期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于变分模式分解和门循环单元的电子系统间歇故障严重程度评估方法
被引量:
1
1
作者
李晟
徐飞洋
+3 位作者
李玉晓
刘松华
张文生
郭肇禄
《电子与信息学报》
EI
CSCD
北大核心
2022年第10期3673-3682,共10页
针对电子系统间歇故障信号受噪声影响大且冗余信息多,导致深度神经网络模型对间歇故障严重程度评估能力受限的问题,该文提出一种基于变分模式分解和门循环单元(VMD-GRU)的间歇故障严重程度评估方法。先通过变分模式分解(VMD)对间歇故障...
针对电子系统间歇故障信号受噪声影响大且冗余信息多,导致深度神经网络模型对间歇故障严重程度评估能力受限的问题,该文提出一种基于变分模式分解和门循环单元(VMD-GRU)的间歇故障严重程度评估方法。先通过变分模式分解(VMD)对间歇故障信号进行自适应分解得到所有固有模式函数(IMF)分量,再对IMF分量进行相似度分析选择敏感分量,并利用微分增强型能量算子构建严重程度敏感因子。最后,利用严重程度敏感因子训练门循环单元(GRU)循环神经网络评估模型。通过对电子系统的关键电路注入不同严重程度的间歇故障进行评估,结果表明该方法有较强的间歇故障严重程度评估能力,评估结果更加准确有效。
展开更多
关键词
间歇故障
严重程度敏感因子
变分模式分解和门循环单元
故障注入
电子系统
在线阅读
下载PDF
职称材料
基于FPGA的智能垃圾分类装置
被引量:
1
2
作者
徐飞洋
李玉晓
《现代信息科技》
2020年第9期22-25,共4页
随着语音识别算法的成熟和集成电路工艺的发展,设计了一种基于现场可编程门阵列实现对垃圾智能分类的装置.装置采用FPGA芯片作为控制芯片,利用片内资源搭建逻辑电路,处理语音芯片采集的语音信号.系统调用IP核构建软核处理器对语音数据...
随着语音识别算法的成熟和集成电路工艺的发展,设计了一种基于现场可编程门阵列实现对垃圾智能分类的装置.装置采用FPGA芯片作为控制芯片,利用片内资源搭建逻辑电路,处理语音芯片采集的语音信号.系统调用IP核构建软核处理器对语音数据进行识别,识别结果用LCD和LED进行信息反馈.测试结果表明,该装置在语音识别功能上表现出良好的性能,语音识别正确率在90.0%以上,且实现了将识别出来的垃圾进行分类处理.
展开更多
关键词
语音识别
FPGA
垃圾分类
嵌入式系统
在线阅读
下载PDF
职称材料
满江红·忧喜相寻
3
作者
徐飞洋
《音乐创作》
北大核心
2018年第11期40-44,共5页
关键词
满江红
在线阅读
下载PDF
职称材料
基于Linux的电子系统健康状态识别平台的设计与实现
4
作者
周武
徐飞洋
+1 位作者
蒋絮
李玉晓
《现代信息科技》
2022年第19期18-22,共5页
为避免电子系统关键电路发生故障导致生命财产问题,提出了基于变分模式分解(Variational Mode Decomposition,VMD)和门控循环单元(Gate Recurrent Unit,GRU)的电子系统健康状态识别方法,并设计了一款基于Linux的电子系统健康状态识别平...
为避免电子系统关键电路发生故障导致生命财产问题,提出了基于变分模式分解(Variational Mode Decomposition,VMD)和门控循环单元(Gate Recurrent Unit,GRU)的电子系统健康状态识别方法,并设计了一款基于Linux的电子系统健康状态识别平台,用于解决现有维护策略经济成本高、安全性较差的问题。首先,通过VMD方法计算故障信号的瞬时能量构建电子系统健康状态因子,其次,利用此特征训练GRU网络用于识别电子系统健康状态,并基于Linux系统设计硬件平台。最后,经过实验证明,平台具有较高准确性和可靠性。
展开更多
关键词
VMD
GRU
LINUX
健康状态识别
故障诊断
在线阅读
下载PDF
职称材料
题名
基于变分模式分解和门循环单元的电子系统间歇故障严重程度评估方法
被引量:
1
1
作者
李晟
徐飞洋
李玉晓
刘松华
张文生
郭肇禄
机构
江西理工大学理学院
太原理工大学信息与计算机学院
中国科学院自动化研究所
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第10期3673-3682,共10页
基金
国家自然科学基金(61762047,61662029,U1636220)。
文摘
针对电子系统间歇故障信号受噪声影响大且冗余信息多,导致深度神经网络模型对间歇故障严重程度评估能力受限的问题,该文提出一种基于变分模式分解和门循环单元(VMD-GRU)的间歇故障严重程度评估方法。先通过变分模式分解(VMD)对间歇故障信号进行自适应分解得到所有固有模式函数(IMF)分量,再对IMF分量进行相似度分析选择敏感分量,并利用微分增强型能量算子构建严重程度敏感因子。最后,利用严重程度敏感因子训练门循环单元(GRU)循环神经网络评估模型。通过对电子系统的关键电路注入不同严重程度的间歇故障进行评估,结果表明该方法有较强的间歇故障严重程度评估能力,评估结果更加准确有效。
关键词
间歇故障
严重程度敏感因子
变分模式分解和门循环单元
故障注入
电子系统
Keywords
Intermittent fault
Severity sensitivity factor
Variational Mode Decomposition-Gated Recurrent Units(VMD-GRU)
Fault injection
Electronic system
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于FPGA的智能垃圾分类装置
被引量:
1
2
作者
徐飞洋
李玉晓
机构
江西理工大学理学院
出处
《现代信息科技》
2020年第9期22-25,共4页
基金
江西省教育厅科学技术研究项目(GJJ170526)。
文摘
随着语音识别算法的成熟和集成电路工艺的发展,设计了一种基于现场可编程门阵列实现对垃圾智能分类的装置.装置采用FPGA芯片作为控制芯片,利用片内资源搭建逻辑电路,处理语音芯片采集的语音信号.系统调用IP核构建软核处理器对语音数据进行识别,识别结果用LCD和LED进行信息反馈.测试结果表明,该装置在语音识别功能上表现出良好的性能,语音识别正确率在90.0%以上,且实现了将识别出来的垃圾进行分类处理.
关键词
语音识别
FPGA
垃圾分类
嵌入式系统
Keywords
speech recognition
FPGA
garbage classification
embedded system
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
满江红·忧喜相寻
3
作者
徐飞洋
出处
《音乐创作》
北大核心
2018年第11期40-44,共5页
关键词
满江红
分类号
J [艺术]
在线阅读
下载PDF
职称材料
题名
基于Linux的电子系统健康状态识别平台的设计与实现
4
作者
周武
徐飞洋
蒋絮
李玉晓
机构
江西理工大学理学院
出处
《现代信息科技》
2022年第19期18-22,共5页
基金
江西省教育厅科技研究项目(GJJ210816)。
文摘
为避免电子系统关键电路发生故障导致生命财产问题,提出了基于变分模式分解(Variational Mode Decomposition,VMD)和门控循环单元(Gate Recurrent Unit,GRU)的电子系统健康状态识别方法,并设计了一款基于Linux的电子系统健康状态识别平台,用于解决现有维护策略经济成本高、安全性较差的问题。首先,通过VMD方法计算故障信号的瞬时能量构建电子系统健康状态因子,其次,利用此特征训练GRU网络用于识别电子系统健康状态,并基于Linux系统设计硬件平台。最后,经过实验证明,平台具有较高准确性和可靠性。
关键词
VMD
GRU
LINUX
健康状态识别
故障诊断
Keywords
VMD
GRU
Linux
health status recognition
fault diagnosis
分类号
TN07 [电子电信—物理电子学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于变分模式分解和门循环单元的电子系统间歇故障严重程度评估方法
李晟
徐飞洋
李玉晓
刘松华
张文生
郭肇禄
《电子与信息学报》
EI
CSCD
北大核心
2022
1
在线阅读
下载PDF
职称材料
2
基于FPGA的智能垃圾分类装置
徐飞洋
李玉晓
《现代信息科技》
2020
1
在线阅读
下载PDF
职称材料
3
满江红·忧喜相寻
徐飞洋
《音乐创作》
北大核心
2018
0
在线阅读
下载PDF
职称材料
4
基于Linux的电子系统健康状态识别平台的设计与实现
周武
徐飞洋
蒋絮
李玉晓
《现代信息科技》
2022
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部