Die Studie untersucht, wie wechselnde Betriebsbedingungen die akustische Kohle-Berge-Erkennung beeinflussen. Im Mittelpunkt stehen Frequenzmerkmale von Aufprallsignalen am Heckträger eines hydraulischen Grubenausbaus und Merkmalsverschiebungen bei veränderten Betriebsparametern.
ResearchGate: Oktober 2026 · Zeitschriftenausgabe: Januar 2027.
Zhihua Wang, Haotian Zhai, Tianrui Jia, Zihan Wang, Haojie Zhang, Kun Qian, Chen Xu, Zipeng Zhang, Wei Xue, Wen Qi, Bin Hu
Pattern Recognition, 180, 114388 (2026)
BKCad führt EEG- und Sprachsignale mithilfe vortrainierter Einbettungen und eines Diffusionsencoders in einer gemeinsamen Repräsentation zusammen. Bayessche Unsicherheitsschätzungen und modalitätsübergreifende Aufmerksamkeit steuern die konfidenzbewusste Fusion zur Depressionserkennung.
Haifeng Qiu, Zipeng Zhang, Bo Zhang, Shanguo Yang, Ningguang Yao, Houguang Liu
International Journal of Coal Preparation and Utilization, 1-26 (2026)
MCL verbindet duale Aufmerksamkeit, zwei Mamba-Module und kontrastives Lernen zur Unterscheidung von Kohle und Bergen anhand von Schwingungssignalen. Vor der Fusion zur Klassifikation lernt das Framework klassenspezifische Ähnlichkeiten und Unterschiede.
Hongkai Dong, Yuxuan Zhang, Bo Zhang, Zipeng Zhang, Yuying Shao, Guogang Yuan, Houguang Liu
Expert Systems with Applications, 304, 130827 (2026)
Ein gemeinsamer xLSTM-Encoder lernt gleichzeitig, akustische Signale zu entrauschen und Fehler in gasisolierten Schaltanlagen zu erkennen. Zeit-Frequenz-Modellierung und zwei Spektrogrammdecoder ermöglichen die Diagnose bei starkem Hintergrundrauschen.
International Journal of Coal Preparation and Utilization, 1-25 (2025)
AfricaNet schätzt den Aschegehalt von Kohlekonzentrat aus Flotationsbildern. Beleuchtungsbasierte Datenaugmentation, Wavelet-Aufmerksamkeit und CRATE-basierte Merkmalsauswahl werden mit kontrastivem Lernen zur Modellierung mehrfrequenter Bildinformationen kombiniert.
Zwei Ebenen auditiver Merkmale werden mittels Aufmerksamkeit fusioniert, um Kohle und Berge beim Abbau akustisch zu erkennen. Der Ansatz bewahrt relevante akustische Informationen bei starkem Hintergrundrauschen im Bergbau.
Yeduo Sheng, Bo Zhang, Zipeng Zhang, Yuying Shao, Guogang Yuan, Jianshu Liu, Houguang Liu
Nondestructive Testing and Evaluation, 41, 4541-4563 (2025)
Selbstüberwachtes kontrastives Vortraining lernt konsistente Zeit-Frequenz-Repräsentationen von Schaltanlagengeräuschen. Ein kleiner beschrifteter Zieldatensatz passt das Modell anschließend an die Fehlerdiagnose unter wechselnden Betriebsbedingungen an.
LRetUNet kombiniert ein U-Net mit einem Retentionsmechanismus und einem FFT-basierten Hochfrequenzfilter. Untersucht wird eine leichtgewichtige einkanalige Sprachsignalverbesserung, die für die Sprachverständlichkeit wichtige Informationen bewahrt.
Frequenzmerkmale aus Aufprall- und Schwingungssignalen am Ausleger werden in Graphen überführt. Ein Graph-Convolutional-Netz nutzt die Beziehungen zwischen diesen Merkmalen, um Kohle und Berge beim Top-Coal-Caving zu unterscheiden.
Zipeng Zhang, Zhencai Zhu, Bin Meng, Zheng Yang, Mingke Wu, Xinyu Cheng, Binhong Li, Houguang Liu
Expert Systems with Applications, 274, 126880 (2025)
Merkmalsverstärkungsblöcke und Amplituden-Frequenz-Wahrnehmungsmodule erfassen Aufprallmuster in Kohle-Berge-Schwingungssignalen. Ein Retentionsmechanismus unterstützt ein kompaktes Modell zur schnellen Erkennung.
The International Journal of Advanced Manufacturing Technology, 137, 5081-5109 (2025)
MSGJO erweitert die Goldschakal-Optimierung um adaptive Konvergenz, eine verbesserte Suchstrategie und genetische Mutation. Der Algorithmus wird zur Pfadplanung mobiler Roboter bei statischen und dynamischen Hindernissen eingesetzt.
Zhihua Wang, Zipeng Zhang, Zhuoyue Wang, Jiaming Lu, Weiguang An
Process Safety and Environmental Protection, 189, 1217-1225 (2024)
Ein zweistufiges akustisches Framework erkennt zunächst Brände und bestimmt anschließend die brennenden Materialien. Ein Transformer-basierter Detektor steuert ein paralleles Circuits-LSTM-Conformer-Modell zur Klassifikation der Brandstoffe.
Engineering Applications of Artificial Intelligence, 135, 108835 (2024)
CFENet nutzt frequenzsensitives kontrastives Lernen zur akustischen Fehlerdiagnose an Schaltanlagen. Merkmals- und Einbettungsencoder lernen Repräsentationen, die wechselnde Betriebsspannungen berücksichtigen.
The Journal of the Acoustical Society of America, 156, 989-1003 (2024)
Ein physiologisches Modell des menschlichen Ohrs schätzt Lautheit, Schärfe und Rauigkeit von Fahrzeuggeräuschen. Diese Merkmale dienen einem TabNet-Modell als Eingabe zur Schätzung der subjektiven Geräuschbelästigung.
Signal, Image and Video Processing, 18, 6937-6948 (2024)
Cross-Attention fusioniert komplementäre Repräsentationen zur einkanaligen Sprachsignalverbesserung. Ein mehrstufiges Strength-Estimation-Netz kombiniert FFT-basierte und sequenzielle Merkmale zur Modellierung von Frequenz- und Zeitstrukturen.
Circuits, Systems, and Signal Processing, 43, 5989-6010 (2024)
CST-UNet integriert Cross-Swin-Transformer-Blöcke und einen Bottleneck mit Maskierung in ein U-Net. Kompakte latente Repräsentationen und Skip-Verbindungen balancieren Detailtreue und Rechenaufwand bei der Sprachsignalverbesserung.
Zhihua Wang, Zipeng Zhang, Yuying Shao, Kun Qian, Houguang Liu, Bin Hu, Björn W Schuller
Measurement Science and Technology, 35, 076121 (2024)
Ein Frequenzregressor und ein Audio-Spektrogramm-Transformer-Autoencoder werden mit Schaltanlagengeräuschen vortrainiert. Ein mehrstufiges Training kombiniert ihre Merkmale zur Erkennung mechanischer Fehler bei wechselnden Spannungen.
Maiqiang Zhou, Zhiping Wen, Ge Xu, Zipeng Zhang, Changchun Zhou
International Journal of Coal Preparation and Utilization, 45, 523-547 (2024)
TabNet schätzt den Aschegehalt von Kohle anhand von Elementmessungen mittels Röntgenfluoreszenz. SHAP analysiert die Merkmalsbeiträge und unterstützt die Auswahl der Elementeingaben.
Ein physiologisches Modell des menschlichen Ohrs schätzt die auditive Lautheit von Fahrzeuginnenraumgeräuschen. Ein neuronales Netz verbindet diese Schätzung mit weiteren psychoakustischen Parametern zur Vorhersage subjektiver Klangqualitätsurteile.
Baiyi Wang, Zipeng Zhang, Patrick Siarry, Xinhua Liu, Grzegorz Królczyk, Dezheng Hua, Frantisek Brumercik, Z. Li
Expert Systems with Applications, 236, 121413 (2024)
HWEAVOA kombiniert chaotische Henon-Initialisierung, Elitepopulationen, adaptive Trägheit und einen Reverse-Learning-Wettbewerb. Diese Strategien sollen Exploration und Exploitation bei multimodaler numerischer Optimierung ausgleichen.
Versuchen Sie einen anderen Suchbegriff oder setzen Sie die Filter zurück.
Die bibliografischen Angaben sind mit DOI-Datensätzen verknüpft. Die Jahreszahlen folgen Crossref. ResearchGate-Daten können vom Erscheinungsdatum der Zeitschriftenausgabe abweichen; relevante Unterschiede sind vermerkt.