检索结果-维普期刊中文期刊服务平台

基于MSST的高压直流线路故障定位方法被引量：6: 1; 作者郑茂然陈朝晖 +3 位作者余江李正红杨涛高湛军《南方电网技术》 CSCD 北大核心 2022年第3期8-15,125,共9页; 在利用经验波速进行线路故障定位的方法中,由于行波的色散特性,波速随着频率的变化而变化,计算得到的故障距离存在较大误差,解决此问题需要准确提取行波的时频特性。提出了基于多重同步压缩变换(multisynchrosqueezing transform,MSST)... 展开更多; 关键词故障定位时频分析多重同步压缩变换; 在线阅读下载PDF 职称材料

基于MSST和双通道CNN技术的变转速轴承故障诊断研究被引量：2: 2; 作者张冰姜培刚林天然《机电工程》 CAS 北大核心 2021年第9期1145-1151,共7页; 针对变转速滚动轴承振动信号具有非平稳性特征,且故障特征难以有效提取的问题,提出了一种基于多次同步压缩变换和双通道卷积神经网络的滚动轴承故障智能诊断方法。首先,对变转速工况下滚动轴承的振动信号进行了多次同步压缩变换,获得了... 展开更多; 关键词变转速轴承多次同步压缩变换卷积神经网络故障诊断特征融合; 在线阅读下载PDF 职称材料

一种基于多重同步压缩的高动态信号捕获技术被引量：4: 3; 作者程凌峰倪淑燕 +1 位作者陈世淼廖育荣《电讯技术》北大核心 2024年第4期612-619,共8页; 为了解决高速飞行器通信时的高动态信号捕获问题,根据多普勒变化特点,将信号建模为非线性调频信号,采用时频分析的方式提取瞬时频率,设计了一种基于多重同步压缩(Multisynchro Squeezing Transform,MSST)的时频分析方法,有效提高了时频... 展开更多; 关键词高动态信号捕获非线性调频多重同步压缩(msst) 分段能量泛函最小化; 在线阅读下载PDF 职称材料

基于双通道卷积神经网络的雷达信号识别被引量：12: 4; 作者全大英陈赟 +3 位作者唐泽雨李世通汪晓锋金小萍《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第7期877-885,共9页; 为解决在低信噪比下特征提取困难、雷达信号识别率低的问题,提出了一种基于Choi-Williams分布(CWD)和多重同步压缩变换(MSST)的双通道卷积神经网络模型.模型通过对雷达信号进行CWD和MSST时频分析,分别获取二维时频图像并进行预处理,然... 展开更多; 关键词低信噪比 Choi-Williams分布多重同步压缩变换双通道卷积神经网络; 在线阅读下载PDF 职称材料

题名基于MSST的高压直流线路故障定位方法被引量：6: 1; 作者郑茂然陈朝晖余江李正红杨涛高湛军; 机构中国南方电网有限责任公司山东大学电网智能化调度与控制教育部重点实验室; 出处《南方电网技术》 CSCD 北大核心 2022年第3期8-15,125,共9页; 基金中国南方电网有限责任公司科技项目(000000KK52180182)。; 文摘在利用经验波速进行线路故障定位的方法中,由于行波的色散特性,波速随着频率的变化而变化,计算得到的故障距离存在较大误差,解决此问题需要准确提取行波的时频特性。提出了基于多重同步压缩变换(multisynchrosqueezing transform,MSST)的直流线路故障定位方法,由于MSST的多次挤压特性,其能有效提高信号的时频聚集性,对行波的时频特征提取以及对波头的识别更加精准。利用此方法得到行波到达测点的时间和频率信息,进一步得到该时刻对应的波速,并以此波速计算故障距离,降低了由波速和波头到达时刻识别不精准造成的误差。最后通过仿真并结合实际工程录波数据验证了该方法的有效性。; 关键词故障定位时频分析多重同步压缩变换; Keywords fault location time-frequency analysis multisynchrosqueezing transform(msst); 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于MSST和双通道CNN技术的变转速轴承故障诊断研究被引量：2: 2; 作者张冰姜培刚林天然; 机构青岛理工大学机械与汽车工程学院; 出处《机电工程》 CAS 北大核心 2021年第9期1145-1151,共7页; 基金山东省重点研发计划资助项目(2018GGX109011)。; 文摘针对变转速滚动轴承振动信号具有非平稳性特征,且故障特征难以有效提取的问题,提出了一种基于多次同步压缩变换和双通道卷积神经网络的滚动轴承故障智能诊断方法。首先,对变转速工况下滚动轴承的振动信号进行了多次同步压缩变换,获得了能量集中的时频图谱;然后,将其输入到采用不同尺寸的小卷积核双通道CNN中,提取了其故障特征信息,并通过Concatenate机制将其融合;最后,通过SoftMax函数输出轴承的故障识别结果;在一组变转速工况滚动轴承故障实验数据上取得了99%以上的故障识别率,验证了该方法的有效性,并与单通道CNN模型进行了对比。研究结果表明:TCNN的分类精度更高,准确率可达99.67%;该结果证明了改进后的模型具有较好的非线性拟合能力,同时也具有较强的鲁棒性,可有效应用于变转速滚动轴承故障诊断中。; 关键词变转速轴承多次同步压缩变换卷积神经网络故障诊断特征融合; Keywords varying speed bearings multisynchro-squeezing transform(msst) convolution neural network(CNN) fault diagnosis feature fusion; 分类号 TH133.33 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名一种基于多重同步压缩的高动态信号捕获技术被引量：4: 3; 作者程凌峰倪淑燕陈世淼廖育荣; 机构航天工程大学研究生院航天工程大学电子与光学工程系; 出处《电讯技术》北大核心 2024年第4期612-619,共8页; 基金国家自然科学青年基金(61805284)。; 文摘为了解决高速飞行器通信时的高动态信号捕获问题,根据多普勒变化特点,将信号建模为非线性调频信号,采用时频分析的方式提取瞬时频率,设计了一种基于多重同步压缩(Multisynchro Squeezing Transform,MSST)的时频分析方法,有效提高了时频能量聚集能力和鲁棒性。为了避免时频图起始点选择错误引起的频率估计误差过大的问题,提出了一种分段能量泛函最小化法,将时频面分成多个部分,向前向后分别提取脊线,提高了低信噪比下频率估计的准确性。仿真结果表明,对6 Ma、40g、100 g/s的高动态信号,相比传统时频分析方法频率估计精度提高50%以上,所提方法捕获概率可达到95%以上,对低信噪比高动态信号有较强的适应能力。; 关键词高动态信号捕获非线性调频多重同步压缩(msst) 分段能量泛函最小化; Keywords high dynamic signal acquisition nonlinear frequency modulation multisynchro squeezing transform(msst) subsection energy functional minimization; 分类号 TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于双通道卷积神经网络的雷达信号识别被引量：12: 4; 作者全大英陈赟唐泽雨李世通汪晓锋金小萍; 机构中国计量大学信息工程学院; 出处《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第7期877-885,共9页; 基金浙江省自然科学基金项目(LQ20F020021) 浙江省电磁波信息技术与计量检测重点实验室开放式项目(2019KF0003)。; 文摘为解决在低信噪比下特征提取困难、雷达信号识别率低的问题,提出了一种基于Choi-Williams分布(CWD)和多重同步压缩变换(MSST)的双通道卷积神经网络模型.模型通过对雷达信号进行CWD和MSST时频分析,分别获取二维时频图像并进行预处理,然后送入双通道卷积神经网络进行深度特征提取,最后将两路通道获取的特征进行融合,通过卷积神经网络分类器实现对雷达信号的分类识别.仿真结果表明:在信噪比为-10 dB时,所提模型整体识别准确率能达到96%以上,其在低信噪比下表现优异.; 关键词低信噪比 Choi-Williams分布多重同步压缩变换双通道卷积神经网络; Keywords low signal-to-noise ratios Choi-Williams distribution(CWD) multisynchrosqueezing transform(msst) dual-channel convolutional neural network; 分类号 TN971 [电子电信—信号与信息处理] TN98 [电子电信—信息与通信工程]; 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	基于MSST的高压直流线路故障定位方法	郑茂然陈朝晖余江李正红杨涛高湛军	《南方电网技术》 CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料
2	基于MSST和双通道CNN技术的变转速轴承故障诊断研究	张冰姜培刚林天然	《机电工程》 CAS 北大核心	2021	2	在线阅读下载PDF 职称材料
3	一种基于多重同步压缩的高动态信号捕获技术	程凌峰倪淑燕陈世淼廖育荣	《电讯技术》北大核心	2024	4	在线阅读下载PDF 职称材料
4	基于双通道卷积神经网络的雷达信号识别	全大英陈赟唐泽雨李世通汪晓锋金小萍	《上海交通大学学报》 EI CAS CSCD 北大核心	2022	12	在线阅读下载PDF 职称材料