6、工业故障诊断与疫情安全购物系统技术解析

工业故障诊断与疫情安全购物系统技术解析

1. 圆柱轴承故障诊断的特征优化选择

在圆柱轴承故障诊断中，采用小波变换和人工神经网络（ANN）技术是一种有效的方法。以下是具体的操作步骤：
1. 特征提取 ：从900个样本信号中提取12个特征。
2. 数据归一化 ：为消除数值范围的影响，对数据进行归一化处理。
3. 特征排名 ：根据每个特征在ANN中的单独表现进行排名。
4. 特征组合测试 ：测试所有特征的组合，选择最佳数量的特征及其组合用于训练、验证和模型测试，以进行故障检测。

通过对900个样本数据集（包含520个不同属性，其中包括8个特征和7级的4个子带属性）的训练，发现排名前十的特征在圆柱轴承数据分类中效果最佳，整体准确率达到97.6%。这凸显了在进行数据挖掘之前对特征进行排名的重要性。

2. SafeShop：疫情期间的安全购物集成系统

2.1 引言

自COVID - 19疫情爆发以来，全球受到了严重影响。为了控制病毒传播，安全措施如佩戴口罩和保持社交距离至关重要。SafeShop是一个基于这两个关键因素构建的集成系统，旨在确保商店安全重新开业，让顾客购物时感到安全。

2.2 文献综述

2.2.1 口罩检测器

传统的目标检测算法如Haar级联可用于口罩检测，但需要进行人脸工程。如今，训练无需特征工程的神经网络成为可能，并且能提供比传统算法更好的结果。以下是一些相关模型：