|
|||||
|
|
| 复杂工况下基于时频图像和CNN SVM的管道堵塞识别研究 | |
| 作者姓名： | 赵燕锋 冯早 朱雪峰 伍林峰 |
| 作者单位： | 昆明理工大学信息工程与自动化学院 昆明650500;云南省人工智能重点实验室 昆明650500 |
| 基金项目： | 国家自然科学基金(61563024,51765022)项目资助 |
| 摘 要： | 针对复杂工况下管道系统堵塞状态识别模型精度出现偏差的问题,提出一种基于时频图像和卷积神经网络(CNN)对管道内的堵塞物和三通件个体识别方法.首先,利用声波检测管道得到不同工况的低频声压信号,滤波处理后进行平滑伪Wigner-Ville时频分析得到声信号时频分布图;然后,采用大津阈值分割法对单一和复杂工况时频分布图像进行... |
| 关 键 词： | 复杂工况 声信号时频图像 自适应特征提取 管道堵塞故障诊断 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 | |
| 点击此处可从《电子测量与仪器学报》下载全文 | |