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
共找到454篇文章
< 1 2 … 23 >
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：
基于CWT-IDenseNet的滚动轴承故障诊断方法 被引量：1
1
作者 贾广飞 梁汉文 +2 位作者 杨金秋 武哲 韩雨欣 《河北科技大学学报》 北大核心 2025年第2期129-140,共12页
针对一维信号所含信息不全面和DenseNet网络在变工况下存在过拟合等问题,提出了基于连续小波变换时频图像和改进密集连接卷积网络(improved DenseNet,IDenseNet)的滚动轴承故障诊断方法CWT-IDenseNet。首先,将一维振动信号通过CWT转为... 针对一维信号所含信息不全面和DenseNet网络在变工况下存在过拟合等问题,提出了基于连续小波变换时频图像和改进密集连接卷积网络(improved DenseNet,IDenseNet)的滚动轴承故障诊断方法CWT-IDenseNet。首先,将一维振动信号通过CWT转为二维时频图像;其次,对DenseNet网络进行改进,将DenseNet第1个卷积块中的ReLU激活函数替换为Swish激活函数(Swish激活函数更平滑);同时,在网络中引入基于风格的卷积神经网络重校准模块(style-based recalibration module,SRM)和空间与通道注意力机制模块(convolutional block attention module,CBAM),SRM关注特征通道权重,CBAM则从通道和空间2个维度增强特征表达能力,进而得到IDenseNet;最后,将二维时频图像输入到IDenseNet模型中进行特征提取和故障诊断,通过模型的Softmax层输出故障诊断结果。结果表明,所提方法在恒定工况及变工况下的平均故障识别准确率均达到97.80%,且在迁移学习模型中,平均故障识别准确率达到了99.44%。CWT-IDenseNet方法可以有效提高模型的泛化能力,在恒定工况及变工况下具有显著优势,对提高滚动轴承故障诊断的准确率和可靠性具有参考价值。 展开更多
关键词 机械动力学与振动 滚动轴承故障诊断 连续小波变换 密集连接卷积网络 注意力机制
在线阅读 下载PDF
基于ResNet50和视觉Transformer的滚动轴承故障诊断方法 被引量：2
2
作者 史梦瑶 陈志刚 +2 位作者 王衍学 张志昊 魏梓书 《机床与液压》 北大核心 2025年第16期18-26,共9页
针对因数据量少、故障信号非平稳等特点而导致滚动轴承故障诊断分类方法分类准确率不高及模型泛化能力不强等问题,提出一种基于残差神经网络(ResNet50)与视觉变换器(ViT)的滚动轴承故障诊断方法。通过连续小波变换将轴承振动信号转换为... 针对因数据量少、故障信号非平稳等特点而导致滚动轴承故障诊断分类方法分类准确率不高及模型泛化能力不强等问题,提出一种基于残差神经网络(ResNet50)与视觉变换器(ViT)的滚动轴承故障诊断方法。通过连续小波变换将轴承振动信号转换为时频图像,并将其作为ResNet50的输入,以进行隐式特征提取,将其输出作为ViT的输入。ViT将输入的图像特征按预定尺寸划分为块,并线性映射为输入序列,通过自注意力机制将全局图像特征进行集成,以实现故障诊断。为提高模型的效率和精度,在ViT的输入层引入深度可分离卷积层(DSC),通过逐深度卷积和逐点卷积的方式显著减少模型的参数量和计算量。使用华中科技大学(HSUT)的滚动轴承数据集进行验证,模型的诊断准确率达99.73%,能够有效完成对轴承故障类型的分类识别。在不同工况下进行实验验证,与其他深度学习方法相比,文中方法具有更高的诊断精度和更好的泛化性。通过消融实验验证了所提模型能够显著提升诊断准确率、召回率、精确率和F1-score,表明其在滚动轴承故障诊断领域具有良好的应用前景。 展开更多
关键词 连续小波变换 残差神经网络 视觉transformer 轴承 故障诊断
在线阅读 下载PDF
基于CWT-CNN模型的泵站机组故障诊断研究
3
作者 左罗 茹沛泽 +2 位作者 杨鸿宇 田青青 田雨 《水电能源科学》 北大核心 2025年第10期168-172,共5页
针对泵站机组振动信号非平稳特性和传统故障诊断方法特征提取依赖经验的问题,提出一种基于连续小波变换(CWT)与卷积神经网络(CNN)融合的故障诊断模型,该模型以转子不对中、碰摩及其耦合故障为研究对象,通过CWT将振动信号转换为时频图像... 针对泵站机组振动信号非平稳特性和传统故障诊断方法特征提取依赖经验的问题,提出一种基于连续小波变换(CWT)与卷积神经网络(CNN)融合的故障诊断模型,该模型以转子不对中、碰摩及其耦合故障为研究对象,通过CWT将振动信号转换为时频图像,利用CNN实现端到端的特征学习与分类。试验结果表明,该模型在泵站机组轴承故障数据集上的平均诊断准确率达98.7%,较传统支持向量机(SVM)、单一CNN模型分别提升13.6%、5.6%,且抗噪性能优良。模型创新性地集成小波基自适应选择、时频图生成和多尺度特征提取模块,能够显著提升复杂工况下泵站机组的故障识别能力,为水利工程机电设备的智能运维提供了有效解决方案。 展开更多
关键词 故障诊断 泵站机组 连续小波变换 卷积神经网络
在线阅读 下载PDF
基于CWT和改进CBAM的手势识别方法
4
作者 王丽春 张朝霞 +2 位作者 符文林 陈帅 陈泓扬 《计算机工程与应用》 北大核心 2025年第11期185-194,共10页
手势作为一种交互方式,其动作简单直观、含义丰富,被广泛应用在各个领域。目前基于雷达的手势识别方法,大多采用短时傅里叶变换处理雷达回波信息,然而短时傅里叶变换窗口固定,不能同时提高时间分辨率和频率分辨率,为充分利用有效信息,... 手势作为一种交互方式,其动作简单直观、含义丰富,被广泛应用在各个领域。目前基于雷达的手势识别方法,大多采用短时傅里叶变换处理雷达回波信息,然而短时傅里叶变换窗口固定,不能同时提高时间分辨率和频率分辨率,为充分利用有效信息,提出采用连续小波变换处理雷达回波信号以提高手势识别精度。针对目前手势识别网络较为复杂,且受注意力机制能增强卷积神经网络特征表达的启发,提出一种基于改进CBAM(convolutional block attention module)注意力机制的手势识别网络。实验捕获了9种手势动作,建立了微多普勒图像数据集,结果表明,该方法实现简单,参数较少,识别准确率达到96.3%。 展开更多
关键词 手势识别 注意力机制 超宽带雷达 连续小波变换(cwt)
在线阅读 下载PDF
基于CWT和PSO的500 kV带电作业机器人抑振分析
5
作者 狄正辉 吴田 +3 位作者 刘凯 罗宇 王明 曾忱 《机床与液压》 北大核心 2025年第5期8-14,共7页
针对500 kV输电线路引流板螺栓紧固机器人在柔性架空线路上运行过程中作业末端姿态产生耦合振动的问题,提出一种基于连续小波变换(CWT)和粒子群优化算法(PSO)的顶升系统抑振策略。通过采用连续小波变换处理机器人作业末端抖动数据,提取... 针对500 kV输电线路引流板螺栓紧固机器人在柔性架空线路上运行过程中作业末端姿态产生耦合振动的问题,提出一种基于连续小波变换(CWT)和粒子群优化算法(PSO)的顶升系统抑振策略。通过采用连续小波变换处理机器人作业末端抖动数据,提取时频图的振荡幅值特征,并以末端最大振动幅值作为优化程度指标,利用粒子群优化算法调节顶升系统输出作用力,从而抑制机器人作业末端姿态振动。为验证所提抑振策略的有效性,基于柔性输电线路与刚性机器人的耦合特性,在ADAMS中建立模型,并与MATLAB进行联合仿真,分别研究有无顶升系统调节时机器人在不同距离行驶与作业工况下末端姿态响应。仿真与实验结果表明:该系统可有效抑制柔性架空输电线路上的机器人末端姿态振动,提高运行稳定性。 展开更多
关键词 带电作业机器人 刚柔耦合 顶升系统 连续小波变换 振动抑制
在线阅读 下载PDF
基于优化VMD-CWT-RESNET的柴油发电机组柴油机故障诊断研究
6
作者 钟明威 尹志勇 +2 位作者 王勇 任晓琨 谢能旺 《兵器装备工程学报》 北大核心 2025年第9期50-57,共8页
针对柴油发电机组柴油机故障特征难以提取和早期故障不易判断的问题,提出了一种基于优化VMD-CWT-RESNET相结合的故障诊断方法。利用麻雀搜索算法对VMD超参数进行寻优,通过优化后VMD处理原始振动信号,以此降噪消除信号冗余和提取故障特征... 针对柴油发电机组柴油机故障特征难以提取和早期故障不易判断的问题,提出了一种基于优化VMD-CWT-RESNET相结合的故障诊断方法。利用麻雀搜索算法对VMD超参数进行寻优,通过优化后VMD处理原始振动信号,以此降噪消除信号冗余和提取故障特征;再通过连续小波变换,将VMD处理后的信号转化为二维时频图;并将时频图输入深度残差网络进行训练,得到故障诊断模型。利用实验模拟不同负载条件下常见的故障方式,获取实验数据进行验证,测试集和验证集的准确率分别达到99.05%和98.37%,证明了方法的有效性;与传统的人工提取特征后结合用支持向量机和浅层CNN方法相比,该方法效果更好,可为柴油发电机组柴油机故障诊断提供参考。 展开更多
关键词 柴油发电机组 故障诊断 变分模态分解 连续小波变换 时频图 深度残差网络
在线阅读 下载PDF
CEEMD-FastICA-CWT联合瞬态响应阶次的电驱总成噪声源识别 被引量：2
7
作者 张威 景国玺 +2 位作者 武一民 杨征睿 高辉 《中国测试》 CAS 北大核心 2024年第4期144-152,共9页
以某增程式电驱动总成为研究对象,提出基于联合算法的噪声分离识别模型。首先,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)联合快速独立分量分析(fast independent component analysis,FastI... 以某增程式电驱动总成为研究对象,提出基于联合算法的噪声分离识别模型。首先,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)联合快速独立分量分析(fast independent component analysis,FastICA)方法提取纯电模式稳态工况下单一通道噪声信号特征,利用复Morlet小波变换及FFT对各分量信号时频特性进行识别。其次,采用阶次分析法和声能叠加法对稳态分量信号对应的各瞬态响应阶次能量进行对比分析,并结合皮尔逊积矩相关系数(Pearson product moment correlation coefficient,PPMCC)相似性识别确定不同噪声激励源贡献度。结果表明:减速齿副啮合噪声对该增程式电驱总成纯电模式运行噪声整体贡献度最大。 展开更多
关键词 电驱动总成 噪声源识别 互补集合经验模态分解 快速独立分量分析 连续小波变换 阶次分析
在线阅读 下载PDF
基于GADF-CWT-GCNN的滚动轴承故障诊断方法研究
8
作者 张小丽 罗鑫 +2 位作者 李敏 梁旺 王芳珍 《西北工业大学学报》 EI CAS CSCD 北大核心 2024年第5期866-874,共9页
针对滚动轴承故障诊断在小样本环境下引起的模型泛化能力差、诊断精度低的问题,提出一种基于格拉姆角分场(GADF)和连续小波变化(continuous wavelet transform,CWT)与并行二维组归一化卷积神经网络(parallel convolutional neural netwo... 针对滚动轴承故障诊断在小样本环境下引起的模型泛化能力差、诊断精度低的问题,提出一种基于格拉姆角分场(GADF)和连续小波变化(continuous wavelet transform,CWT)与并行二维组归一化卷积神经网络(parallel convolutional neural network,P2D-GCNN)的滚动轴承故障诊断方法。对采集的数据进行预处理,采用格拉姆角场和连续小波变换将一维振动信号转换成二维图像作为模型输入,再选用数据增强技术扩充样本子图,满足网络输入要求,并将其导入搭建的组归一化卷积神经网络中进行诊断检测。结果表明:文中数据处理方法与搭建模型在小样本环境下泛化能力远高于SVM和1D-CNN等其他网络模型。为进一步验证模型在小样本数据下的识别能力,取数据集的70%,40%和20%样本量进行多次实验,所对应的训练准确率及测试准确率分为99.38%,99.02%,99.47%,98.29%,99.05%,97.08%。结果证明,文中模型在小样本环境下对轴承故障诊断具有很高的准确率。 展开更多
关键词 滚动轴承 故障诊断 格拉姆角分场(GADF) 小波变换(cwt) 并行二维卷积神经网络(P2D-GCNN)
在线阅读 下载PDF
基于CWT和CNN-BiLSTM的散绕同步电机定子绕组短路故障检测方法 被引量：6
9
作者 于跃强 陈宇 +2 位作者 赵仲勇 宫小宇 唐超 《高电压技术》 EI CAS CSCD 北大核心 2024年第5期2166-2176,共11页
近年来,基于脉冲频率响应法(impulse frequency response analysis,IFRA)的神经网络模型已被证实能够有效检测定子绕组故障。然而,这些模型普遍具有鲁棒性不强、抗噪能力差等特点,究其原因是大多数的模型采用简单的神经网络架构且常规的... 近年来,基于脉冲频率响应法(impulse frequency response analysis,IFRA)的神经网络模型已被证实能够有效检测定子绕组故障。然而,这些模型普遍具有鲁棒性不强、抗噪能力差等特点,究其原因是大多数的模型采用简单的神经网络架构且常规的IFRA普遍采用快速傅里叶变换(fast Fourier transform,FFT)对暂态信号进行时频变换,而FFT并不适合处理暂态突变的非平稳信号。文中以散绕结构的同步电机定子绕组为检测对象,采用连续小波变换(continual wavelet transform,CWT)代替FFT处理IFRA的暂态信号,并基于一维卷积神经网络(convolutional neural networks,CNN)和双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)构建CNN-BiLSTM模型对采用CWT变换之后的信号进行故障检测。实验结果表明:采用CWT处理后的频域序列作为该模型的输入,相较于其它结构单一的模型,其平均准确率最优且高达99.01%。噪声对比实验表明:采用CWT变换后的数据能使故障诊断模型的鲁棒性及泛化性更强。 展开更多
关键词 同步电机 定子绕组 脉冲频率响应法 小波变换 CNN-BiLSTM
在线阅读 下载PDF
基于CWT-CNN的离心泵轴承故障识别方法 被引量：10
10
作者 张鑫宇 付强 +2 位作者 黄倩 朱荣生 李思汉 《机床与液压》 北大核心 2024年第12期202-207,共6页
针对传统的轴承故障诊断方法在面对强噪声和非平稳信号识别时特征提取过度依赖先验知识和专家经验等问题,结合传统的信号处理方法和深度学习算法提出一种基于CWT-CNN的离心泵轴承故障识别方法。连续小波变换(CWT)将原始的1D振动信号转... 针对传统的轴承故障诊断方法在面对强噪声和非平稳信号识别时特征提取过度依赖先验知识和专家经验等问题,结合传统的信号处理方法和深度学习算法提出一种基于CWT-CNN的离心泵轴承故障识别方法。连续小波变换(CWT)将原始的1D振动信号转化为故障特征信息更丰富的2D时频图,2D时频图再输入到卷积层完成特征的自动提取,最后SoftMax层完成故障识别。经过西储大学公开轴承数据集和实验室搭建的离心泵振动轴承采集实验台验证,该方法的故障识别准确率均能达到90%以上。 展开更多
关键词 滚动轴承 连续小波变换 卷积神经网络 故障诊断
在线阅读 下载PDF
脉冲相干激光测风FFT和fCWT融合算法的研究 被引量：1
11
作者 邓旭锋 冯振中 +5 位作者 汤磊 尹微 王云石 范琪 周鼎富 黄自力 《激光杂志》 CAS 北大核心 2024年第7期78-84,共7页
在脉冲相干激光雷达测风中,广泛使用的FFT算法运算简便快速,但测风的距离分辨率难以进一步提高,而连续小波变换(CWT)等时频分析方法具有时频精细分析能力,但计算实时性差,提出了一种结合FFT和快速连续小波变换(fCWT)优势的融合算法,算... 在脉冲相干激光雷达测风中,广泛使用的FFT算法运算简便快速,但测风的距离分辨率难以进一步提高,而连续小波变换(CWT)等时频分析方法具有时频精细分析能力,但计算实时性差,提出了一种结合FFT和快速连续小波变换(fCWT)优势的融合算法,算法继承了CWT精细分析能力,而运算速度显著加快。通过对融合算法以及CWT、FFT算法就雷达测风仿真数据及实测数据进行对比,融合算法及CWT和FFT算法绘制的风速曲线趋势一致,但具有更丰富细节,融合算法计算时间相比CWT算法减少了45%以上。此融合算法为提高脉冲相干激光测风雷达测风性能提供了一种新思路。 展开更多
关键词 激光测风 傅里叶变换 快速连续小波变换 线性拟合 大气分层模型
在线阅读 下载PDF
基于CWT-IDRSN的风机滚动轴承故障诊断 被引量：3
12
作者 巴胤竣 孙文磊 +2 位作者 张克战 常赛科 刘志远 《组合机床与自动化加工技术》 北大核心 2024年第11期166-171,共6页
针对强噪声环境下传统轴承故障诊断方法对故障识别率低,深度残差收缩网络在降噪时对频域信号丢失的问题,提出了一种基于连续小波变换(continuous wavelet transform,CWT)和改进的深度残差收缩网络(improved deep residual shrinkage net... 针对强噪声环境下传统轴承故障诊断方法对故障识别率低,深度残差收缩网络在降噪时对频域信号丢失的问题,提出了一种基于连续小波变换(continuous wavelet transform,CWT)和改进的深度残差收缩网络(improved deep residual shrinkage network,IDRSN)的故障诊断模型。首先,利用CWT将轴承振动信号转换为二维时频图,作为输入样本,用于解决深度残差收缩网络在直接处理振动信号时引起的频域失真问题;其次,设计了一种改进的软阈值函数(improved soft threshold function,ISTF),解决了因软阈值化引起的信号失真,设计了改进的软阈值模块(improved soft threshold block,ISTB)和自适应斜率模块(adaptive slope block,ASB),构建了改进的残差收缩单元(improved residual shrinkage building unit,IRSBU)以实现自适应地确定最佳阈值并进一步调整输出;最后,利用凯斯西储大学滚动轴承数据集与风机轴承振动数据采集实验台收集的滚动轴承数据集对所提方法进行实验验证。结果证明相较于其他方法,所提的故障诊断方法有更好的泛化性和通用性,分类准确率分别达到了99.75%和99.69%。 展开更多
关键词 连续小波变换 深度残差收缩网络 自适应斜率模块 改进的软阈值函数 故障诊断 深度学习
在线阅读 下载PDF
基于连续小波变换的CNN—SVM农机滚动轴承故障诊断 被引量：2
13
作者 沈伟杰 肖茂华 +1 位作者 宋新民 项腾飞 《中国农机化学报》 北大核心 2025年第4期254-264,共11页
针对农用机械滚动轴承故障诊断中轴承振动信号非线性、非平稳特性以及故障特征表征不明显的问题,提出一种基于连续小波变换(CWT)、卷积神经网络(CNN)和支持向量机(SVM)的滚动轴承故障诊断方法(CWT—CNN—SVM)。首先,利用CWT对滚动轴承... 针对农用机械滚动轴承故障诊断中轴承振动信号非线性、非平稳特性以及故障特征表征不明显的问题,提出一种基于连续小波变换(CWT)、卷积神经网络(CNN)和支持向量机(SVM)的滚动轴承故障诊断方法(CWT—CNN—SVM)。首先,利用CWT对滚动轴承振动信号进行多尺度时频分析,为后续故障诊断提供更详细的特征;然后,将提取到的时频图作为输入,利用CNN深层次学习故障特征信息;最后,采用SVM对输出结果进行分类,以实现精确的故障类型识别。与BPNN、SVM、CWT—CNN以及CWT—ResNet等方法比较,试验结果表明,CWT—CNN—SVM故障诊断准确率最高,单次准确率达到100%,5次重复试验准确率为99.62%。CWT—CNN—SVM在处理复杂的滚动轴承故障诊断问题时,不仅诊断准确,同时展现出深度学习与故障诊断相结合的优势,能进一步提升小数据集的性能。所提出的CWT—CNN—SVM方法对于提升农机滚动轴承故障诊断性能,具有一定的理论价值和实际应用前景。 展开更多
关键词 故障诊断 农机 滚动轴承 连续小波变换 卷积神经网络 支持向量机
在线阅读 下载PDF
一种小样本滚动轴承故障诊断算法 被引量：1
14
作者 宋存利 王子卓 时维国 《中国惯性技术学报》 北大核心 2025年第1期96-106,共11页
针对卷积神经网络在处理滚动轴承时域信号时难以充分提取特征、故障样本稀少及模型泛化性能不足的问题,提出一种基于注意力机制的增强卷积神经网络小样本故障诊断方法。首先,使用连续小波变换将轴承振动信号转化为二维时频图像,以便可... 针对卷积神经网络在处理滚动轴承时域信号时难以充分提取特征、故障样本稀少及模型泛化性能不足的问题,提出一种基于注意力机制的增强卷积神经网络小样本故障诊断方法。首先,使用连续小波变换将轴承振动信号转化为二维时频图像,以便可视化其特征。然后,通过数据增强扩充样本数据,提升模型在小样本情况下的泛化性。为提高特征提取和模型泛化能力,使用MixConv将ConvNeXt V2模型的7×7卷积层重构为不同大小的并行卷积核,增强多尺度特征提取效果;引入卷积注意力机制模块(CBAM)提升关键特征识别能力。该模型在凯斯西储大学、东南大学和渥太华大学的故障数据集上进行实验验证。实验结果表明,所提模型对不同故障的识别率均为100%,与目前常用的7个模型相比,在相同条件下故障识别准确率最高,具有较强的泛化性能。 展开更多
关键词 滚动轴承 故障诊断 注意力机制 连续小波变换 卷积神经网络
在线阅读 下载PDF
地心运动的时变分析与预报
15
作者 魏二虎 吴俊杰 +4 位作者 张云龙 罗一乐 邹贤才 田晓静 刘经南 《大地测量与地球动力学》 北大核心 2025年第4期331-338,共8页
以美国德克萨斯大学空间研究中心提供的地心运动时间序列为实验数据,首先采用经验模态分解(empirical mode decomposition,EMD)对数据进行降噪处理;然后利用快速傅里叶变换(fast Fourier transform,FFT)和连续小波变换(continuous wavel... 以美国德克萨斯大学空间研究中心提供的地心运动时间序列为实验数据,首先采用经验模态分解(empirical mode decomposition,EMD)对数据进行降噪处理;然后利用快速傅里叶变换(fast Fourier transform,FFT)和连续小波变换(continuous wavelet transform,CWT)对该数据进行频域转换、功率谱分析和周期项提取;最后采用自回归积分滑动平均(autoregressive integrated moving average,ARIMA)模型和指数平滑法对未来20个月的地心运动进行预报。结果表明,利用FFT提取的周年项的振幅和相位与以往的地心运动研究较为接近;ARIMA模型对于Y方向20个月内的地心运动预测结果较好,指数平滑法对X、Z方向的地心运动预测结果更优。 展开更多
关键词 地心运动 快速傅里叶变换 连续小波变换 ARIMA 指数平滑法
在线阅读 下载PDF
应用于火箭弹发动机包覆层检测的太赫兹FMCW技术
16
作者 秦叔敏 薛凯亮 +2 位作者 吴其洲 李雅 陈友兴 《火力与指挥控制》 北大核心 2025年第5期140-145,共6页
包覆层在火箭弹发动机中连接发动机壳体和推进剂,其粘接状态对推进剂、壳体界面的完整性至关重要,直接影响着火箭弹发动机的安全性和可靠性。针对包覆层状态检测,提出一种基于太赫兹调频连续波(FMCW)技术的非接触式检测方案。依托太赫兹... 包覆层在火箭弹发动机中连接发动机壳体和推进剂,其粘接状态对推进剂、壳体界面的完整性至关重要,直接影响着火箭弹发动机的安全性和可靠性。针对包覆层状态检测,提出一种基于太赫兹调频连续波(FMCW)技术的非接触式检测方案。依托太赫兹FMCW雷达、喇叭天线、多维驱动轴和一组光学透镜搭建二维检测平台;通过分析包覆层的太赫兹检测图像以及气泡处和无气泡处的单点纵向信号,来对粘接状态进行表征;引入连续小波变换进行三维重构。实验结果验证太赫兹FMCW检测系统对包覆层中的气泡缺陷识别的有效性,通过连续小波变换能够重建出高质量的三维检测结果,为火箭弹发动机内涂层健康状态检测提供新的思路和方法。 展开更多
关键词 太赫兹FMCW 无损检测 包覆层 缺陷表征 连续小波变换
在线阅读 下载PDF
基于连续小波变换和反向传播神经网络的水稻SPAD值估测 被引量：1
17
作者 胡文瑞 高倩文 +1 位作者 阳会兵 高志强 《山东农业科学》 北大核心 2025年第4期154-162,共9页
为构建水稻叶片SPAD值的高光谱精确估算模型,本试验以“晶两优华占”为供试材料,设置3个施肥处理,于全生育期内连续定期测定高光谱反射率与SPAD值数据,利用植被指数和连续小波变换(CWT)提取光谱的敏感信息,再利用传统的线性和非线性拟... 为构建水稻叶片SPAD值的高光谱精确估算模型,本试验以“晶两优华占”为供试材料,设置3个施肥处理,于全生育期内连续定期测定高光谱反射率与SPAD值数据,利用植被指数和连续小波变换(CWT)提取光谱的敏感信息,再利用传统的线性和非线性拟合以及反向传播神经网络(BPNN)算法建立水稻叶片SPAD值的估测模型,并利用决定系数(R2)、均方根误差(RMSE)和相对分析误差(RPD)对模型的估测效果进行比较分析。结果表明:基于传统方法(线性函数、对数函数、指数函数、二次函数拟合),以9个常用植被指数为自变量构建的SPAD值反演单变量模型精度较低(RPD<1.4);选用6种母小波函数进行CWT,可以有效提高叶片高光谱反射率与SPAD值之间的相关性,以各母小波函数的最佳小波系数为自变量构建单变量模型,精度明显提高,可以达到SPAD值的粗略评估水平(RPD在1.523~1.581之间)。基于BPNN算法构建的水稻叶片SPAD值估测模型精度较单变量模型明显提高,RPD均在1.823~2.342,其中以bior3.3、gaus4作为母小波函数构建的BPNN模型具有良好的预测能力,RPD分别为2.342、2.178,但以gaus4作为母小波函数构建的BPNN模型存在过拟合现象。综合来看,用bior3.3作为母小波函数分解得到的前10个最佳小波系数构建的BPNN模型精度最高,R2、RMSE分别为0.818、1.441,可以对水稻叶片SPAD值进行良好的预测。本研究证明了CWT可以有效提取水稻叶片光谱特征中的敏感信息,建立的bior3.3-BPNN模型可用于其SPAD值的监测,这可为后续水稻全生育期叶片叶绿素含量的快速无损监测提供参考,并为水稻生长发育动态的实时监测提供技术支持。 展开更多
关键词 水稻 SPAD值 高光谱 植被指数 连续小波变换 反向传播神经网络
在线阅读 下载PDF
基于CWT和DWT相结合的谐波检测 被引量：12
18
作者 陈欢 何怡刚 +2 位作者 肖建平 刘茂旭 王东楼 《电力系统保护与控制》 EI CSCD 北大核心 2015年第20期71-75,共5页
提出了一种基于连续小波变换(CWT)和离散小波变换(DWT)相结合的电力系统谐波检测方法。首先利用CWT系数的幅值来检测谐波频率,该过程不用事先根据谐波次数确定分解层数,而只是确定尺度范围及步长,即可得出各次谐波频率。然后根据确定的... 提出了一种基于连续小波变换(CWT)和离散小波变换(DWT)相结合的电力系统谐波检测方法。首先利用CWT系数的幅值来检测谐波频率,该过程不用事先根据谐波次数确定分解层数,而只是确定尺度范围及步长,即可得出各次谐波频率。然后根据确定的谐波成分利用DWT来检测谐波幅值,并通过Matlab软件进行了仿真分析。仿真结果表明该方法有效地解决了基于离散小波变换的谐波检测方法中谐波次数未知而无法确定分解层数的难题,并能精确可靠检测各次谐波频率和相应的幅值。因此,CWT和DWT相结合是一种有效的电力系统谐波检测方法。 展开更多
关键词 谐波检测 小波变换 连续小波变换 离散小波变换
在线阅读 下载PDF
基于双路神经网络多尺度特征提取的轴承故障诊断 被引量：1
19
作者 宋蒙恩 罗敏 《组合机床与自动化加工技术》 北大核心 2025年第2期163-170,共8页
针对现有滚动轴承故障诊断方法对振动数据中蕴含信息挖掘不够充分的问题,提出了一种基于双路卷积神经网络(CNN)多尺度特征提取的滚动轴承故障诊断方法。首先,利用连续小波变化(CWT)将一维振动信号转换为二维时频图,获取对轴承数据的不... 针对现有滚动轴承故障诊断方法对振动数据中蕴含信息挖掘不够充分的问题,提出了一种基于双路卷积神经网络(CNN)多尺度特征提取的滚动轴承故障诊断方法。首先,利用连续小波变化(CWT)将一维振动信号转换为二维时频图,获取对轴承数据的不同视角表达,分别作为双路CNN的输入;然后,分别构建双路CNN的多尺度特征提取模块,1D-CNN的特征提取模块由大卷积层和并行卷积层组成,并在每个并行层后加上GRU提取不同尺度的时序特征;2D-CNN的特征提取模块使用多分支连续卷积结构从输入中提取不同尺寸和抽象层次的特征,并引入CBAM注意力机制来增强模型对重要特征的关注;最后,对双路CNN提取到的特征进行多尺度特征融合,利用融合特征训练分类模块,实现轴承的故障诊断。实验结果表明,所提模型10次测试的平均准确率为99.95%,在每类故障训练集仅含有24个样本时平均准确率依然可达95%左右,对比其它诊断模型,所提方法在小样本条件下具有更高的诊断准确率、更强的特征提取能力。 展开更多
关键词 卷积神经网络 连续小波变换 GRU 注意力机制
在线阅读 下载PDF
基于多特征空间自适应网络的谐波减速器故障诊断 被引量：1
20
作者 陈仁祥 张晓 +2 位作者 李嘉琳 杨宝军 张旭 《振动工程学报》 北大核心 2025年第2期432-440,共9页
由于多测点位置不同引起的数据分布差异造成谐波减速器故障诊断效果不佳,提出基于多特征空间自适应网络(multiple feature spaces adaptation network,MFSAN)的谐波减速器故障诊断方法。对谐波减速器振动信号进行连续小波变换,以构造时... 由于多测点位置不同引起的数据分布差异造成谐波减速器故障诊断效果不佳,提出基于多特征空间自适应网络(multiple feature spaces adaptation network,MFSAN)的谐波减速器故障诊断方法。对谐波减速器振动信号进行连续小波变换,以构造时频图来描述其运行状态特征。将不同位置传感器所测数据划分为多个源域数据和目标域数据映射到不同特征空间,得到不同测点位置下的特征表示。利用自适应网络将源域中学习到的知识自动应用到目标域,以自动对齐特定领域的特征分布,从而学习多个域不变表示。利用领域特定的决策边界来对齐分类器的输出,从而有效减少因传感器位置差异引起的数据分布差异。在工业机器人谐波减速器诊断实验中,所提诊断方法达到了99.72%的准确率,高于其他对比方法,验证了所提诊断方法的有效性和可行性。 展开更多
关键词 故障诊断 谐波减速器 连续小波变换 多特征空间自适应
在线阅读 下载PDF
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 2 … 23 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部