风电机组齿轮箱故障发展进程中早期劣化特征信息微弱,采用传统的奇异值分解(Singular Value Decomposition,SVD)降噪方法容易造成有用信息的丢失。针对这一问题提出基于μ-SVD和LMD的弱特征信息提取方法,根据累积贡献率确定降噪阶次进...风电机组齿轮箱故障发展进程中早期劣化特征信息微弱,采用传统的奇异值分解(Singular Value Decomposition,SVD)降噪方法容易造成有用信息的丢失。针对这一问题提出基于μ-SVD和LMD的弱特征信息提取方法,根据累积贡献率确定降噪阶次进行信号重构,提取出带噪部分信号,对其进行局部均值分解(Local Mean Decomposition,LMD)和μ-SVD降噪处理,叠加得到降噪后的信号。试验研究结果表明,该方法能够明显削弱信号噪声,有效提取早期故障微弱特征信息,有利于实现早期故障预警及动态预知维护。展开更多
涡流脉冲热像(Eddy current pulsed thermography,ECPT)技术是一种新型的无损检测方法,广泛应用于金属材料结构的检测,但该技术常依赖人工经验提取特征进行裂纹检测与识别,自动化和智能性化程度不足。结合涡流脉冲热像技术以及循环神经...涡流脉冲热像(Eddy current pulsed thermography,ECPT)技术是一种新型的无损检测方法,广泛应用于金属材料结构的检测,但该技术常依赖人工经验提取特征进行裂纹检测与识别,自动化和智能性化程度不足。结合涡流脉冲热像技术以及循环神经网络(Recurrent Neural Network,RNN)的特性,提出一种基于双向长短期记忆网络(Bidirectional Long Short-Term Memory Network,Bi-LSTM)金属疲劳裂纹涡流脉冲热像分类识别方法。实验通过涡流加热装置对被测金属试件进行感应加热,使用红外热像采集装置对金属平板试件进行实时的数据采集,获得图像序列并制作数据集。运用设计的Bi-LSTM模型增强特征向量中的时序信息,对不同尺寸裂纹的热图像进行训练并测试。实验分析表明,Bi-LSTM网络可有效应用于金属疲劳裂纹检测与识别,针对现有裂纹检测准确率可达到100%,优于传统神经网络和其他深度学习的模型,具有更高的识别精度。展开更多
为了充分提升高多普勒扩展场景下的通信系统频谱效率,全面综述了正交时频空(Orthogonal Time Frequency Space,OTFS)领域的研究成果,对时间选择性信道和OTFS的基本原理进行了介绍。OTFS调制技术能够在高多普勒扩展情况下提供比传统的正...为了充分提升高多普勒扩展场景下的通信系统频谱效率,全面综述了正交时频空(Orthogonal Time Frequency Space,OTFS)领域的研究成果,对时间选择性信道和OTFS的基本原理进行了介绍。OTFS调制技术能够在高多普勒扩展情况下提供比传统的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)更显著的性能增益。按照信道估计或信号检测等重点技术进行分类,对已有研究成果进行了回顾、总结和比较,并探讨了OTFS技术的峰均比、分数多普勒和基带脉冲等几个重要的开放性问题。展开更多
在用户数量激增的应急通信场景下,为保证地面用户的通信质量,提出了基于距离约束的用户自适应接入方案。首先采用泊松点距离约束策略(Poisson Point under Distance Constraint,PPDC)对无人机(Unmanned Aerial Vehicle,UAV)的位置进行建...在用户数量激增的应急通信场景下,为保证地面用户的通信质量,提出了基于距离约束的用户自适应接入方案。首先采用泊松点距离约束策略(Poisson Point under Distance Constraint,PPDC)对无人机(Unmanned Aerial Vehicle,UAV)的位置进行建模,避免无人机区域重叠带来的干扰问题。其次,引入基站负载传输协议(Base Station Load Transfer Protocol,BSLTP),当接入基站的用户数量超过给定阈值时,超载用户由无人机提供服务。此外,分别分析了地面基站和无人机的覆盖性能,得到了系统整体覆盖概率,并研究了无人机高度、覆盖半径、激增用户密度对网络覆盖性能的影响。最后,通过仿真验证了理论结果的正确性,且所提部署方案能够有效提升网络覆盖性能。展开更多
文摘针对在多传感器下变转速且带有不同程度噪声的工况下故障特征被淹没的问题,提出一种基于改进卷积长短时记忆网络(Convolutional LSTM, ConvLSTM)的故障诊断方法:首先将多个传感器采集的一维振动信号切分为二维矩阵序列;再利用由改进ConvLSTM单元构成的特征提取层提取信号内的时间特征和空间特征,改进ConvLSTM单元是将传统ConvLSTM单元输入门中的普通卷积换成膨胀卷积,在相同的卷积核其有更大的感受野读取输入信息;最后通过由卷积层和全局平均池化(Global Average Pooling,GAP)构造的分类输出层得到诊断结果。试验使用CWRU滚动轴承数据集和XJTU-SY滚动轴承数据集进行验证。试验结果表明,与其他对比模型相比,改进ConvLSTM模型在变转速且带有不同程度噪声下达到较高的精确率并且受样本量的影响更小。
文摘风电机组齿轮箱故障发展进程中早期劣化特征信息微弱,采用传统的奇异值分解(Singular Value Decomposition,SVD)降噪方法容易造成有用信息的丢失。针对这一问题提出基于μ-SVD和LMD的弱特征信息提取方法,根据累积贡献率确定降噪阶次进行信号重构,提取出带噪部分信号,对其进行局部均值分解(Local Mean Decomposition,LMD)和μ-SVD降噪处理,叠加得到降噪后的信号。试验研究结果表明,该方法能够明显削弱信号噪声,有效提取早期故障微弱特征信息,有利于实现早期故障预警及动态预知维护。
文摘涡流脉冲热像(Eddy current pulsed thermography,ECPT)技术是一种新型的无损检测方法,广泛应用于金属材料结构的检测,但该技术常依赖人工经验提取特征进行裂纹检测与识别,自动化和智能性化程度不足。结合涡流脉冲热像技术以及循环神经网络(Recurrent Neural Network,RNN)的特性,提出一种基于双向长短期记忆网络(Bidirectional Long Short-Term Memory Network,Bi-LSTM)金属疲劳裂纹涡流脉冲热像分类识别方法。实验通过涡流加热装置对被测金属试件进行感应加热,使用红外热像采集装置对金属平板试件进行实时的数据采集,获得图像序列并制作数据集。运用设计的Bi-LSTM模型增强特征向量中的时序信息,对不同尺寸裂纹的热图像进行训练并测试。实验分析表明,Bi-LSTM网络可有效应用于金属疲劳裂纹检测与识别,针对现有裂纹检测准确率可达到100%,优于传统神经网络和其他深度学习的模型,具有更高的识别精度。
文摘为了充分提升高多普勒扩展场景下的通信系统频谱效率,全面综述了正交时频空(Orthogonal Time Frequency Space,OTFS)领域的研究成果,对时间选择性信道和OTFS的基本原理进行了介绍。OTFS调制技术能够在高多普勒扩展情况下提供比传统的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)更显著的性能增益。按照信道估计或信号检测等重点技术进行分类,对已有研究成果进行了回顾、总结和比较,并探讨了OTFS技术的峰均比、分数多普勒和基带脉冲等几个重要的开放性问题。
文摘在用户数量激增的应急通信场景下,为保证地面用户的通信质量,提出了基于距离约束的用户自适应接入方案。首先采用泊松点距离约束策略(Poisson Point under Distance Constraint,PPDC)对无人机(Unmanned Aerial Vehicle,UAV)的位置进行建模,避免无人机区域重叠带来的干扰问题。其次,引入基站负载传输协议(Base Station Load Transfer Protocol,BSLTP),当接入基站的用户数量超过给定阈值时,超载用户由无人机提供服务。此外,分别分析了地面基站和无人机的覆盖性能,得到了系统整体覆盖概率,并研究了无人机高度、覆盖半径、激增用户密度对网络覆盖性能的影响。最后,通过仿真验证了理论结果的正确性,且所提部署方案能够有效提升网络覆盖性能。
