-
题名匹配傅里叶变换技术的研究与应用
被引量：2
- 1
-
-
作者
郭晓海
王红
-
机构
内蒙古化工职业学院
内蒙古能源发电投资集团有限公司电力工程技术研究院
-
出处
《舰船科学技术》
北大核心
2016年第5X期76-78,共3页
-
文摘
首先分析匹配傅里叶变换的特点,阐述了将匹配傅里叶变换应用于线性调频信号的优点,将其与传统的傅里叶变换进行比较,说明匹配傅里叶变换是线性的。最后将匹配傅里叶变换应用于高动态信号多普勒频率偏移的仿真中,实验结果表明了此算法能够更好地去除混合信号中的噪声,准确地估计出信号的频偏。
-
关键词
傅里叶变换
匹配傅里叶函数
高动态信号
-
Keywords
Fourier transform
match Fourier transform
high dynamic signal
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名自组织CNN建模识别耐热钢金相组织研究
被引量：6
- 2
-
-
作者
张永志
李旭英
辛全忠
孔祥明
王永亮
-
机构
内蒙古农业大学机电工程学院
内蒙古能源发电投资集团有限公司电力工程技术研究院
-
出处
《材料导报》
EI
CAS
CSCD
北大核心
2022年第12期156-161,共6页
-
基金
国家自然科学基金(52061037)
内蒙古农业大学高层次人才引进科研启动项目(NDYB2016⁃20)。
-
文摘
耐热钢金相组织结构复杂,传统的图像分析方法特征提取困难,难以对其进行准确的自动识别,而人工识别易受主观因素影响,导致识别精度波动大,结果重复性差。卷积神经网络(Convolutional neural networks,CNN)能够从原始图像中提取复杂的特征,但是CNN建模需要的训练与拓扑超参数选择和优化困难。本工作利用基于超参数组合计算资源分配的Hyperband算法来优化CNN模型的超参数,克服了网格搜索、随机搜索及贝叶斯优化效率低、计算资源消耗量大以及优化不稳定等问题,实现自组织CNN建模。基于Hyperband算法优化得到33层CNN模型,进行训练与仿真,并结合混淆矩阵对模型的识别结果进行评价。结果表明,所建模型对耐热钢金相组织识别的准确率、精确度、灵敏度、特异度的均值分别为94.2%、94.1%、94.2%和98.1%,表明模型具有较高的泛化能力,能够较为准确地识别金相组织,为复杂金相组织的智能识别提供新方法。
-
关键词
计算材料学
耐热钢
金相组织
深度学习
卷积神经网络
超参数优化
识别
-
Keywords
computational materials science
heat⁃resistant steel
metallographic structure
deep learning
convolutional neural network
hyperparameter optimization
identification
-
分类号
TG142.15
[金属学及工艺—金属材料]
-
-
题名基于迁移学习的钢金相组织分类与识别方法的研究
被引量：11
- 3
-
-
作者
张永志
辛全忠
王永亮
孔祥明
刘昉
杨再胜
-
机构
内蒙古农业大学机电工程学院
内蒙古能源发电投资集团有限公司电力工程技术研究院
-
出处
《材料导报》
EI
CAS
CSCD
北大核心
2021年第24期24152-24157,共6页
-
基金
国家自然科学基金(52061037)
内蒙古农业大学高层次人才引进科研启动项目(NDYB2016-20)。
-
文摘
金相检验是分析钢内部组织的常用方法,其中检验图像由人工判别,容易受到主观因素的影响而造成结果的不确定。近年来,深度学习(Deep learning,DL)方法中的卷积神经网络(Convolutional neural networks,CNN)能从原始图像中学习复杂的特征,在图像分类与识别领域得到了广泛的应用。CNN建模需要大量的训练样本才能达到较好的泛化能力,材料科学与工程领域针对具体问题的数据集往往较小,不能满足CNN建模的条件,制约了DL在材料领域的应用。本研究基于ImageNet数据集预训练VGG19模型,对火力发电机组耐热钢金相检验图像进行识别,采用冻结全部卷积层权值和微调部分卷积层权值两种迁移学习方法,可以克服金相图像数据集较小的问题,实现小样本数据集的深度学习建模,两种方法的准确率分别为92.5%和94.2%。微调方式的迁移学习CNN模型具有较快的收敛速度、较高的训练精度与泛化能力,能够对金相组织图像进行较为准确的分类与识别,是一种智能的钢金相组织识别方法,也是自动化分类与识别钢金相组织的一种新方法。
-
关键词
深度学习
卷积神经网络
迁移学习
金相组织
分类与识别
-
Keywords
deep learning
convolutional neural network
transfer learning
metallographic organization
classification and recognition
-
分类号
TG142.15
[金属学及工艺—金属材料]
-
-
题名无线电力局域网络应急指挥现场通信系统设计
被引量：2
- 4
-
-
作者
郭敏
王海军
王宜国
潘彬彬
-
机构
内蒙古能源发电投资集团有限公司电力工程技术研究院
-
出处
《电网与清洁能源》
北大核心
2016年第11期9-13,共5页
-
基金
内蒙古教育厅高等学校高层次人才项目(568542364)~~
-
文摘
传统的电力应急指挥现已经不能满足通信中日益增多的紧急突发性事件的处置需要,各应急单位无法在统一的指挥调度下快速有效进行合成处置,提出一种无线电力局域网络应急指挥现场通信系统设计,通过对应急指挥网络协议分析,合理建立应急指挥机构,通过无线电力局域网络接口合理进行职责分工,通过明确指挥体系进行系统设计,设计出了集通信、指挥和调度于一体的应急指挥现场通信系统。通过仿真测试结果分析,设计的无线电力局域网络应急指挥现场通信系统设计能够实现应急指挥现场通信的目的,通过多点测试,多用户访问,各模块能够快速反应和处理,符合系统的设计要求,达到了设计目的。
-
关键词
无线电力
局域网络
应急指挥
现场通信
系统设计
-
Keywords
wireless power
local area network
emergency command
communication
system design
-
分类号
TN913.33
[电子电信—通信与信息系统]
-
-
题名基于深度学习的火电机组耐热钢显微组织识别
被引量：3
- 5
-
-
作者
张永志
辛全忠
孔祥明
王永亮
-
机构
内蒙古农业大学机电工程学院
内蒙古能源发电投资集团有限公司电力工程技术研究院
-
出处
《热加工工艺》
北大核心
2021年第12期68-72,共5页
-
基金
国家自然科学基金项目(52061037)
校企合作项目(IMEC2018)
内蒙古农业大学高层次人才引进科研启动项目(NDYB201620)。
-
文摘
火电机组所用的耐热钢是复杂的多元高合金钢,金相检验结果由人工判别,容易由于主观因素导致识别结果的不确定。在经典AlexNet模型的基础上构建新的卷积神经网络模型,利用火电机组耐热钢金相检验图像建立样本数据集,经训练与验证,模型对火电机组耐热钢显微组织识别准确率达到89%,比AlexNet模型提高了11%。进一步利用批归一化方法优化所建模型,识别准确率提升到94%,已接近人类对自然图像的识别精度。将深度学习技术应用于火电机组耐热钢显微组织识别,为火电机组金相检验提供了新方法。
-
关键词
深度学习
卷积神经网络
金相
显微组织
识别
-
Keywords
deep learning
convolutional neural network(CNN)
metallography
microstructure
identification
-
分类号
TG142.15
[金属学及工艺—金属材料]
-
-
题名基于IFOA优化SVM的油浸式变压器故障诊断方法
被引量：5
- 6
-
-
作者
郭敏
王海军
-
机构
内蒙古能源发电投资集团有限公司电力工程技术研究院
-
出处
《仪表技术与传感器》
CSCD
北大核心
2017年第7期108-111,115,共5页
-
文摘
针对小样本数据的油浸式变压器故障诊断,将修正因子引入果蝇优化算法,提出了一种基于IFOA优化SVM的油浸式变压器故障诊断方法。通过IFOA优化SVM的惩罚因子C和核函数参数g,实现小样本数据的油浸式变压器故障诊断。为了验证该算法的有效性和可靠性,将IFOA-SVM和GridSearch-SVM,FOA-SVM,SVM等算法进行比较。实验结果表明,IFOA-SVM比Grid Search-SVM,FOA-SVM和SVM具有更高的准确率,更加适合油浸式变压器的故障诊断。
-
关键词
果蝇优化算法
修正因子
油浸式变压器
故障诊断
-
Keywords
fruit fly optimization algorithm
correct factor
oil-immersed transformer, fault diagnosis
-
分类号
TM761
[电气工程—电力系统及自动化]
-
