨大在线播放| 国产免费现黄频在线看| 男女免费视频国产| 国产精品偷伦视频观看了| 99热网站在线观看| 高清欧美精品videossex| 免费黄网站久久成人精品| 亚洲国产日韩一区二区| 日本wwww免费看| 卡戴珊不雅视频在线播放| 18禁动态无遮挡网站| 91精品三级在线观看| 91aial.com中文字幕在线观看| 亚洲av电影在线观看一区二区三区| 国产黄色视频一区二区在线观看| 精品一品国产午夜福利视频| 中文天堂在线官网| 国产成人91sexporn| 欧美精品国产亚洲| 国产精品人妻久久久影院| 一级二级三级毛片免费看| 卡戴珊不雅视频在线播放| 国产精品久久久久久精品电影小说| 亚洲欧美日韩另类电影网站| 美女视频免费永久观看网站| 乱人伦中国视频| 一级毛片aaaaaa免费看小| 尾随美女入室| 插逼视频在线观看| 亚洲一区二区三区欧美精品| 久久精品久久久久久噜噜老黄| 女人精品久久久久毛片| 中文字幕最新亚洲高清| 好男人视频免费观看在线| 成年人午夜在线观看视频| 青春草国产在线视频| 天堂中文最新版在线下载| 91午夜精品亚洲一区二区三区| 成人手机av| 精品一区二区免费观看| 欧美少妇被猛烈插入视频| 91精品伊人久久大香线蕉| 精品人妻熟女av久视频| 成年av动漫网址| 一区二区日韩欧美中文字幕 | 中文字幕人妻熟人妻熟丝袜美| 少妇的逼水好多| 国产精品.久久久| 欧美三级亚洲精品| 精品酒店卫生间| 国产免费福利视频在线观看| 精品酒店卫生间| 日韩av在线免费看完整版不卡| 亚洲欧洲国产日韩| 黑人猛操日本美女一级片| 亚洲婷婷狠狠爱综合网| 久久精品夜色国产| 国产在线一区二区三区精| 亚洲人成网站在线观看播放| 国产成人精品福利久久| 母亲3免费完整高清在线观看 | 狂野欧美激情性bbbbbb| 免费观看性生交大片5| 一区二区三区免费毛片| 在线免费观看不下载黄p国产| 18禁观看日本| 午夜视频国产福利| 黑丝袜美女国产一区| 91aial.com中文字幕在线观看| 97在线视频观看| av国产久精品久网站免费入址| 亚洲av电影在线观看一区二区三区| 婷婷色综合www| 亚洲av综合色区一区| 精品一品国产午夜福利视频| 亚洲人成77777在线视频| 国产精品成人在线| 国产精品人妻久久久影院| 中文字幕av电影在线播放| 水蜜桃什么品种好| 中文字幕人妻熟人妻熟丝袜美| 99国产精品免费福利视频| 91久久精品电影网| 精品一区二区免费观看| 观看美女的网站| a级毛片黄视频| 99久久人妻综合| 亚洲性久久影院| 日本黄大片高清| 一区二区av电影网| 黑人欧美特级aaaaaa片| 五月天丁香电影| 自线自在国产av| 亚洲国产精品999| 交换朋友夫妻互换小说| www.色视频.com| 9色porny在线观看| 一本大道久久a久久精品| 少妇人妻精品综合一区二区| 亚洲国产精品国产精品| 热99久久久久精品小说推荐| 永久网站在线| 日韩精品有码人妻一区| 成人18禁高潮啪啪吃奶动态图 | 中文字幕久久专区| 欧美最新免费一区二区三区| 国产精品国产三级专区第一集| 午夜久久久在线观看| 精品国产国语对白av| 国产一级毛片在线| 赤兔流量卡办理| 大话2 男鬼变身卡| 久久久久久久久大av| 人人妻人人添人人爽欧美一区卜| 曰老女人黄片| 免费黄频网站在线观看国产| 亚洲中文av在线| 成人手机av| 激情五月婷婷亚洲| 精品人妻熟女av久视频| 少妇精品久久久久久久| 日韩熟女老妇一区二区性免费视频| 免费高清在线观看视频在线观看| 免费播放大片免费观看视频在线观看| 日韩强制内射视频| 国产片特级美女逼逼视频| 十八禁高潮呻吟视频| 午夜福利,免费看| 久久免费观看电影| 大码成人一级视频| 一区二区三区免费毛片| 欧美日韩亚洲高清精品| 日韩在线高清观看一区二区三区| 亚洲精品aⅴ在线观看| 国产男人的电影天堂91| 中国国产av一级| 中文字幕精品免费在线观看视频 | 久久久久久久久久久丰满| 亚洲国产精品999| 亚洲精品亚洲一区二区| 九色成人免费人妻av| 高清欧美精品videossex| 九九爱精品视频在线观看| 久久精品熟女亚洲av麻豆精品| 成人亚洲欧美一区二区av| 人人妻人人澡人人看| 亚洲色图综合在线观看| 热re99久久精品国产66热6| 亚洲国产精品999| 91久久精品电影网| 一区二区三区免费毛片| 精品人妻熟女毛片av久久网站| 七月丁香在线播放| 国产精品国产三级国产专区5o| 欧美最新免费一区二区三区| 久久影院123| 99久久人妻综合| 日韩av不卡免费在线播放| 高清不卡的av网站| 国产午夜精品一二区理论片| 国产成人91sexporn| 久久久久国产精品人妻一区二区| 美女脱内裤让男人舔精品视频| 午夜久久久在线观看| 熟女人妻精品中文字幕| 日韩电影二区| 日韩熟女老妇一区二区性免费视频| 日韩制服骚丝袜av| 韩国高清视频一区二区三区| 全区人妻精品视频| 国产视频首页在线观看| 国产日韩欧美在线精品| 国产一区二区在线观看av| 一级黄片播放器| 亚洲人成77777在线视频| 男女国产视频网站| 欧美 日韩 精品 国产| 免费av不卡在线播放| 日韩不卡一区二区三区视频在线| 欧美性感艳星| 日韩 亚洲 欧美在线| 大又大粗又爽又黄少妇毛片口| 天堂中文最新版在线下载| 精品国产一区二区久久| 亚洲精品av麻豆狂野| 久热久热在线精品观看| 亚洲精品乱码久久久久久按摩| av一本久久久久| 日韩一区二区三区影片| 国产午夜精品一二区理论片| 91午夜精品亚洲一区二区三区| 欧美少妇被猛烈插入视频| 一级黄片播放器| 日韩成人伦理影院| 久久99蜜桃精品久久| 在线观看美女被高潮喷水网站| 国产精品久久久久久久久免| 久久久久久久久久成人| 免费观看a级毛片全部| 中文字幕av电影在线播放| 精品99又大又爽又粗少妇毛片| 国产精品一区二区三区四区免费观看| 日韩中字成人| 91精品国产国语对白视频| 婷婷色av中文字幕| 人妻一区二区av| 国产精品一国产av| 黑人欧美特级aaaaaa片| 亚洲精品456在线播放app| 成年人免费黄色播放视频| 最新中文字幕久久久久| 在线观看免费高清a一片| 亚洲精品一区蜜桃| 美女脱内裤让男人舔精品视频| 亚洲精品乱久久久久久| 精品一区二区三区视频在线| 午夜视频国产福利| 欧美亚洲 丝袜 人妻 在线| 99九九线精品视频在线观看视频| 亚洲av综合色区一区| 国产欧美亚洲国产| 国产伦精品一区二区三区视频9| videossex国产| videos熟女内射| 三级国产精品欧美在线观看| 国产精品三级大全| 蜜桃国产av成人99| 久久精品人人爽人人爽视色| 99热网站在线观看| 99久国产av精品国产电影| 日韩电影二区| 2022亚洲国产成人精品| 亚洲精品久久午夜乱码| 高清毛片免费看| 久久久国产精品麻豆| 久久久久久久久大av| 免费日韩欧美在线观看| 秋霞伦理黄片| 街头女战士在线观看网站| 91在线精品国自产拍蜜月| 国产深夜福利视频在线观看| 欧美日韩一区二区视频在线观看视频在线| 一本色道久久久久久精品综合| 成年人午夜在线观看视频| 免费看不卡的av| 亚洲精品日韩av片在线观看| 一区二区三区四区激情视频| 精品亚洲乱码少妇综合久久| 日本-黄色视频高清免费观看| 少妇的逼好多水| 韩国av在线不卡| 精品酒店卫生间| 色吧在线观看| 欧美精品亚洲一区二区| 人人妻人人爽人人添夜夜欢视频| 少妇丰满av| 国产精品熟女久久久久浪| 午夜免费男女啪啪视频观看| av福利片在线| 丰满少妇做爰视频| 成年女人在线观看亚洲视频| 免费人妻精品一区二区三区视频| 国产成人免费无遮挡视频| 极品少妇高潮喷水抽搐| 高清黄色对白视频在线免费看| 久久ye,这里只有精品| 中文字幕制服av| 精品国产一区二区三区久久久樱花| 国产男人的电影天堂91| 国产日韩欧美视频二区| 日韩熟女老妇一区二区性免费视频| 97超视频在线观看视频| 亚洲五月色婷婷综合| 国产在线免费精品| 国产欧美另类精品又又久久亚洲欧美| 日韩一区二区三区影片| 精品久久久噜噜| 亚洲精品亚洲一区二区| av在线播放精品| 久久久a久久爽久久v久久| 亚洲av中文av极速乱| av在线播放精品| 青春草视频在线免费观看| 国产精品偷伦视频观看了| 精品卡一卡二卡四卡免费| 特大巨黑吊av在线直播| 免费观看av网站的网址| 久久ye,这里只有精品| 亚洲国产成人一精品久久久| 国产熟女欧美一区二区| 97在线视频观看| 中文字幕免费在线视频6| 免费观看在线日韩| 国产日韩一区二区三区精品不卡 | 欧美日本中文国产一区发布| 亚洲av.av天堂| 亚洲欧美一区二区三区国产| 黄色配什么色好看| 国产欧美另类精品又又久久亚洲欧美| a级毛色黄片| 美女脱内裤让男人舔精品视频| 黑人猛操日本美女一级片| 丝瓜视频免费看黄片| 纵有疾风起免费观看全集完整版| 视频中文字幕在线观看| 精品人妻一区二区三区麻豆| 母亲3免费完整高清在线观看 | 欧美激情国产日韩精品一区| 国产成人91sexporn| 一级黄片播放器| .国产精品久久| 男女边吃奶边做爰视频| 精品99又大又爽又粗少妇毛片| 亚洲欧美一区二区三区黑人 | 日韩一本色道免费dvd| 91在线精品国自产拍蜜月| 久久国产精品男人的天堂亚洲 | 久久久久久伊人网av| 久久精品国产亚洲网站| 大陆偷拍与自拍| 中文字幕最新亚洲高清| 极品少妇高潮喷水抽搐| 亚洲美女黄色视频免费看| 亚洲欧美清纯卡通| 晚上一个人看的免费电影| 91午夜精品亚洲一区二区三区| a级毛片黄视频| 三级国产精品欧美在线观看| 国产精品99久久99久久久不卡 | 欧美成人精品欧美一级黄| 成人黄色视频免费在线看| 国产精品久久久久久精品古装| 黄片无遮挡物在线观看| 亚洲成人一二三区av| 如日韩欧美国产精品一区二区三区 | av线在线观看网站| 久久久久久伊人网av| 中文字幕人妻熟人妻熟丝袜美| 七月丁香在线播放| 免费黄频网站在线观看国产| 欧美人与性动交α欧美精品济南到 | 国产精品一区www在线观看| 看免费成人av毛片| 国产男女内射视频| 18禁观看日本| 超色免费av| 三级国产精品片| 街头女战士在线观看网站| 成人二区视频| 精品国产一区二区久久| 国产高清三级在线| 精品久久蜜臀av无| 午夜影院在线不卡| 日本猛色少妇xxxxx猛交久久| 精品视频人人做人人爽| 国产视频首页在线观看| 一个人看视频在线观看www免费| 欧美日韩视频高清一区二区三区二| 国产成人一区二区在线| 中文字幕av电影在线播放| 色94色欧美一区二区| 丰满少妇做爰视频| 我的老师免费观看完整版| 国产片特级美女逼逼视频| 22中文网久久字幕| 日韩免费高清中文字幕av| 日韩,欧美,国产一区二区三区| 久久人妻熟女aⅴ| 母亲3免费完整高清在线观看 | 狂野欧美激情性bbbbbb| 精品国产一区二区三区久久久樱花| 97在线视频观看| av在线老鸭窝| av福利片在线| 免费黄色在线免费观看| 欧美xxⅹ黑人| 熟女人妻精品中文字幕| 亚洲美女黄色视频免费看| 久久久久久久大尺度免费视频| 国产欧美日韩综合在线一区二区| 精品亚洲成国产av| 多毛熟女@视频| 欧美激情 高清一区二区三区| 观看美女的网站| 女人久久www免费人成看片| 亚洲成人手机| 精品熟女少妇av免费看| 在线免费观看不下载黄p国产| 黄片无遮挡物在线观看| 老熟女久久久| 高清av免费在线| 免费看不卡的av| 亚洲精品久久午夜乱码| 国产av精品麻豆| 亚洲精品日本国产第一区| 午夜日本视频在线| 91精品国产九色| 26uuu在线亚洲综合色| 亚洲精品成人av观看孕妇| 十八禁网站网址无遮挡| 80岁老熟妇乱子伦牲交| 日本午夜av视频| 女性被躁到高潮视频| 秋霞伦理黄片| 一区二区三区精品91| 一本久久精品| 午夜免费男女啪啪视频观看| 精品午夜福利在线看| 99久久人妻综合| 一区在线观看完整版| videossex国产| 亚洲,欧美,日韩| 国国产精品蜜臀av免费| 丁香六月天网| 日韩精品有码人妻一区| 欧美3d第一页| 99热国产这里只有精品6| 日本91视频免费播放| 男女边吃奶边做爰视频| 欧美日本中文国产一区发布| 最近手机中文字幕大全| 寂寞人妻少妇视频99o| 51国产日韩欧美| 国产黄频视频在线观看| 国产在线一区二区三区精| 啦啦啦在线观看免费高清www| 国产精品麻豆人妻色哟哟久久| 菩萨蛮人人尽说江南好唐韦庄| 免费看av在线观看网站| 91久久精品电影网| 人妻人人澡人人爽人人| 黄色一级大片看看| 天堂8中文在线网| 精品视频人人做人人爽| 精品久久国产蜜桃| 日韩,欧美,国产一区二区三区| 能在线免费看毛片的网站| 男的添女的下面高潮视频| 婷婷色av中文字幕| 18禁裸乳无遮挡动漫免费视频| 精品视频人人做人人爽| 久久精品久久精品一区二区三区| 免费观看av网站的网址| 一本一本综合久久| 久久99一区二区三区| 日韩免费高清中文字幕av| 国产精品一区二区在线观看99| xxx大片免费视频| 如何舔出高潮| av在线观看视频网站免费| 国产精品一区www在线观看| 色网站视频免费| 在线观看免费高清a一片| 久久久久久久久久成人| a级毛片免费高清观看在线播放| 精品人妻熟女毛片av久久网站| 人妻人人澡人人爽人人| 国产精品国产三级专区第一集| 自线自在国产av| 国产亚洲欧美精品永久| 久久久久久久久久成人| 亚洲欧美清纯卡通| 国产黄频视频在线观看| 国产亚洲av片在线观看秒播厂| 伦理电影免费视频| 夫妻性生交免费视频一级片| 人妻少妇偷人精品九色| 一级,二级,三级黄色视频| 午夜激情av网站| 人妻夜夜爽99麻豆av| 99九九在线精品视频| 亚洲,欧美,日韩| 久久影院123| 午夜免费男女啪啪视频观看| 免费久久久久久久精品成人欧美视频 | 亚洲四区av| 在线观看免费日韩欧美大片 | 夫妻午夜视频| 国产精品.久久久| 国产精品久久久久久精品电影小说| 亚洲精品日韩av片在线观看| 国产色婷婷99| 一区二区三区四区激情视频| 插逼视频在线观看| 99久国产av精品国产电影| 亚洲av日韩在线播放| 大香蕉97超碰在线| 全区人妻精品视频| 精品久久久精品久久久| 免费av不卡在线播放| 精品少妇内射三级| 国产探花极品一区二区| 久久午夜福利片| 视频在线观看一区二区三区| 伊人久久国产一区二区| 青春草亚洲视频在线观看| 国产av码专区亚洲av| 秋霞在线观看毛片| 亚洲综合色惰| 久久国产精品大桥未久av| 亚洲av免费高清在线观看| 国产有黄有色有爽视频| 日韩免费高清中文字幕av| 色网站视频免费| 日韩欧美精品免费久久| 亚洲av二区三区四区| 久久国产亚洲av麻豆专区| 久久av网站| 国精品久久久久久国模美| 成人亚洲精品一区在线观看| 最近2019中文字幕mv第一页| 搡女人真爽免费视频火全软件| 久热这里只有精品99| 亚洲高清免费不卡视频| 欧美日韩成人在线一区二区| 国产高清三级在线| 久久精品久久精品一区二区三区| 永久免费av网站大全| 18禁动态无遮挡网站| 国产亚洲午夜精品一区二区久久| .国产精品久久| 国产视频内射| 18禁裸乳无遮挡动漫免费视频| 秋霞伦理黄片| 亚洲情色 制服丝袜| 亚洲在久久综合| 午夜免费鲁丝| 国产在线免费精品| 久久午夜福利片| 国产精品久久久久久久电影| 中文字幕精品免费在线观看视频 | 一级,二级,三级黄色视频| 日日啪夜夜爽| 久久人人爽av亚洲精品天堂| 精品熟女少妇av免费看| 特大巨黑吊av在线直播| 久久久精品94久久精品| 夜夜看夜夜爽夜夜摸| 超碰97精品在线观看| 大码成人一级视频| 成人免费观看视频高清| 韩国av在线不卡| 久久久久视频综合| 欧美激情极品国产一区二区三区 | a级片在线免费高清观看视频| 最后的刺客免费高清国语| 午夜av观看不卡| 午夜免费观看性视频| 黄色毛片三级朝国网站| 天天操日日干夜夜撸| 亚洲美女搞黄在线观看| 99九九线精品视频在线观看视频| 在线看a的网站| 亚洲图色成人| 欧美性感艳星| 纵有疾风起免费观看全集完整版| 久久精品国产a三级三级三级| 国产日韩一区二区三区精品不卡 | 丰满少妇做爰视频| 亚洲精品日韩av片在线观看| 两个人免费观看高清视频| 亚洲精品国产av成人精品| 精品久久久久久久久亚洲| 成人午夜精彩视频在线观看| 亚洲欧美清纯卡通| 国产极品粉嫩免费观看在线 | 亚州av有码| 国产在线视频一区二区| 97精品久久久久久久久久精品| 桃花免费在线播放| 不卡视频在线观看欧美| 97精品久久久久久久久久精品| 日韩三级伦理在线观看| 久久久久久久久久久免费av| 热re99久久精品国产66热6|