共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
《岩土工程学报》2020,(10)
开展稀性、过渡性、黏性泥石流等3类泥石流声波模型试验后,通过引入窗函数参数,提出一种广义S变换,分析不同类型泥石流声波信号的时频特征,针对传统傅立叶变换的不足,运用小波包变换方法,提取声波信号的频带能量分布特征。研究表明:①相比较传统的时频分析手段,广义S变换具有优良的时频聚焦性和分辨率;②随着泥石流重度的增加,泥石流峰值频率向低频移动;③经小波包变换可将信号分解为8个频段(0~6.25,6.25~12.5,12.5~18.75,18.75~25,25~31.25,31.25~37.5,37.5~43.75,43.75~50 Hz),稀性泥石流主要分布在S6-8,过渡性和黏性泥石流能量集中于S2-4内;④基于声波信号频率区间和频带能量可综合识别不同类型泥石流。 相似文献
3.
《Planning》2019,(2)
针对振动信号的非平稳性、非线性以及未知复合故障难以诊断的问题,提出了一种基于深度卷积网络的未知复合故障诊断模型。首先将采集到的时域振动信号通过小波变换生成频谱图像;然后将频谱图输入卷积神经网络(convolutional neural network,CNH),利用卷积网络自适应的特征提取能力对复合故障进行特征学习;最后将深度卷积网络输出的特征通过分类器对故障进行诊断分类。在实验室模拟采集的不同数据集上进行实验,结果表明:基于深度卷积网络的未知复合故障诊断模型与基于改进CDCGAN的复合故障诊断方法相比,对未知复合故障的诊断率提高了44%,达到85.77%;使用不同类型的单一未知复合故障和多种未知复合故障进行实验,验证了所提模型的泛化能力和鲁棒性。 相似文献
4.
5.
《Planning》2022,(1)
针对深度学习在嵌入式或移动端设备中用于故障诊断时,受限于有限的硬件资源而又需要有足够的效率和精度的应用需求,提出基于轻量级卷积神经网络的电机滚动轴承故障诊断方法。首先对滚动轴承的振动信号数据集进行连续小波变换生成固定尺寸的时频图,并以此方式生成数据集输入网络进行训练。使用测试集进行测试,结果表明,所生成的故障诊断预测网络模型具有较高的识别精度和识别速度,准确率达到99%。通过验证噪声对网络的影响,表明所使用的网络具有较好的鲁棒性和泛化能力。 相似文献
6.
绝缘子泄漏电流对绝缘子运行状态在线监测具有重要的意义,但泄漏电流信号易受到各种噪声的干扰,针对泄漏电流信号信噪比低及传统去噪方法去噪效果不佳的现状,利用广义S变换在非平稳信号处理方面的独特优势,将广义S变换应用到绝缘子的泄漏电流去噪中,在广义S变换高质量的时频分布平面中设计了一种阈值去噪和时频谱分布滤波相结合的新型时频滤波器,通过绝缘子泄漏电流高压试验和现场实测信号的去噪结果分析,验证了本文方法在绝缘子泄漏电流信号去噪中的有效性和稳定性。 相似文献
7.
针对金属氧化物避雷器泄漏电流信号易受噪声干扰、传统去噪方法去噪效果不理想的现状,利用广义S变换在分析非平稳信号领域的独特优势,将广义S变换应用到避雷器的泄漏电流去噪中,结合谱熵的相关理论,在广义S变换高质量的时频分布上设计了一种新型时频滤波器。采用波形相似系数、均方根误差、信噪比和波形特征作为去噪效果评价标准,通过与其它去噪方法在仿真信号和现场实测信号的去噪结果对比分析,验证了本文所提方法在金属氧化物避雷器泄漏电流信号去噪中的优越性和稳定性,可为金属氧化物避雷器运行状况评估提供有效的借鉴和技术支持。 相似文献
8.
9.
针对混凝土结构病害识别类型单一、精度较低的现状,提出了基于残差网络和迁移学习的病害分类识别方法,通过构建多属性病害数据集,利用迁移学习优化残差网络模型,提出混凝土结构健康状态识别的多个任务。首先收集混凝土结构的病害状态图像,依次通过数据清洗、尺寸均一化、数据扩增和多人投票标注,最终得到包含6 680张图像的混凝土结构病害多属性数据集,并依据不同标注属性进行了相应训练集、验证集和测试集的划分; 然后利用迁移学习对预训练的ResNet-34网络前3个部分进行参数冻结,后续2个部分的参数进行重新训练,并在模型末端添加新的参数,基于已构建的数据集进行训练; 最后在提出的构件类别检测、剥落检测、病害检测和病害类别检测任务中,分别获得84.88%、98.56%、97.18%和85.34%的F1分数。结果表明:通过构建多属性标注的混凝土结构病害数据集训练深度学习模型,可较好地实现多场景特征下的病害识别效果; 采用迁移学习技术可从开源数据中获取较好的特征提取效果; 改进的ResNet-34网络可克服网络退化问题,并针对混凝土结构病害识别的多个任务获得较好的效果; 相对于单一的混凝土结构病害识别,进行病害部位、程度、多类别的系统性检测,可为结构状态评估提供详细信息,更贴合工程实际需要。 相似文献