期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
运动目标地震动信号的时频特征分析 被引量:5
1
作者 聂伟荣 朱继南 《南京理工大学学报》 EI CAS CSCD 北大核心 2002年第5期478-481,485,共5页
该文对由典型地面车辆目标———轮式车、履带式车引起的地震动信号进行了实时探测 ,对实验所得的信号 ,应用短时傅立叶变换、小波及小波包分析方法对信号进行了处理 ,得到了时频分布矩阵奇异值分布特征 (SVD)和小波及小波包分解能量分... 该文对由典型地面车辆目标———轮式车、履带式车引起的地震动信号进行了实时探测 ,对实验所得的信号 ,应用短时傅立叶变换、小波及小波包分析方法对信号进行了处理 ,得到了时频分布矩阵奇异值分布特征 (SVD)和小波及小波包分解能量分布特征 (WWDD)。采用改进的BP网络 ,对远距离目标的地震动信号进行目标识别 ,应用WWDD对远距离信号的识别率可达 85%以上 ,说明WWDD具有更好的可分性。 展开更多
关键词 运动目标 时频特征分析 车辆目标 地震动信号 目标识别 信号处理 轮式车 履带式车
在线阅读 下载PDF
基于时频特征分析的变压器有载分接开关运行状态识别 被引量:12
2
作者 曹宏 《高压电器》 CAS CSCD 北大核心 2020年第4期215-221,共7页
为了对变压器有载分接开关的运行状态进行识别,该研究首先对其运行状态和故障特征进行总结分析,针对分接开关运行过程中产生的振动信号,利用集合经验模态(EEMD)分解为多个固有模态函数分量(IMF),再经过希尔伯特变换法,结合能量熵提取得... 为了对变压器有载分接开关的运行状态进行识别,该研究首先对其运行状态和故障特征进行总结分析,针对分接开关运行过程中产生的振动信号,利用集合经验模态(EEMD)分解为多个固有模态函数分量(IMF),再经过希尔伯特变换法,结合能量熵提取得到基于时频分析的特征向量。将特征向量输入自适应遗传算法(AGA)优化的BP神经网络模型中进行故障识别,并进行数据仿真,与相空间重构后提取的特征向量(PPDC)进行对比,验证不同网络模型下,所提方法的识别准确率和收敛速度。结果表明,以PPDC故障样本作为模型输入时,AGA算法优化前后的BP神经网络模型的识别准确率分别为81.68%和88.32%,收敛次数为981和363,当以基于时频特征提取的故障样本作为模型输入时,AGA算法优化前后的BP神经网络模型的识别准确率分别为91.66%和96.68%,收敛次数为349和159,AGA算法可显著提高BP神经网络模型的性能。由此可见,可将时频特征提取方法与AGA-BP神经网络结合,实现有载分接开关运行状态的有效识别。 展开更多
关键词 有载分接开关 时频特征分析 集合经验模态分解 自适应遗传算法 希尔伯特变换
在线阅读 下载PDF
基于振动偏离及加权熵的多次短路冲击下变压器绕组机械形变辨识 被引量:14
3
作者 律方成 汪鑫宇 +2 位作者 王平 高树国 耿江海 《电工技术学报》 EI CSCD 北大核心 2023年第11期3022-3032,共11页
为了研究变压器绕组在多次短路冲击的累积效应影响下逐步机械形变问题,开展了多次110 kV真型变压器短路试验,采集了振动暂态信号和轴向压力稳态值,分析了历次短路过程中振动偏离和加权时频谱熵的变化趋势。结果表明,累积效应导致的绕组... 为了研究变压器绕组在多次短路冲击的累积效应影响下逐步机械形变问题,开展了多次110 kV真型变压器短路试验,采集了振动暂态信号和轴向压力稳态值,分析了历次短路过程中振动偏离和加权时频谱熵的变化趋势。结果表明,累积效应导致的绕组机械劣化会使振动加速度偏离未形变状态基准值,且加权时频谱熵增大;结合材料力学及绕组轴向振动动力学模型,推导出当振动加速度呈正偏离时,短路侧绕组形变形式为轴向外凸膨胀,反之为轴向内凹压缩的关联规律。最后提出并验证了一种基于振动偏差模值及加权时频谱熵联合分析的绕组形变辨识方法,该方法较传统阻抗法能够在绕组早期微小形变时更早发现机械稳定性下降。研究结果对变压器绕组形变预警具有一定指导意义。 展开更多
关键词 变压器绕组 累积效应 短路冲击试验 时频特征分析 形变辨识
在线阅读 下载PDF
一种新型汉字音节整体向量模型的识别研究
4
作者 贺苏宁 虞厥邦 《系统工程与电子技术》 EI CSCD 北大核心 2005年第2期343-348,356,共7页
通过对hiddenmarkovmodel(HMM)和segmentmodel(SM)模型的简要分析,指出了它们的某些缺陷,提出了一种新的基于汉字音节整体的Melfrequencycepstrumcoefficients(MFCC)向量模型。该模型能够根据各个音节的持续时间动态地调整帧长,进而比... 通过对hiddenmarkovmodel(HMM)和segmentmodel(SM)模型的简要分析,指出了它们的某些缺陷,提出了一种新的基于汉字音节整体的Melfrequencycepstrumcoefficients(MFCC)向量模型。该模型能够根据各个音节的持续时间动态地调整帧长,进而比较完整地表现了语音时频信息的演化过程。实验数据显示,在同样的测试条件下,对于上下文相同的同性语音,帧数固定比帧长固定的识别率改善3.0%以上。还分析了几个主要影响汉字语音识别率的参数。研究表明,参数设置是否得当对于识别率有一定的影响。 展开更多
关键词 动态时间伸缩 隐马尔柯夫模型 分段模型 观测向量 时频特征分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部