基于时域卷积神经网络的光通信信号噪声抑制技术

1

作者 刘玉鹏 《通信电源技术》 2024年第24期223-225,共3页

随着光通信技术的广泛应用,传输速率越来越高,对光信号质量的要求越来越高。同时,随着速率的提升,信号噪声带来的问题日益突出,影响系统的性能。文章提出了一种基于时域卷积神经网络(Time-domain Convolutional Neural Network,TCNN)的... 随着光通信技术的广泛应用,传输速率越来越高,对光信号质量的要求越来越高。同时,随着速率的提升,信号噪声带来的问题日益突出,影响系统的性能。文章提出了一种基于时域卷积神经网络(Time-domain Convolutional Neural Network,TCNN)的光通信信号噪声抑制技术。通过信号采集、数据清洗和标准化对光通信信号进行数据预处理,构建和训练TCNN模型以提取特征并抑制噪声。实验结果表明,该技术能有效提升信号的信噪比,显著改善信号质量。 展开更多

关键词 光通信 时域卷积神经网络(tcnn) 噪声抑制 信号预处理

在线阅读 下载PDF 职称材料

基于卷积神经网络的三聚氰胺太赫兹光谱定量分析

2

作者 刘洋硕 燕芳 +1 位作者 李文文 郭以恒 《食品与机械》 CSCD 北大核心 2024年第11期41-46,共6页

[目的]结合卷积神经网络与太赫兹时域光谱技术针对奶粉中的非法添加剂三聚氰胺进行定量分析。[方法]使用透射式太赫兹时域光谱系统测得三聚氰胺与奶粉单质及混合物的太赫兹吸收谱,分别采用S-G平滑、高斯平滑、滑动平均和R-Loess平滑等... [目的]结合卷积神经网络与太赫兹时域光谱技术针对奶粉中的非法添加剂三聚氰胺进行定量分析。[方法]使用透射式太赫兹时域光谱系统测得三聚氰胺与奶粉单质及混合物的太赫兹吸收谱,分别采用S-G平滑、高斯平滑、滑动平均和R-Loess平滑等方法对原始光谱数据进行校正,并建立偏最小二乘(PLS)回归模型,通过对比模型评价标准以确定最佳的太赫兹光谱校正预处理方法;选择S-G平滑校正处理后的PLS模型作为混合样片的定量分析模型;分别建立了基于偏最小二乘(PLS)、最小二乘支持向量机(LS-SVM)、反向传播神经网络(BPNN)及卷积神经网络(CNN)的定量回归模型,并对混合样片中的三聚氰胺含量进行了预测。[结果]PLS、LS-SVM、BPNN、CNN 4种模型的预测集相关系数分别为0.9971,0.9977,0.9981,0.9987,预测集均方根误差分别为0.551%,0.494%,0.437%,0.374%。[结论]与其他3种模型相比,CNN回归模型的预测精度最高,更适用于准确检测奶粉中三聚氰胺的含量。 展开更多

关键词 太赫兹时域光谱 定量分析 光谱校正 卷积神经网络

在线阅读 下载PDF 职称材料

基于卷积神经网络特征提取的病理语音识别

3

作者 姜羽菲 石宇 +2 位作者 何若男 陈益 曹辉 《电子设计工程》 2024年第20期26-30,共5页

针对传统病理语音识别效率低的问题,提出了一种利用卷积神经网络语音特征的病理语音识别方法,实现了特征的自动提取。从原始语音信号中提取梅尔语谱图特征,并对原始图像进行数据增强。基于迁移学习的思想,对Alex Net网络进行微调和训练... 针对传统病理语音识别效率低的问题,提出了一种利用卷积神经网络语音特征的病理语音识别方法,实现了特征的自动提取。从原始语音信号中提取梅尔语谱图特征,并对原始图像进行数据增强。基于迁移学习的思想,对Alex Net网络进行微调和训练,并将图像输入到训练好的卷积神经网络中提取语句级特征,输出时由时域金字塔匹配进行统一降维,得到相同长度的语音特征。使用神经网络和支持向量机分类器分别对提取好的语音特征进行分类,以完成病理语音识别。实验结果表明,神经网络能够很好地提取复杂和抽象的特征,避免了前期复杂繁琐的数据处理和数据分析工作,同时与传统特征提取方法相比准确率有所提高。 展开更多

关键词 病理语音识别 梅尔谱图 卷积神经网络 时域金字塔匹配

在线阅读 下载PDF 职称材料

时域声波障碍反散射问题的神经网络方法

4

作者 刘一雄 孟品超 《长春理工大学学报（自然科学版）》 2024年第5期126-133,共8页

研究了一种求解时域声波移动障碍物反散射问题的神经网络方法。该方法由一维卷积模块和多头自注意力机制模块构成,其中一维卷积模块的特征提取能力有效捕捉散射数据的局部特征;多头自注意力机制模块的全局信息捕捉能力综合分析散射数据... 研究了一种求解时域声波移动障碍物反散射问题的神经网络方法。该方法由一维卷积模块和多头自注意力机制模块构成,其中一维卷积模块的特征提取能力有效捕捉散射数据的局部特征;多头自注意力机制模块的全局信息捕捉能力综合分析散射数据的全局特征,采用误差的反向传播进行训练,反演障碍物的运动轨迹。实验结果表明,该方法能有效反演移动障碍物的运动轨迹。 展开更多

关键词 时域声波反散射问题 多头自注意力 一维卷积 前馈神经网络

在线阅读 下载PDF 职称材料

基于集成时域卷积神经网络模型的水驱油田单井产量预测方法 被引量：12

5

作者 张蕾 窦宏恩 +6 位作者 王天智 王洪亮 彭翼 张继风 刘宗尚 米兰 蒋丽维 《石油勘探与开发》 SCIE EI CAS CSCD 北大核心 2022年第5期996-1004,共9页

针对水驱油田单井产量变化大、预测难的问题,提出了一种基于时域卷积神经网络(TCN)的水驱油田单井产量预测方法,并进行实例验证。该方法从数据处理入手,依据注水井影响半径衡量油水井对应关系,增加油井当月受注水井影响程度为模型特征,... 针对水驱油田单井产量变化大、预测难的问题,提出了一种基于时域卷积神经网络(TCN)的水驱油田单井产量预测方法,并进行实例验证。该方法从数据处理入手,依据注水井影响半径衡量油水井对应关系,增加油井当月受注水井影响程度为模型特征,构建随机森林模型填补水驱开发动态数据空缺,根据含水率将单井生产历程划分为低含水、中含水、高含水、特高含水4个阶段,基于TCN建立阶段预测模型,采用麻雀搜索算法(SSA)优化模型超参数,最终将4个阶段模型集成为全生命周期模型用于产量预测。大庆油田应用实践表明:①所用数据处理方法较常规数据处理方法更符合产量数据特点、数据集更具真实性和完备性;②TCN模型较长短时记忆网络(LSTM)等11种时间序列模型预测精度更高;③集成全生命周期模型较单一全生命周期模型可显著降低产量预测误差。 展开更多

关键词 单井产量预测 时域卷积神经网络 时间序列预测 水驱油藏

在线阅读 下载PDF 职称材料

应用时域卷积神经网络的地震波阻抗反演方法 被引量：7

6

作者 王泽峰 许辉群 +1 位作者 杨梦琼 赵桠松 《石油地球物理勘探》 EI CSCD 北大核心 2022年第2期279-286,296,I0002,共10页

地震波阻抗反演是储层预测研究的一种重要手段,线性地震波阻抗反演方法求解精度依赖于初始地质模型,而完全非线性方法可望得到高精度求解结果。有鉴于此,首先利用全卷积神经网络、因果卷积、膨胀卷积和残差块构建一个时域卷积神经网络(T... 地震波阻抗反演是储层预测研究的一种重要手段,线性地震波阻抗反演方法求解精度依赖于初始地质模型,而完全非线性方法可望得到高精度求解结果。有鉴于此,首先利用全卷积神经网络、因果卷积、膨胀卷积和残差块构建一个时域卷积神经网络(TCN),以建立地震数据与波阻抗之间的非线性映射关系;然后通过该网络对样本进行训练得到反演映射模型,进一步将地震数据输入该模型得到地震波阻抗。正演数据及实际数据测试结果表明,所提方法实现了地震数据到地震波阻抗间的映射,为地震波阻抗反演提供了具有并行计算能力和自适应结构的智能化方法,并在港2025区块砂泥岩储层预测中得到成功应用。 展开更多

关键词 地震波阻抗反演 时域卷积神经网络 反演映射模型 储层预测

在线阅读 下载PDF 职称材料

基于双扩展时域自适应图卷积神经网络的骨架动作识别

7

作者 刘世平 陈萌 +3 位作者 夏文杰 马梓焱 黄元境 张文奇 《载人航天》 CSCD 北大核心 2022年第5期620-626,共7页

为提高人机交互过程中动作识别的识别率,提出了一种基于骨架的图卷积神经网络动作识别方法。首先,针对人机交互任务设计了一套动作命令集并进行数据采集,通过坐标系变换进行了视点无关处理,减少动作对位置的敏感性。然后,为了保证对整... 为提高人机交互过程中动作识别的识别率,提出了一种基于骨架的图卷积神经网络动作识别方法。首先,针对人机交互任务设计了一套动作命令集并进行数据采集,通过坐标系变换进行了视点无关处理,减少动作对位置的敏感性。然后,为了保证对整个动作过程中局部时间与全局时间的特征提取,通过对不同膨胀因子的卷积进行结合,设计了双扩展时域卷积层。最后,通过与自适应空间图卷积层结合建立双扩展时域自适应图卷积神经网络模型。对所建立的模型用数据集进行实验验证,结果表明:动作的总体识别率为98.5%,每一类动作的识别率达97.5%以上,识别效果优异,能够完成人机交互任务的需求。 展开更多

关键词 人机交互 动作识别 图卷积神经网络 双扩展时域卷积层

在线阅读 下载PDF 职称材料

基于JEC-FDTD等效循环神经网络的电磁建模和等离子体参数反演

8

作者 覃一澜 马嘉禹 +1 位作者 付海洋 徐丰 《电波科学学报》 CSCD 北大核心 2024年第3期552-560,共9页

磁化等离子体中的电磁波传播是重要的研究课题,针对特定场景下的电磁等离子耦合问题,进行有效且准确的方程建模与参数求解具有极强的研究价值和挑战性,这是探究电磁波与等离子体复杂非线性相互作用机制的关键。文中设计了一种可用于电... 磁化等离子体中的电磁波传播是重要的研究课题,针对特定场景下的电磁等离子耦合问题,进行有效且准确的方程建模与参数求解具有极强的研究价值和挑战性,这是探究电磁波与等离子体复杂非线性相互作用机制的关键。文中设计了一种可用于电磁等离子体正逆向建模的循环神经网络(recurrent neural network,RNN),该网络正向传播过程等价于任意磁倾角情况下的电流密度卷积时域有限差分(current density convolution finite-difference time-domain,JEC-FDTD)方法,因此可以求解给定的电磁建模问题,并易于大规模并行计算。通过构建前向可微模拟过程,JEC-FDTD方法可以使用自动微分技术准确且高效地计算梯度,然后通过训练网络来解决反问题。因此,该方法可以有效利用观测到的时域散射场信号反演重要的等离子体参数。JEC-FDTD方法和RNN相结合,形成了较强的协同效应,使得模型具有可解释性和高效的计算效率,受益于深度学习提供的优化策略和专用硬件支持,可以适用于不同仿真场景下的电磁建模和等离子体参数反演。 展开更多

关键词 电流密度卷积时域有限差分(JEC-FDTD)方法 磁化等离子体 循环神经网络(RNN) 物理启发的机器学习算法 参数反演

在线阅读 下载PDF 职称材料

基于多尺度一维卷积神经网络的光纤振动事件识别 被引量：27

9

作者 吴俊 管鲁阳 +2 位作者 鲍明 许耀华 叶炜 《光电工程》 CAS CSCD 北大核心 2019年第5期76-83,共8页

针对相位敏感光时域反射(Φ-OTDR)分布式光纤振动传感系统如何对振动事件进行高效准确识别的问题,本文提出了一种基于多尺度一维卷积神经网络(MS 1-D CNN)的振动事件识别方法。该方法将原始振动信号经过预加重、归一化和谱减降噪的预处... 针对相位敏感光时域反射(Φ-OTDR)分布式光纤振动传感系统如何对振动事件进行高效准确识别的问题,本文提出了一种基于多尺度一维卷积神经网络(MS 1-D CNN)的振动事件识别方法。该方法将原始振动信号经过预加重、归一化和谱减降噪的预处理操作后得到的一维信号,直接通过MS 1-D CNN实现端到端的振动信号特征的提取和识别。MS1-DCNN在提取入侵振动信号特征时可兼顾信号时间和频率尺度,利用全连接层(FClayer)和Softmax层完成最终的识别过程,与二维卷积神经网络(2-D CNN)和一维卷积神经网络(1-D CNN)相比减少了待定参数数量。对破坏、敲击和干扰三类目标振动事件的光纤振动传感信号识别结果表明,MS 1-D CNN的识别正确率与2-D CNN相近,达到了96%以上,而处理速度提升一倍,在保持识别性能的前提下,有利于提高振动事件识别的实时性。 展开更多

关键词 分布式光纤振动传感 多尺度一维卷积神经网络 相位敏感光时域反射 振动事件识别 模式识别

在线阅读 下载PDF 职称材料

分离通道联合卷积神经网络的自动调制识别 被引量：10

10

作者 郭有为 蒋鸿宇 +1 位作者 周劼 苏建中 《电讯技术》 北大核心 2018年第6期702-707,共6页

针对通信信号的自动调制识别需要大量特征提取的问题,提出了一种分离通道卷积神经网络自动调制识别算法。该算法通过结合深度学习中卷积神经网络(CNN),分别提取时域信号的多通道和分离通道调制特征,再利用融合特征实现不同信号的分类。... 针对通信信号的自动调制识别需要大量特征提取的问题,提出了一种分离通道卷积神经网络自动调制识别算法。该算法通过结合深度学习中卷积神经网络(CNN),分别提取时域信号的多通道和分离通道调制特征,再利用融合特征实现不同信号的分类。仿真结果表明,相比基于CNN的算法,所提算法在高信噪比下针对两个数据集的识别率分别提升7%和18%;此外,相比于基于特征提取的传统识别算法,其高阶调制识别性能平均提升3 d B。 展开更多

关键词 时域信号 自动调制识别 深度学习 卷积神经网络 分离通道

在线阅读 下载PDF 职称材料

基于时域全卷积网络的语音增强 被引量：6

11

作者 李文志 屈晓旭 《舰船科学技术》 北大核心 2022年第15期139-144,共6页

目前基于深度学习的语音增强方法一般是通过在频域中对语音信号幅度谱进行处理,相位信息受到损失。针对这一问题,提出一种基于时域全卷积网络的语音增强方法。该方法通过设计全卷积神经网络在时域中对语音信号进行处理,保留了信号的原... 目前基于深度学习的语音增强方法一般是通过在频域中对语音信号幅度谱进行处理,相位信息受到损失。针对这一问题,提出一种基于时域全卷积网络的语音增强方法。该方法通过设计全卷积神经网络在时域中对语音信号进行处理,保留了信号的原始相位信息,以含噪语音和纯净语音作为网络的输入和输出,建立时域上的非线性关系,实现以端到端的方式进行语音增强。通过仿真实验表明,提出的基于时域全卷积神络语音增强方法在低信噪比的情况下,能够有效地提高语音质量。 展开更多

关键词 语音增强 时域信号 深度学习 卷积神经网络 全卷积网络

在线阅读 下载PDF 职称材料

基于TCN-自适应的地下洞室围岩变形异常数据识别

12

作者 吴忠明 李天述 +3 位作者 张波 周明 张瀚 周靖人 《人民长江》 北大核心 2024年第8期216-221,共6页

水电站地下洞室围岩变形数据具有变化不确定、序列样本短等特点,传统的异常识别方法漏识率、误判率较高。随着智能技术的发展,通过神经网络建立更加可靠的异常识别方法是目前研究的热点,而传统的神经网络存在时序关联性不强和计算模型... 水电站地下洞室围岩变形数据具有变化不确定、序列样本短等特点,传统的异常识别方法漏识率、误判率较高。随着智能技术的发展,通过神经网络建立更加可靠的异常识别方法是目前研究的热点,而传统的神经网络存在时序关联性不强和计算模型庞杂等问题。为此,提出了基于时域卷积神经网络(TCN)及标准自适应的地下洞室异常数据识别算法,该算法利用TCN技术,考虑序列的前后关系,建立了更为可靠的序列模型;同时针对地下洞室监测数据特征,通过考虑误差中位数、数据波动和仪器精度3个方面,突现自适应匹配最优识别准则。将该算法应用在叶巴滩水电站地下洞室围岩变形的异常数据识别中,证明了其可有效避免梯度爆炸、消失,模型耗时较长等问题,极大地提高了异常值分析效率和识别率。相关经验可供类似工程异常监测数据识别时借鉴。 展开更多

关键词 异常数据识别 地下洞室 深度学习 时域卷积神经网络 标准自适应

在线阅读 下载PDF 职称材料

卫星信号丢失下航空器多阶段高度预测

13

作者 黄梦婵 苗强 《工程科学与技术》 EI CAS CSCD 北大核心 2024年第6期44-53,共10页

针对卫星信号丢失下航空器高度指示值不准确的问题,提出一种基于注意力机制和时域卷积神经网络的航空器多阶段高度预测算法(LTCA–TCN)。首先,采用模糊逻辑将航空器的整段飞行过程划分为不同阶段,提供多阶段的数据储备。然后,针对航空... 针对卫星信号丢失下航空器高度指示值不准确的问题,提出一种基于注意力机制和时域卷积神经网络的航空器多阶段高度预测算法(LTCA–TCN)。首先,采用模糊逻辑将航空器的整段飞行过程划分为不同阶段,提供多阶段的数据储备。然后,针对航空器飞参长时间序列的特点,设计长时序关联注意力(LTCA)特征提取算法,以提取增强时空关联特征表示;在此基础上,利用时域卷积神经网络(TCN)的时序数据处理能力,构建LTCA–TCN高度预测模型。最后,考虑不同阶段的预测误差容忍度,给出评价模型多阶段高度预测能力的评估指标。利用大气惯导数据集进行实验测试,实验结果表明:LTCA–TCN算法相较于其他对比算法,在多阶段的高度预测中均取得了最优的预测结果,尤其在巡航阶段,本文算法预测结果的均方根误差控制在10 m之内;模拟卫星信号丢失的特定情形,LTCA–TCN算法能够较准确地预测多阶段的惯性卫星组合高度。综上,LTCA–TCN算法具有较高的灵活性与适应性,能够为航空器提供更可靠的导航高度指示值,提升了飞行过程中的安全性与可靠性。 展开更多

关键词 航空器 卫星信号 高度预测 注意力机制 时域卷积神经网络

在线阅读 下载PDF 职称材料

基于深度学习的车辆碰撞乘员伤害预测方法研究

14

作者 黄泽辉 唐洪斌 +3 位作者 王雪松 韩铎 王士彬 刘柏辰 《汽车工程师》 2024年第4期8-11,共4页

为更快捷、更精确地预测车辆碰撞事故中乘员的伤害情况,基于正面100%重叠刚性壁障实车碰撞试验数据建立了深度学习模型训练数据库,并对数据进行了预处理和特征提取,分别基于长短时记忆(LSTM)神经网络、卷积神经网络-长短时记忆(CNN-LSTM... 为更快捷、更精确地预测车辆碰撞事故中乘员的伤害情况,基于正面100%重叠刚性壁障实车碰撞试验数据建立了深度学习模型训练数据库,并对数据进行了预处理和特征提取,分别基于长短时记忆(LSTM)神经网络、卷积神经网络-长短时记忆(CNN-LSTM)神经网络、时域卷积网络(TCN)建立了深度学习模型对乘员伤害进行预测训练,验证结果表明,3种模型预测精度分别达到0.8579、0.8209和0.9674,证明了所提出方法的可行性。 展开更多

关键词 深度学习 乘员伤害预测 长短时记忆 卷积神经网络-长短时记忆神经网络 时域卷积网络

在线阅读 下载PDF 职称材料

小样本下基于CNN-DCGAN的电缆局部放电模式识别方法 被引量：4

15

作者 孙抗 轩旭阳 +2 位作者 刘鹏辉 赵来军 龙洁 《电子科技》 2022年第7期7-13,共7页

在电缆局部放电模式识别过程中,传统人工特征提取依赖特定领域的知识及经验,特征选择和优化工作量较大。针对该问题并为了避免非均衡小样本数据下分类器的过拟合,文中提出了一种在小样本的情况下基于CNN-DCGAN的电缆局部放电模式的识别... 在电缆局部放电模式识别过程中,传统人工特征提取依赖特定领域的知识及经验,特征选择和优化工作量较大。针对该问题并为了避免非均衡小样本数据下分类器的过拟合,文中提出了一种在小样本的情况下基于CNN-DCGAN的电缆局部放电模式的识别方法。利用滑动时间窗将局部放电时域信号转化为二维图像信息,构建深度卷积生成对抗网络,在原始数据集的基础上进行样本增强,将原始样本和增强样本作为系统输入,构造卷积神经网络,利用其非线性编码器自动提取局部放电特征,并通过Softmax层训练特征分类模型。实验结果表明,相较于人工特征,基于自动特征提取的CNN分类器识别准确率提高了4.18%。相较于原有数据集,基于样本增强数据集的系统识别准确率提高了3.175%。 展开更多

关键词 局部放电 特征提取 样本增强 卷积神经网络 生成对抗网络 模式识别 绝缘缺陷 时域信号

在线阅读 下载PDF 职称材料

基于连续信号自适应分解的钢轨交流闪光焊接过梁爆破定量分析

16

作者 赵国 李力 +2 位作者 高振坤 丁韦 刘威 《中国铁道科学》 EI CAS CSCD 北大核心 2023年第3期64-72,共9页

为实现对钢轨闪光焊微观过程——过梁爆破的定量分析,将钢轨交流闪光焊接过程细分为断路、短路、多过梁爆破、单过梁爆破4种类型;基于GoogLeNet卷积神经网络,提出将钢轨交流闪光过程高频连续电信号进行类Gram矩阵转化,再依据矩阵元素自... 为实现对钢轨闪光焊微观过程——过梁爆破的定量分析,将钢轨交流闪光焊接过程细分为断路、短路、多过梁爆破、单过梁爆破4种类型;基于GoogLeNet卷积神经网络,提出将钢轨交流闪光过程高频连续电信号进行类Gram矩阵转化,再依据矩阵元素自适应优化生成时域图谱的卷积神经网络识别方法;应用该方法对闪光焊接过程高频数据进行识别,并对完整焊接过程进行定量分析。结果表明:经过数据自适应优化,4种类型时域图谱的分类识别准确率上升至97.8%,识别的最大混淆发生在多过梁爆破和单过梁爆破之间;多过梁爆破比率在闪平和脉动阶段约为20%,进入连续阶段后迅速上升至80%以上,短路比率在稳定脉动期间可稳定维持在60%;各类型的比率在不同阶段呈现明显阶段特征,且各阶段特征与钢轨交流闪光焊接实际过程的宏观特征相匹配,采用该方法也可实现对闪光焊接微观过程的定量分析。 展开更多

关键词 钢轨交流闪光焊接 卷积神经网络 时域图谱 过梁爆破 定量分析

在线阅读 下载PDF 职称材料

改进TCPN变工况轴承故障诊断方法

17

作者 胡春生 李国利 +2 位作者 马良 闫小鹏 魏红星 《噪声与振动控制》 CSCD 北大核心 2022年第5期134-141,共8页

针对变工况条件下传统方法仅提取局部特征导致准确率低以及样本维度过高导致训练耗时巨大等问题,提出一种改进的时域卷积池化网络模型(Temporal Convolutional Pooling Neural Network,简称TCPN)。首先,将原始轴承振动信号经过短时傅里... 针对变工况条件下传统方法仅提取局部特征导致准确率低以及样本维度过高导致训练耗时巨大等问题,提出一种改进的时域卷积池化网络模型(Temporal Convolutional Pooling Neural Network,简称TCPN)。首先,将原始轴承振动信号经过短时傅里叶变换得到二维时频矩阵,再将二维时频矩阵平铺为一维时频序列,并取绝对值;其次,虽然膨胀卷积可以大幅度扩大感受野,但是对于轴承振动信号等高维特征仍需要较深的网络结构,因此对膨胀卷积进行结构优化,用于挖掘全局特征,同时降低模型复杂程度。再次,为模糊不同工况下相同故障的分布差异,对残差块进行结构优化,使用小卷积核提取局部特征,以拼接的方式与膨胀卷积进行特征融合,兼顾轴承振动信号中的全局特征与局部特征;最后,为了解决训练样本维度太高导致的训练成本过高的问题,对原始数据进行降采样研究,在保持较高准确率的情况下大量节省了训练时间。将所提方法与传统卷积神经网络及时域卷积神经网络(Temporal convolutional neural network,简称TCN)相比,实验结果表明,提出的模型准确率提高约5%,模型训练耗时降低约30%,并且收敛速度更快,训练模型的迭代次数更少,具有很强的鲁棒性。 展开更多

关键词 故障诊断 变工况 时域卷积神经网络 短时傅里叶变换 降采样

在线阅读 下载PDF 职称材料

基于深度学习的三种地震波阻抗反演方法比较 被引量：4

18

作者 王泽峰 李勇根 +3 位作者 许辉群 杨梦琼 赵桠松 彭真 《石油地球物理勘探》 EI CSCD 北大核心 2022年第6期1296-1303,I0002,共9页

神经网络结构的差异性导致深度学习效果不同。为此,在对比全卷积神经网络(FCN)、卷积循环神经网络(CRNN)和时域卷积神经网络(TCN)的三种网络结构的基础上,通过正演模型测试,对比、分析基于上述三种深度学习的地震波阻抗反演方法的精度... 神经网络结构的差异性导致深度学习效果不同。为此,在对比全卷积神经网络(FCN)、卷积循环神经网络(CRNN)和时域卷积神经网络(TCN)的三种网络结构的基础上,通过正演模型测试,对比、分析基于上述三种深度学习的地震波阻抗反演方法的精度和计算效率;然后通过实际资料应用进一步对比三种方法的效果。模型测试结果表明,基于TCN的波阻抗反演的计算效率和反演精度相对较高,基于TCN、FCN和CRNN的波阻抗反演用时分别为82、68和264s,皮尔逊相关系数分别为99.15%、97.84%和98.14%。实际资料应用表明,基于TCN的波阻抗反演结果与测井资料更加匹配。该结论可为智能地震波阻抗反演方法的优选提供参考。 展开更多

关键词 深度学习 地震波阻抗反演 全卷积神经网络 卷积循环神经网络 时域卷积神经网络

在线阅读 下载PDF 职称材料

基于EMD分解与1-D CNN算法的光纤振动信号的识别 被引量：19

19

作者 吴虎 孔勇 +2 位作者 王振伟 丁伟 李欢 《激光与红外》 CAS CSCD 北大核心 2021年第8期1043-1049,共7页

为提高基于相敏光时域反射计(Φ-OTDR)的分布式光纤声传感系统(DAS)对入侵振动事件的识别准确率,提出一种基于经验模态分解(EMD)与一维卷积神经网络(1-D CNN)相结合的识别方式。该方式首先使用EMD将振动信号分解为m阶本征模函数(IMF),... 为提高基于相敏光时域反射计(Φ-OTDR)的分布式光纤声传感系统(DAS)对入侵振动事件的识别准确率,提出一种基于经验模态分解(EMD)与一维卷积神经网络(1-D CNN)相结合的识别方式。该方式首先使用EMD将振动信号分解为m阶本征模函数(IMF),然后使用皮尔逊相关系数(PCC)判断出有效的IMF分量,将有效的IMF分量使用小波阈值去噪算法(WTD)进行去噪,对所有去噪后的IMF分量求和得到重构信号,最后使用1-D CNN对重构信号进行识别。实验证明该识别方式能快速完成对识别模型的训练,训练时间小于3 min,并且能有效识别在实际环境中采集的入侵振动信号,对入侵信号的识别准确率可达98.3%。 展开更多

关键词 分布式光纤传感 相敏光时域反射计(Φ-OTDR) 经验模态分解 皮尔逊相关系数 一维卷积神经网络

在线阅读 下载PDF 职称材料

基于1D-CNN的齿轮3D振动信号故障诊断方法 被引量：2

20

作者 蒋丽英 刘桂金 +2 位作者 崔建国 杜文友 于明月 《沈阳航空航天大学学报》 2023年第4期25-31,共7页

为了解决从齿轮一维振动信号提取故障特征不全面的问题,提出一种基于一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)的齿轮3D振动信号故障诊断新方法。首先,提取原始三维振动信号各维的时域特征;其次,利用一... 为了解决从齿轮一维振动信号提取故障特征不全面的问题,提出一种基于一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)的齿轮3D振动信号故障诊断新方法。首先,提取原始三维振动信号各维的时域特征;其次,利用一维卷积神经网络(1D-CNN)模型进行特征选择;最后,将选择后的特征进行重组,重组特征作为1D-CNN故障诊断模型的输入实现故障分类操作。结果表明,利用提出的故障诊断方法,诊断准确率显著提高。模型的结构简单,训练速度快,能够快速实现故障诊断。 展开更多

关键词 三维振动信号 时域特征 一维卷积神经网络 故障诊断 齿轮

在线阅读 下载PDF 职称材料