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2,651篇文章
< 1 2 … 133 >
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：
基于一维卷积神经网络的钢轨波磨迁移诊断方法 被引量：1
1
作者 王阳 肖宏 +3 位作者 张智海 迟义浩 魏绍磊 方树薇 《铁道学报》 北大核心 2025年第4期115-123,共9页
监测钢轨表面波磨状态是控制铁路环境振动与噪声的必要措施,利用安装在运营列车车体上的加速度传感器实现对钢轨波磨的实时监测,具有低成本、高效和便携的优点。为实现利用车体动态响应识别钢轨波磨,通过小波变换等手段分析钢轨波磨激... 监测钢轨表面波磨状态是控制铁路环境振动与噪声的必要措施,利用安装在运营列车车体上的加速度传感器实现对钢轨波磨的实时监测,具有低成本、高效和便携的优点。为实现利用车体动态响应识别钢轨波磨,通过小波变换等手段分析钢轨波磨激励下车体振动特性,建立车辆-轨道刚柔耦合模型,获取车体垂向加速度仿真数据集。基于一维卷积神经网络搭建钢轨波磨检测模型并在仿真数据集上进行训练,与其他几种常见的检测模型进行对比,最后将模型迁移到实测车体垂向加速度数据集上实现对钢轨波磨的诊断。研究结果表明,钢轨波磨激励的振动能量在运行方向左侧和右侧空气弹簧对应的地板表面位置基本相同,通过车体垂向振动加速度信号无法区分左右两股钢轨的差异。与SVM、LSTM及2D-CNN相比,本文提出的钢轨波磨检测模型精度最高,单个样本推理时间仅为1.00 ms,钢轨波磨识别准确度达92.38%。 展开更多
关键词 钢轨波磨 车载检测 数据驱动 迁移学习 一维卷积神经网络(1D-CNN)
在线阅读 下载PDF
基于小波降噪的神经网络盾构泥水分离系统参数预测方法
2
作者 周翠红 周富强 +1 位作者 刘兆赫 翟志国 《土木与环境工程学报（中英文）》 北大核心 2025年第1期11-17,共7页
泥水盾构穿越复合地层时,掘进控制参数和泥水分离系统参数往往出现大幅波动,影响施工安全和掘进效率。为提升施工过程的安全稳定性,实现异常工况预测,依托望京隧道盾构工程,针对地层状况采用筛分、双旋流、离心/压滤固液分离协同控制技... 泥水盾构穿越复合地层时,掘进控制参数和泥水分离系统参数往往出现大幅波动,影响施工安全和掘进效率。为提升施工过程的安全稳定性,实现异常工况预测,依托望京隧道盾构工程,针对地层状况采用筛分、双旋流、离心/压滤固液分离协同控制技术,采集盾构机掘进参数(掘进速度、刀盘转速和总推进力等)和泥水分离系统运行参数(进浆量、进浆密度和进浆黏度等),通过Cook距离离群检测和小波阈值去噪处理提升数据质量;以双旋流分离密度比值、黏度比值等12个参数为输入,排浆量、排浆密度和排浆黏度为输出,建立BP神经网络泥水分离系统参数的预测模型,并选取3个不同地层环段进行预测对比分析。预测结果表明:预测平均绝对误差均在5%以内,该预测模型在复合地层下仍具有较高的准确性。 展开更多
关键词 盾构隧道 泥水分离 COOK距离 小波去噪 BP神经网络 参数预测
在线阅读 下载PDF
双通道小波核-卷积神经网络轧机设备轴承诊断方法
3
作者 时培明 肖立峰 +2 位作者 许学方 何俊杰 彭荣荣 《机械科学与技术》 北大核心 2025年第2期335-344,共10页
轧机设备运行过程中产生的振动信号和声音信号包含丰富的状况信息,而使用单类传感器采集信号难以捕获轧机的全面信息。针对上述问题,提出一种基于双通道异源信息融合的小波核-卷积神经网络算法。首先,将采集的振动信号转换成二维小波时... 轧机设备运行过程中产生的振动信号和声音信号包含丰富的状况信息,而使用单类传感器采集信号难以捕获轧机的全面信息。针对上述问题,提出一种基于双通道异源信息融合的小波核-卷积神经网络算法。首先,将采集的振动信号转换成二维小波时频图作为二维卷积神经网络通道的输入;再设计一种小波核网络Wavelet kernel network (WKN)作为一维通道对声音信号进行处理;最后,将各通道提取的特征向量在汇聚层进行拼接,信息融合后实现对轧机设备的轴承状况诊断。为了验证该算法的有效性,搭建轧机状况实验平台。实验结果表明,在变工况下,双通道小波核-卷积神经融合网络对轧机轴承故障诊断准确率可达99%。 展开更多
关键词 故障诊断 轧机轴承 双通道卷积神经网络 小波卷积核
在线阅读 下载PDF
基于神经网络的CFRP桁架接头缺陷导波检测方法
4
作者 周世圆 程宇涵 +3 位作者 邓垚 于全朋 戴乐 盛涛 《北京理工大学学报》 北大核心 2025年第9期907-914,共8页
为解决碳纤维复合材料桁架接头拐角处缺陷的接触式检测可达性差、水浸扫查轨迹规划难的问题,提出一种导波检测方法,用一发一收方式激励接收导波,对导波信号进行小波包分解生成特征图,通过神经网络识别缺陷.研制了CFRP桁架接头缺陷导波... 为解决碳纤维复合材料桁架接头拐角处缺陷的接触式检测可达性差、水浸扫查轨迹规划难的问题,提出一种导波检测方法,用一发一收方式激励接收导波,对导波信号进行小波包分解生成特征图,通过神经网络识别缺陷.研制了CFRP桁架接头缺陷导波检测系统,采用拐角处预制平底孔和分层缺陷的CFRP试样构建数据集,训练卷积神经网络模型,并在检测系统上进行实验.结果表明,该方法能以99%以上的准确率检出6 mm及以上的分层缺陷和2 mm及以上的平底孔缺陷,证实了该方法的有效性,可解决CFRP桁架接头缺陷的检测难题. 展开更多
关键词 碳纤维复合材料(CFRP) 导波 小波分解 卷积神经网络 缺陷检测
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
5
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
神经网络加速PSO算法的超材料吸波体设计 被引量：1
6
作者 戴书浩 孙俊 +2 位作者 彭艺 罗会龙 张莉 《传感器与微系统》 北大核心 2025年第2期90-94,共5页
在超材料吸波体的设计过程中,研究人员常采用耗时长的全波仿真方法,设计思路主要以耗时长的参数扫描和经验设计为主。为了减少设计耗时,本文提出了一种基于神经网络加速粒子群优化(PSO)算法的快速设计方法。该方法利用神经网络对超材料... 在超材料吸波体的设计过程中,研究人员常采用耗时长的全波仿真方法,设计思路主要以耗时长的参数扫描和经验设计为主。为了减少设计耗时,本文提出了一种基于神经网络加速粒子群优化(PSO)算法的快速设计方法。该方法利用神经网络对超材料吸波体的电磁参数进行准确地预测,其预测结果与仿真结果均方误差(MSE)不超过0.0011。在PSO算法对结构参数空间进行搜索的过程中,预测结果被用于算法优化过程中的适应度计算,PSO算法能够根据不同的适应度值自动调节结构参数以到达电磁波宽频带吸收的目的。该方法将设计耗时缩短为全波仿真设计耗时的0.3%。通过该方法设计的超材料吸波体在8.5~17.9 GHz频段内的吸波率大于90%,吸波带宽为9.4 GHz。此外该方法优化过程避免了人工干扰,能够移植到超材料的其他应用设计中。 展开更多
关键词 超材料吸波体 神经网络 粒子群优化算法
在线阅读 下载PDF
基于可逆神经网络的小波域抗屏摄数字水印
7
作者 程森茂 郭玳豆 +2 位作者 栗风永 韩彦芳 秦川 《上海理工大学学报》 北大核心 2025年第2期220-229,共10页
屏摄信道传输中的多媒体安全问题是数字水印研究领域中的一大难点。鉴于屏摄过程中存在光照度差异和采样失真的问题,基于数字信道设计的水印方法并不适用于屏摄信道,为此,提出了一种基于可逆神经网络的小波域抗屏摄水印方法,以解决“跨... 屏摄信道传输中的多媒体安全问题是数字水印研究领域中的一大难点。鉴于屏摄过程中存在光照度差异和采样失真的问题,基于数字信道设计的水印方法并不适用于屏摄信道,为此,提出了一种基于可逆神经网络的小波域抗屏摄水印方法,以解决“跨媒介鲁棒性”问题。通过基于U-Net网络结构的预处理网络对水印信息和原始图像进行预编码生成残差图像,将该残差图像与原始图像进行离散小波变换,并利用可逆神经网络实现在小波域的水印嵌入和提取。在模型训练过程中加入噪声池,以提升抵抗屏摄噪声攻击的鲁棒性。实验结果表明,通过所提方法生成的含水印图像具有更好的视觉质量,且在不同距离、角度和光照度的屏摄情况下,均有着较高的水印信息提取准确率。 展开更多
关键词 鲁棒水印 屏幕拍摄 可逆神经网络 小波域
在线阅读 下载PDF
粒子群优化小波神经网络的功率预测研究
8
作者 柴赟 刘志仁 +2 位作者 曹卫青 杨勤胜 陈公海 《南京师大学报(自然科学版)》 北大核心 2025年第3期129-138,共10页
电力系统的复杂化及可再生能源的集成增加,对电力系统运行中的功率预测技术提出了更高的要求.准确的功率预测对于电力系统的稳定运行、优化发电计划以及减少运营成本非常关键.为应对这一挑战,本文设计了一种将改进后的小波神经网络(WNN... 电力系统的复杂化及可再生能源的集成增加,对电力系统运行中的功率预测技术提出了更高的要求.准确的功率预测对于电力系统的稳定运行、优化发电计划以及减少运营成本非常关键.为应对这一挑战,本文设计了一种将改进后的小波神经网络(WNN)与粒子群优化(PSO)算法相结合的混合模型,有效提升了功率预测的精度与效率.小波神经网络的优势在于其能够处理非线性和非平稳时间序列数据,而粒子群优化则通过其全局搜索能力优化网络参数,从而避免局部最优问题,加速训练过程,改进的Gaussian小波函数增强了模型的多尺度能力.实验结果表明,相比于小波神经网络预测模型,改进后的PSO-WNN模型在预测精度和收敛速度方面均有显著的提升. 展开更多
关键词 粒子群优化 小波神经网络 功率预测
在线阅读 下载PDF
基于小波分解与动态密集空洞卷积的双分支神经网络水印算法
9
作者 李敬有 席晓天 +1 位作者 魏荣乐 张光妲 《信息网络安全》 北大核心 2025年第5期828-839,共12页
基于深度学习的数字水印算法主要倾向于向载体图像的中高频区域嵌入水印信息,只使用卷积神经网络将水印信息映射到载体图像的特征空间中,忽略了频域算法的作用。文章提出一种基于小波分解与动态密集空洞卷积的双分支神经网络水印算法,... 基于深度学习的数字水印算法主要倾向于向载体图像的中高频区域嵌入水印信息,只使用卷积神经网络将水印信息映射到载体图像的特征空间中,忽略了频域算法的作用。文章提出一种基于小波分解与动态密集空洞卷积的双分支神经网络水印算法,通过使用小波分解,更好地引导水印信息的嵌入和提取。该算法运用离散小波变换处理载体图像与水印图像,将其分解为高频信息和低频信息,再使用神经网络进行针对性学习,使用动态密集空洞卷积在减少神经网络层数的情况下,扩大感受野,增强捕捉全局信息的能力,也能避免使用过多的池化层影响重建图像的质量。实验表明,该算法拥有良好的不可见性和鲁棒性。 展开更多
关键词 双分支神经网络 离散小波变换 空洞卷积 数字水印
在线阅读 下载PDF
基于WPA优化小波神经网络的激光散斑图像增强方法
10
作者 黄余 孙利民 陈林宇 《激光杂志》 北大核心 2025年第8期141-145,共5页
为了有效改善激光散斑图像的质量,提出一种基于WPA优化小波神经网络的激光散斑图像增强方法。引入WPA优化小波神经网络,采用优化后的小波神经网络对激光散斑图像展开去噪。完成去噪处理后,对图像展开均值滤波处理,并采用数字减影方法确... 为了有效改善激光散斑图像的质量,提出一种基于WPA优化小波神经网络的激光散斑图像增强方法。引入WPA优化小波神经网络,采用优化后的小波神经网络对激光散斑图像展开去噪。完成去噪处理后,对图像展开均值滤波处理,并采用数字减影方法确定激光散斑图像的显著特征区域。利用改进后的拉普拉斯算子对减影结果展开双尺度分析,区分粗略与精细的聚焦区域,通过一致性校验方法展开边缘细节的平滑处理。最终将所得结果展开重构,实现激光散斑图像增强。实验结果表明,所提方法可以显著提升激光散斑图像的清晰度和细节信息,改善图像整体的视觉效果。 展开更多
关键词 小波神经网络 激光散斑图像 图像增强 均值滤波 一致性校验
在线阅读 下载PDF
基于小波神经网络的新型角度传感器补偿技术
11
作者 赵伦 张靖 +3 位作者 周路遥 季丹 尹蝶 普春芬 《传感器与微系统》 北大核心 2025年第4期96-100,共5页
针对现有霍尔角度传感器、光电编码器等存在编码难度较大、成本较高的问题,设计了一种新型的角度传感器,主要由激光器、摄像头、转盘和转轴组成,转轴带动转盘转动时,转盘上的激光器发出的激光束在摄像头中的成像上形成光斑,利用二阶矩... 针对现有霍尔角度传感器、光电编码器等存在编码难度较大、成本较高的问题,设计了一种新型的角度传感器,主要由激光器、摄像头、转盘和转轴组成,转轴带动转盘转动时,转盘上的激光器发出的激光束在摄像头中的成像上形成光斑,利用二阶矩法识别出光斑中心点坐标,并将其转换为对应的旋转角度值。利用傅里叶级数拟合法对旋转角度与光斑中心点坐标进行拟合分析,以确定传感器的非线性特性。并采用小波神经网络(WNN)对传感器存在的非线性问题进行补偿。实验结果表明:经WNN补偿后,传感器的非线性误差从2.39降低至1.56,测量精度达到了0.84°。 展开更多
关键词 角度传感器 小波神经网络 二阶矩法 傅里叶级数 非线性补偿
在线阅读 下载PDF
自编码器神经网络与小波变换相结合的高频GNSS地震波降噪方法
12
作者 张成枫 倪四道 +2 位作者 张涵 郭爱智 谷旺旺 《地球物理学报》 北大核心 2025年第1期66-80,共15页
高频GNSS (Global Navigation Satellite System)技术能够直接获取近场大振幅动态位移,在强震震源反演等研究领域发挥着重要的作用.当震级不高或者震中距较远,台站位移较小时,高频GNSS动态波形信噪比较低,不利于震源参数的精确确定.如... 高频GNSS (Global Navigation Satellite System)技术能够直接获取近场大振幅动态位移,在强震震源反演等研究领域发挥着重要的作用.当震级不高或者震中距较远,台站位移较小时,高频GNSS动态波形信噪比较低,不利于震源参数的精确确定.如何对信噪比较低的高频GNSS地震波降噪处理,提高波形信噪比,是高频GNSS地震学研究的重要内容之一.本文尝试将深度学习应用于高频GNSS地震学,提出了一种自编码器与小波变换相结合的高频GNSS地震波降噪方法.以2019年7月美国加利福尼亚州MW7.0地震事件为研究对象,本文对1 Hz的GNSS解算结果进行了模型训练和降噪测试.合成测试集的降噪处理与分析表明,通过此方法降噪后三分量波形的均方根误差和静态位移误差均在毫米量级,数据信噪比提升2到5倍. GNSS实际观测数据的降噪处理和分析进一步验证了其降噪效果.在此基础上,用此模型对2022年9月中国四川省泸定M6.8地震的GNSS地震波做了降噪处理,初步验证了此模型的时空适应性. 展开更多
关键词 高频GNSS地震波降噪 自编码器 小波变换 神经网络
在线阅读 下载PDF
特征融合与BP神经网络结合的刀具磨损预测 被引量：1
13
作者 郭宏 徐延 +1 位作者 伊亚聪 胡孔耀 《机械设计与制造》 北大核心 2025年第1期108-111,116,共5页
通过监测刀具磨损情况,能够有效应对生产加工中的意外状况。为了精确监测刀具的磨损状态,提出了一种多传感器特征融合及BP神经网络结合的刀具磨损预测方法。首先对工业加工中采集到的切削力、振动、声发射信号进行小波阈值去噪,然后在... 通过监测刀具磨损情况,能够有效应对生产加工中的意外状况。为了精确监测刀具的磨损状态,提出了一种多传感器特征融合及BP神经网络结合的刀具磨损预测方法。首先对工业加工中采集到的切削力、振动、声发射信号进行小波阈值去噪,然后在时域、频域和时频域内分析并提取特征,再将融合后的各类传感器特征使用Pearson相关系数和主成分分析(PCA)实现数据降维,最后将降维后的融合特征输入搭建好的BP神经网络,通过非线性仿真分析,从而实现刀具磨损量的预测。案例验证表明:与单一传感器预测相比,提出的多传感器特征融合的刀具磨损预测方法误差最小,且决定系数R2达到0.993。 展开更多
关键词 传感器 特征提取 小波去噪 PCA BP神经网络 磨损预测
在线阅读 下载PDF
基于卷积神经网络的单台震中距估计
14
作者 李山有 王禹轩 +3 位作者 宋晋东 姚鹍鹏 黄鹏杰 朱景宝 《世界地震工程》 北大核心 2025年第4期95-105,共11页
单台震中距估计是现场地震预警的重要工作之一。针对传统的B-Δ方法在震中距估计中存在的利用P波信息有限且预测误差较大的局限性,使用日本K-NET台网的强震动数据,将3 s时间窗长度的三分量加速度波形作为输入,利用卷积神经网络直接从波... 单台震中距估计是现场地震预警的重要工作之一。针对传统的B-Δ方法在震中距估计中存在的利用P波信息有限且预测误差较大的局限性,使用日本K-NET台网的强震动数据,将3 s时间窗长度的三分量加速度波形作为输入,利用卷积神经网络直接从波形中提取特征信息,建立了基于卷积神经网络的单台震中距估计(Convolutional Neural Network for epicentral Distance estimation,CNN-Dis)模型。研究结果表明:在测试数据集中,通过对输入数据和标签进行归一化处理,CNN-Dis模型震中距估计的平均绝对误差和标准差分别是28.119 6和34.682 7 km,且优于未进行归一化处理的模型的性能;对比传统的B-Δ方法,CNN-Dis模型提高了震中距估计的可靠性;与内陆地震事件相比,CNN-Dis模型对于海域地震的震中距估计也有相对可靠的结果。所构建的CNN-Dis模型在一定程度上提高了震中距估计的准确性,为地震预警技术迭代与性能优化提供了有力的支持。 展开更多
关键词 地震预警 机器学习 卷积神经网络 震中距估计 P波 归一化
在线阅读 下载PDF
基于变换域多尺度加权神经网络的全色锐化
15
作者 马飞 孙陆鹏 +1 位作者 杨飞霞 徐光宪 《自然资源遥感》 北大核心 2025年第3期76-84,共9页
为了解决全色锐化过程中存在的空间与光谱信息融合问题,该文提出了一种在非下采样剪切波变换(non-subsampled shearlet transform,NSST)域下,基于多尺度加权的脉冲耦合神经网络(pulse-coupled neural network,PCNN)和低秩稀疏分解的全... 为了解决全色锐化过程中存在的空间与光谱信息融合问题,该文提出了一种在非下采样剪切波变换(non-subsampled shearlet transform,NSST)域下,基于多尺度加权的脉冲耦合神经网络(pulse-coupled neural network,PCNN)和低秩稀疏分解的全色图像和多光谱图像的锐化模型。该模型分为低频和高频处理模块,对于高频子带,提出了一种适用于不同尺度不同方向高频子带的加权方式,并针对其不同方向上的特性,采用一种自适应PCNN模型;对于低频子带,首先将其分解为低秩与稀疏2部分,并根据低秩部分与稀疏部分特点设计相应的融合规则,再采取逆NSST变换得到融合图像。实验在GeoEye,QuickBird与Pléiades数据集上进行,并针对高频信息多尺度加权模块设计了消融实验,相比于次优模型,峰值信噪比(peak signal-to-noise ratio,PSNR)值分别提高了约1 dB,1.6 dB和2.2 dB。实验结果表明,该模型在指标评估中优于其他算法,并有效解决高频信息提取困难问题。 展开更多
关键词 全色锐化 非下采样剪切波变换 多尺度加权 脉冲耦合神经网络 低秩稀疏分解
在线阅读 下载PDF
MFA-SGWNN:基于多特征聚合谱图小波神经网络的僵尸网络检测
16
作者 吴悔 陈旭 +1 位作者 景永俊 王叔洋 《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第3期403-412,共10页
在僵尸网络攻击中,由于伪装后的僵尸网络流量数据特征与正常流量数据特征过于相似,使得传统的检测方法难以准确地进行区分。为解决这一问题,提出一种基于多特征聚合谱图小波神经网络的方法(Multi-feature Aggregation Spectral Graph Wa... 在僵尸网络攻击中,由于伪装后的僵尸网络流量数据特征与正常流量数据特征过于相似,使得传统的检测方法难以准确地进行区分。为解决这一问题,提出一种基于多特征聚合谱图小波神经网络的方法(Multi-feature Aggregation Spectral Graph Wavelet Neural Network,MFA-SGWNN),将流量的属性特征与空间特征相结合,能有效地捕获隐藏的感染主机流量特征,增强僵尸网络节点的特征表示,同时规避了数据样本不平衡和恶意加密流量对检测的影响。在ISCX2014僵尸网络数据集和CIC-IDS 2017(僵尸网络)数据集上的实验结果表明,MFA-SGWNN检测效果优于现有方法,具有更强的鲁棒性和泛化能力。 展开更多
关键词 僵尸网络 图小波神经网络 网络安全
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
17
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
融合多小波分解的深度卷积神经网络轴承故障诊断方法 被引量：9
18
作者 陶唐飞 周文洁 +1 位作者 况佳臣 徐光华 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第5期31-41,共11页
针对卷积神经网络及其与信号降噪预处理集成方法面临高噪声环境和低质量数据挑战时难以有效地提取信号有用特征的问题,提出了一种融合Geronimo-Hardin-Massopust多小波分解的深度卷积神经网络模型(GHMMD-DCNN)。该模型思想是将多小波包... 针对卷积神经网络及其与信号降噪预处理集成方法面临高噪声环境和低质量数据挑战时难以有效地提取信号有用特征的问题,提出了一种融合Geronimo-Hardin-Massopust多小波分解的深度卷积神经网络模型(GHMMD-DCNN)。该模型思想是将多小波包分解与卷积神经网络深度融合,即设计多个一级多小波分解层以提取信号的低频分量和高频分量,再将多个一级多小波分解层与卷积层交替联接,使模型能够多尺度地提取并学习信号有用的时频域信息,信号分解和特征学习交替执行,进而实现强噪声鲁棒特征提取。在不同工况下的航空高速轴承振动数据上进行测试,结果表明:所提模型训练时能够快速达到稳定收敛,并且识别准确率均能达到99.9%以上;提出的方法在强噪声干扰下的故障辨识准确度和识别稳定性均优于对比方法,验证了其优秀的抗噪声干扰能力;在少训练样本测试中,提出的方法在单类训练样本数量为60时的平均诊断准确率高达91.19%,相比于其他方法最低提升了13.19%,验证了GHMMD-DCNN模型具有更优的低样本泛化能力。 展开更多
关键词 多小波分解 卷积神经网络 深度学习 轴承故障诊断
在线阅读 下载PDF
基于连续小波卷积神经网络的轴承智能故障诊断方法 被引量：1
19
作者 耿志强 陈威 +1 位作者 马波 韩永明 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第10期2069-2075,共7页
传统故障诊断方法存在特征提取有限和故障检测不准确的问题,为此提出新的轴承智能故障诊断方法.构建连续小波卷积层取代卷积神经网络(CNN)中的初始卷积层,用于提取轴承数据的初级特征;使用增强ACON激活函数处理提取的振动信号;设计新的... 传统故障诊断方法存在特征提取有限和故障检测不准确的问题,为此提出新的轴承智能故障诊断方法.构建连续小波卷积层取代卷积神经网络(CNN)中的初始卷积层,用于提取轴承数据的初级特征;使用增强ACON激活函数处理提取的振动信号;设计新的计算空间,提高CNN的整体自适应性.在凯斯西储大学轴承数据集上开展滚动轴承故障诊断方法对比实验.结果表明,与传统基于CNN、快速傅里叶变换-CNN、长短时记忆CNN故障诊断方法相比,所提方法的故障诊断精度分别提高了7.45、4.46和1.53个百分点,CNN的收敛速度更快.在不同工况的泛化任务中,所提方法的平均准确率为99.64%,准确性和泛化能力良好. 展开更多
关键词 卷积神经网络(CNN) 连续小波 自适应激活函数 轴承 故障诊断
在线阅读 下载PDF
基于小波变换和GA-BP神经网络的电力电缆故障定位 被引量：6
20
作者 徐先峰 马志雄 +2 位作者 姚景杰 李芷菡 王轲 《电气工程学报》 CSCD 北大核心 2024年第2期146-155,共10页
由于电力电缆敷设于地下,当发生故障时难以快速且准确定位,出现了故障定位问题。因此,提出一种基于小波变换和遗传算法反向传播(Genetic algorithm back propagation,GA-BP)神经网络的电力电缆故障定位方法,在分析对比各小波能量集中程... 由于电力电缆敷设于地下,当发生故障时难以快速且准确定位,出现了故障定位问题。因此,提出一种基于小波变换和遗传算法反向传播(Genetic algorithm back propagation,GA-BP)神经网络的电力电缆故障定位方法,在分析对比各小波能量集中程度和波动次数的基础上,选择多贝西小波(Daubechies wavelet 6,Db6)作为小波基函数,对于各故障位置,采集正向故障行波的α模分量,并对其进行小波分解。选取在d1尺度下的模极大值点作为特征值,同时将故障距离作为标签值,从而构建了训练和测试样本数据集;利用遗传算法(Genetic algorithm,GA)的种群进化和全局最优搜寻能力来改善误差逆传播(Back propagation,BP)网络对初始权重敏感的缺点,并使用优化后的权值、阈值重新对BP神经网络进行训练和预测,最后通过与传统双端行波定位算法、BP算法、粒子群优化BP算法(Particle swarm optimization BP,PSO-BP)相比较,证明了所提方法在测距性能方面的优越性。 展开更多
关键词 小波变换 模极大值 双端测距 BP神经网络 PSO-BP神经网络 GA-BP神经网络
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 … 133 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