空间滤波和独立成分分析在速度测量中的应用

介绍一种利用空间滤波、独立成分分析处理两相流信号的方法,首先研究电容传感器的空间滤波效应,然后介绍独立成分分析的基本原理,并利用此方法对两相流信号进行处理;根据傅立叶变换确定传感器信号的带宽;根据带宽求出固体速度.最后给出对实际测量信号的处理结果.     

基于线性神经网络测量固体速度的方法

本文提出一种以线性神经网络为基础测量气,固两相流速度的新方法。首先通过对两个传感器之间的流动噪声输送过程进行分析,建立两个传感器信号之间的数学模型。并以此为基础通过线性神经网络测量流动噪声的渡越时间,进而测出流速。实验结果表明,此方法可以克服常用的相关估计方法中存在的随机误差较大,分辨率较低的缺点,为两相流流速的测量测量了一种有效的手段。     

径向基神经网络在层析成像中的应用

文中介绍一种利用径向基神经网络处理两相流信号的基本方法。此种方法具有快速、准确等特点。最后给出对实验信号的层析成像处理结果。     

管道中固体速度的测量现状及发展趋势

本文介绍了空气动力传送管道中固体速度的各种测量方法和各自的特点,并对各种方法及使用的传感器进行了讨论。     

小波变换在故障诊断中的应用

小波变换是一种日益获得广泛应用的信号分析方法。介绍了小波变换基本原理和利用小波变化来检测信号的奇异特征的原理,证实了小波变化在检测奇异信号方面的有效性。结果表明基于小波变换的去噪方法是非常有效的。     

基于多重小波变换的信号去噪及其在软测量中的应用

针对化工过程中数据的随机性、非平稳性及含有大量噪声的特点,提出了小波去噪的思想和步骤,并在此基础上采用多重小波变换阈值去噪的方法,以去除大部分高频随机噪声,提高数据的置信度。然后将该方法应用于醋酸正丙酯反应过程质量指标软测量模型中,仿真结果表明,该方法能有效恢复数据的真实性,能提高软测量建模的拟合精度与泛化性能。     

小波与神经网络在模式识别中应用的研究

通过各种方法利用小波变换和神经网络相互结合进行模式识别,不仅可以提高识别的准确率,还可以充分利用神经网络的鲁棒性使目标的识别更加接近于实用.本文论述了小波和神经网络相互结合进行模式识别的方法,并提出并采用推选体制小波变换和图像识别中的7个不变矩得出特征值,再用BP神经网络进行识别的方案,得出很好的结果.     

基于小波变换的基波提取和频率测量

为了提高小波变换提取信号基波和测量频率的精度 ,采用分频特性较好的小波对信号进行滤波 ,并研究最佳分解级数的问题。在频率测量中 ,针对低频噪声的影响 ,提出极大值误点的判别方法 ,采用最小二乘法估计基频 ;针对非整周期采样误差的影响 ,采用抛物线插值的方法加以解决     

基于多重小波变换的信号去噪及其在软测量中的应用

化工生产过程中采集到的数据信号通常具有随机性和非平稳性，附加了各种噪声，以至于影响数据建模的拟合效果和泛化性能。本文基于小波分析的特点，提出了一种对信号数据进行多重小波变换阈值去噪的方法。该方法可去除大部分高频随机噪声，提取真实信号，进而提高数据的置信度。将该方法与小波神经网络相结合并应用于丙烯腈聚合反应过程质量指标软测量模型中。仿真结果表明，该方法能有效恢复数据的真实性，提高数据建模的拟合精度与泛化性能。     

小波变换在故障诊断中的应用

小波变换是一种日益获得广泛应用的信号分析方法。介绍了小波变换基本原理和利用小波变化来检测信号的奇异特征的原理，证实了小波变化在检测奇异信号方面的有效性。结果表明基于小波变换的去噪方法是非常有效的。     

基于小波-神经网络的模拟电路IDDT故障诊断

动态电源电流测试(IDDT)对模拟电路故障诊断非常有效,而小波变换能够有效提取动态电流的故障特性。因此提出一种基于小波-神经网络的模拟电路IDDT故障诊断方法。利用小波变换具有时频局部化特性,分别对模拟电路正常模式和故障模式的IDDT采样信号进行特征向量提取,建立故障字典;然后利用神经网络具有非线性映射优点,对各种状态下的特征向量进行分类决策,实现模拟电路的故障诊断。     

小波神经网络故障预后模型的建立及其工程应用

故障诊断技术面临两大难题 ,第一如何“测量”故障的发育 ,第二如何预测一个有故障的机器或构件还能正常运行多久。本文用小波基函数神经网络技术解决了这两大课题。首先建立了小波基函数神经网络故障预后模型 ,用高斯基函数和Marr小波函数作为尺度函数 ,基函数中心的计算用二进展开函数和k次聚类函数。诊断实践表明 ,当轴承内表面产生间隙以后 ,应用训练后的小波基函数神经网络能够成功地对其间隙的发育进行预测。     

神经网络在校准测量仪器中的应用

本文介绍了人工神经网络的基本原理及BP学习算法，提出了对测量仪器进行校准的一种新方法，并用万用表的校准实验证明了该方法的有效性。