检索结果-维普期刊中文期刊服务平台

融合声振信号与可见近红外透射光谱的苹果轻度霉心病检测: 1; 作者谷家辉赖丽思 +1 位作者王凯张慧《食品科学》 EI CAS CSCD 北大核心 2024年第23期259-267,共9页; 针对单一方法对苹果轻度霉心病检测精度较低的问题,提出基于近红外透射光谱和声振技术的异源信息融合方法,以提升对苹果轻度霉心病的判别能力。针对近红外光谱信号,首先分析不同预处理和特征提取方法对建模效果的影响,完成光谱特征波段... 展开更多; 关键词可见近红外透射光谱声振信号苹果霉心病特征融合卷积神经网络-长短时记忆网络; 在线阅读下载PDF 职称材料

基于声振信号EMD分解的轻微碰摩故障诊断方法研究被引量：4: 2; 作者张占一刘杰 +2 位作者应怀樵李允公姚兆《振动与冲击》 EI CSCD 北大核心 2009年第8期91-93,共3页; 针对转子系统局部碰摩故障特征及声音振动信号特点,采用一种基于声振信号经验模式分解(Empirical Mode Decomposition简称EMD)的轻微局部碰摩故障诊断方法对滑动轴承碰摩故障进行特征提取。由于EMD分解不需要固定的基函数,根据信号特征... 展开更多; 关键词碰摩经验模式分解边界谱声振信号; 在线阅读下载PDF 职称材料

Hilbert-Huang变换在声振信号检测钢管混凝土脱空中的应用被引量：2: 3; 作者韩西向丽 +2 位作者钟厉杨劲陈晖《重庆交通大学学报（自然科学版）》 CAS 北大核心 2013年第1期14-17,36,共5页; 提出了基于Hilbert-Huang变换的钢管混凝土脱空检测方法,通过对瞬态冲击下脱空钢管的声振信号进行分析,提取出了瞬时幅值特征样本,采用改进的K均值聚类法对特征样本进行二类模式识别,从而对钢管混凝土的脱空进行判定,试验研究表明本方... 展开更多; 关键词钢管混凝土声振信号 HILBERT-HUANG变换聚类分析脱空检测; 在线阅读下载PDF 职称材料

基于变分模态分解和天牛须搜索的磁瓦内部缺陷声振检测被引量：5: 4; 作者黄沁元谢罗峰 +2 位作者殷国富冉茂霞刘鑫《振动与冲击》 EI CSCD 北大核心 2020年第17期124-133,共10页; 在磁瓦内部缺陷声振检测中,具备可预设尺度和自适应能力的变分模态分解(Variational Mode Decomposition,VMD)在处理相关声振信号时具有明显优势。然而VMD的参数选择范围广且对分解效果影响大,为解决参数的统一预设问题,提出一种基于天... 展开更多; 关键词变分模态分解(VMD) 天牛须搜索(BAS) 磁瓦内部缺陷声振信号; 在线阅读下载PDF 职称材料

基于优化变分模态分解的磁瓦内部缺陷检测被引量：8: 5; 作者冉茂霞黄沁元 +2 位作者刘鑫宋弘吴浩《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第11期2158-2168,2213,共12页; 针对磁瓦内部缺陷声振检测存在的信号处理和特征识别问题,提出结合变分模态分解(VMD)、粒子群优化(PSO)和随机森林(RF)的信号分析方法.该方法以模态能量和相邻模态中心频率差值构建代表VMD处理性能的适应度函数,其中以VMD的分解层数和... 展开更多; 关键词粒子群优化算法变分模态分解磁瓦声振信号内部缺陷; 在线阅读下载PDF 职称材料

题名融合声振信号与可见近红外透射光谱的苹果轻度霉心病检测: 1; 作者谷家辉赖丽思王凯张慧; 机构新疆大学智能制造现代产业学院; 出处《食品科学》 EI CAS CSCD 北大核心 2024年第23期259-267,共9页; 基金新疆维吾尔自治区自然科学基金项目(2022D01C674)。; 文摘针对单一方法对苹果轻度霉心病检测精度较低的问题,提出基于近红外透射光谱和声振技术的异源信息融合方法,以提升对苹果轻度霉心病的判别能力。针对近红外光谱信号,首先分析不同预处理和特征提取方法对建模效果的影响,完成光谱特征波段的选择。针对声振信号,利用YSV工程测试与信号分析软件和Pearson相关系数优选7个时域特征。随后,通过特征拼接将光谱特征波段与时域特征组成融合特征向量,分别采用卷积神经网络(convolutional neural networks,CNN)、长短时记忆网络(long short-term memory,LSTM)和CNN-LSTM基于单一源特征和融合特征构建判别模型。通过模型性能分析,融合了近红外透射光谱15个特征波段与7个时域特征的CNN-LSTM组合模型对于轻度霉心病的判别性能最优,测试集的准确率、召回率、特异性和F1分数分别达到了98.31%、97.06%、97.06%和97.90%。实验结果证明本研究提出的可见近红外透射光谱与声振信号特征融合方法可以有效提高苹果轻度霉心病的判别准确率。; 关键词可见近红外透射光谱声振信号苹果霉心病特征融合卷积神经网络-长短时记忆网络; Keywords visible-near-infrared transmission spectroscopy acoustic-vibration signals apple moldy-core disease feature fusion convolutional neural networks-long short-term memory; 分类号 TS207.7 [轻工技术与工程—食品科学]; 在线阅读下载PDF 职称材料

题名基于声振信号EMD分解的轻微碰摩故障诊断方法研究被引量：4: 2; 作者张占一刘杰应怀樵李允公姚兆; 机构东北大学机械工程与自动化学院北京东方振动和噪声技术研究所; 出处《振动与冲击》 EI CSCD 北大核心 2009年第8期91-93,共3页; 基金国家自然科学基金资助项目(50775029 50805021); 文摘针对转子系统局部碰摩故障特征及声音振动信号特点,采用一种基于声振信号经验模式分解(Empirical Mode Decomposition简称EMD)的轻微局部碰摩故障诊断方法对滑动轴承碰摩故障进行特征提取。由于EMD分解不需要固定的基函数,根据信号特征自适应的调整,从而实现碰摩特征及旋转激励背景信号自动分解。通过设计滑动轴承缺油工况轴承碰摩试验,并进行振动全息测试分析,将所得声振信号本征模式函数时域特征和边界谱特征与转子径向位移及轴承座加速度信号对比分析,确定了碰摩部件;从而证明基于声振信号EMD分解的碰摩故障诊断方法的有效性。; 关键词碰摩经验模式分解边界谱声振信号; Keywords rub-impact EMD marginal spectrum vibro-acoustic signal; 分类号 TH117 [机械工程—机械设计及理论] TP306.3 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名Hilbert-Huang变换在声振信号检测钢管混凝土脱空中的应用被引量：2: 3; 作者韩西向丽钟厉杨劲陈晖; 机构重庆交通大学土木建筑学院重庆市科学技术研究院; 出处《重庆交通大学学报（自然科学版）》 CAS 北大核心 2013年第1期14-17,36,共5页; 基金重庆市科技攻关计划项目(CSCT2009AB6135); 文摘提出了基于Hilbert-Huang变换的钢管混凝土脱空检测方法,通过对瞬态冲击下脱空钢管的声振信号进行分析,提取出了瞬时幅值特征样本,采用改进的K均值聚类法对特征样本进行二类模式识别,从而对钢管混凝土的脱空进行判定,试验研究表明本方法的可行性。; 关键词钢管混凝土声振信号 HILBERT-HUANG变换聚类分析脱空检测; Keywords Concrete Filled Steel Tube(CFST) acoustic vibration signal Hilbert-Huang Transform cluster analysis void detection; 分类号 TU442 [建筑科学—岩土工程]; 在线阅读下载PDF 职称材料

题名基于变分模态分解和天牛须搜索的磁瓦内部缺陷声振检测被引量：5: 4; 作者黄沁元谢罗峰殷国富冉茂霞刘鑫; 机构四川轻化工大学自动化与信息工程学院四川大学制造科学与工程学院; 出处《振动与冲击》 EI CSCD 北大核心 2020年第17期124-133,共10页; 基金国家自然科学基金项目(61701330) 四川省教育厅科研项目(18ZB0428) +1 种基金四川理工学院人才引进项目(2016RCL29)。; 文摘在磁瓦内部缺陷声振检测中,具备可预设尺度和自适应能力的变分模态分解(Variational Mode Decomposition,VMD)在处理相关声振信号时具有明显优势。然而VMD的参数选择范围广且对分解效果影响大,为解决参数的统一预设问题,提出一种基于天牛须搜索(Beetle Antennae Search,BAS)的VMD参数优化方法,并应用于磁瓦内部缺陷检测。该方法首先根据声振信号特点建立基于模态能量和模态中心频率变化规律的目标函数;再利用BAS在参数空间中搜寻目标函数最大值,所需的VMD统一预设参数即为该最大值所对应的参数组合;最后,在该优化参数下对逐个信号进行VMD处理并提取模态中心频率特征,进而由支持向量机完成特征识别。试验结果表明,所提出的方法能有效优化VMD参数并实现磁瓦内部缺陷的快速精准检测。; 关键词变分模态分解(VMD) 天牛须搜索(BAS) 磁瓦内部缺陷声振信号; Keywords variational mode decomposition(VMD) beetle antennae search(BAS) magnetic tile internal defect acoustic-vibration signal; 分类号 TG115.28 [金属学及工艺—物理冶金]; 在线阅读下载PDF 职称材料

题名基于优化变分模态分解的磁瓦内部缺陷检测被引量：8: 5; 作者冉茂霞黄沁元刘鑫宋弘吴浩; 机构四川轻化工大学自动化与信息工程学院; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第11期2158-2168,2213,共12页; 基金国家自然科学基金资助项目(61701330) 四川省教育厅科研资助项目(18ZB0428) +1 种基金四川理工学院人才引进资助项目(2016RCL29).; 文摘针对磁瓦内部缺陷声振检测存在的信号处理和特征识别问题,提出结合变分模态分解(VMD)、粒子群优化(PSO)和随机森林(RF)的信号分析方法.该方法以模态能量和相邻模态中心频率差值构建代表VMD处理性能的适应度函数,其中以VMD的分解层数和惩罚因子2个参数作为该适应度函数的变量;通过PSO在VMD参数选择空间中搜索该函数的最小值以执行VMD的参数优化,最小值所对应的参数设置即为VMD的最优参数;利用得到的参数实现信号的最优VMD分解并通过计算模态分量的能量来筛选特征模态,从中提取过零率、谱质心和最大峰值频点以联合反映磁瓦内部缺陷的特征信息;经RF分类器对这些特征进行识别进而对内部缺陷的存在情况做出判断.实验证明所提出的方法能够准确、高效地实现不同类型磁瓦的内部缺陷检测.; 关键词粒子群优化算法变分模态分解磁瓦声振信号内部缺陷; Keywords particle swarm optimization variational mode decomposition arc magnet vibro-acoustic signal internal defect; 分类号 TG115 [金属学及工艺—物理冶金]; 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	融合声振信号与可见近红外透射光谱的苹果轻度霉心病检测	谷家辉赖丽思王凯张慧	《食品科学》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于声振信号EMD分解的轻微碰摩故障诊断方法研究	张占一刘杰应怀樵李允公姚兆	《振动与冲击》 EI CSCD 北大核心	2009	4	在线阅读下载PDF 职称材料
3	Hilbert-Huang变换在声振信号检测钢管混凝土脱空中的应用	韩西向丽钟厉杨劲陈晖	《重庆交通大学学报（自然科学版）》 CAS 北大核心	2013	2	在线阅读下载PDF 职称材料
4	基于变分模态分解和天牛须搜索的磁瓦内部缺陷声振检测	黄沁元谢罗峰殷国富冉茂霞刘鑫	《振动与冲击》 EI CSCD 北大核心	2020	5	在线阅读下载PDF 职称材料
5	基于优化变分模态分解的磁瓦内部缺陷检测	冉茂霞黄沁元刘鑫宋弘吴浩	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2020	8	在线阅读下载PDF 职称材料