共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
无线传感网络逐渐应用于结构健康监测,但是因能耗问题难以实现长期、高频的数据采集工作。压缩感知技术可利用少量的采样点重构原始信号,有望降低无线传感网络的能耗。实测振动信号因受到噪声干扰而导致稀疏性有限,常用于压缩感知的LASSO算法难以精确求解稀疏系数,进而影响振动信号重构效果。引入BP神经网络优化LASSO算法解得的稀疏系数,BP神经网络经ADAM优化算法训练后,可有效提升振动信号重构精度。用三层框架结构的模拟加速度数据和广州塔的监测加速度数据验证方法的有效性,并探讨了正则化参数和优化迭代次数的影响。结果表明,基于BP神经网络优化的压缩感知方法的信号重构效果在不同压缩率下均优于非优化的压缩感知方法。 相似文献
3.
本文提出了一种基于BP神经网络和改进的图像块分类算法的有效图像压缩方法.首先采用改进的图像块分类算法将图像块划分为互不重叠的3大类图像块,即平滑块、目标块、边缘块;然后基于BP神经网络对平滑块和目标块选用合适的隐含层单元数量进行压缩,对边缘块则采取不压缩而直接保存到压缩数据的方法,最后,得到上述3类图像块压缩数据集的集合.相比于对3类图像块同时进行压缩,该方法相对传统的图像压缩方法节省了0.469 s、峰值信噪比(PSNR)提高了2.11 dB,并使压缩率提高了5.25%,能够更加有效地经过图像压缩后保持细节信息. 相似文献
4.
郑午 《中国新技术新产品》2012,(2):20
近年来BP神经网络在图像压缩技术中的应用已成为图像压缩的热点问题之一。与经典的压缩算法相比,具有更高的压缩比和重构图像质量。但实际上,原始图像经常受到噪声的污染,使得图像质量明显下降。通过研究小波图像去噪的方法,结合小波变换和BP神经网络,研究了基于小波域的BP神经网络图像压缩方法。先在小波域内对图像进行去噪,再用BP神经网络进行压缩,从而得到高质量的重构图像。结果表明,该算法对含噪声图像的压缩,获得了良好的图像质量,同时也证明了这种方法的有效性。 相似文献
5.
目的为了有效滤除自动称量控制系统中的噪声信号,提升称量系统的稳定性和精确度,提出一种基于BP神经网络粒子滤波的称量信号去噪方法。方法在粒子滤波算法中映入了BP神经网络,利用BP神经网络的非线性映射特点,对权值进行分裂和选择,将观测值看作神经网络的目标信号,通过神经网络中的多次训练增大小权值粒子的权重,从而提高粒子滤波算法的多样性。结果仿真和实验结果表明,BP神经网络粒子滤波方法能有效滤除称量包装系统中的噪声信号,提升传感器信号品质。结论该滤波方法大大提升了称量系统的稳定性,有效提高了称量包装的精度,所述控制方法可以明显提高定量称量控制过程的稳定性、精确性以及鲁棒性。 相似文献
6.
为了识别风电机组运行过程中滚动轴承的运行状态并提高故障诊断率,该文提出了一种基于小波包分解和粒子群算法优化BP神经网络的滚动轴承故障识别方法。以滚动轴承4种故障状态下的振动信号为研究对象,首先,采用小波包对振动信号进行分解、重构,提取各故障状态下的故障特征向量,将其作为BP神经网络模型的输入值。其次,针对BP神经网络的缺点,通过粒子群算法优化BP神经网络的权值和阈值构建PSO-BP故障诊断模型,试验结果表明,基于小波包和PSO-BP的方法能够很好地提高风电机组滚动轴承故障模式识别的准确率。 相似文献
7.
提出了一种基于蝙蝠算法优化卷积神经网络的水轮机振动信号识别方法。首先对水轮机时域加速度振动信号进行测量、提取和归一化处理,采用蝙蝠算法对卷积神经网络训练过程中的超参数权值和偏置值进行优化,然后对10 种不同测点的水轮机振动信号进行实验,针对每个测点的振动信号对水轮机8 种不同工况进行区分识别,最后将信号识别过程中各参数对传统卷积神经网络识别结果的影响进行针对性分析。结果表明:所建立的基于蝙蝠算法优化卷积神经网络的识别模型具有良好的稳定性和较高的识别精度,能够准确识别振动信号,识别结果准确率均在94 %以上,与传统卷积神经网络对比,信号识别准确率显著提升,最高达到20.78 %。同时可以看出,振动数据输入长度、样本尺寸和训练次数对传统卷积神经网络训练效果影响显著。研究结论可为水轮机振动识别、工况识别和故障识别提供理论依据。 相似文献
8.
针对并联电容器运行过程中常出现内部缺陷、接触缺陷、重叠缺陷、油质缺陷等4类典型缺陷,提出了一种基于振动信号马尔可夫转移场变换的并联电容器故障诊断方法。首先,根据现场工况制作了4种典型缺陷样品,测试了不同缺陷下试样的机械振动信号并搭建振动数据集;然后,基于马尔可夫转移场变换将一维振动信号转变为二维图像以提高信号可视能力;最后,通过卷积神经网络对马尔可夫密度图进行特征自提取和分类,讨论了不同分位数下信号的可视化能力,并与常见的诊断方法进行了比较。结果表明:将振动信号进行马尔可夫转移场变换提高了信号的可视化能力,使深度学习算法能够更全面的提取信号特征,文中方法的平均识别准确率达到了98%左右,能较好地实现并联电容器的故障诊断,并优于其他常见方法。 相似文献
9.
煤粉粒径的测量是燃煤电站一项重要的工作。针对目前筛分法存在的缺点,提出了一种结合声发射信号与BP神经网络在线识别煤粉粒径的方法。在频域中对噪声信号与煤粉声发射信号进行比较,确定了信号中反映煤粉粒径的频率区间,并利用小波包置零方法对信号进行去噪,在信噪比与信号平滑度方面比较了几种常用小波函数的去噪效果。通过功率谱分析发现了信号能量随煤粉粒径的变化特征。最后提取信号能量特征,利用BP神经网络对煤粉粒径进行识别。研究结果表明,结合声发射信号与BP神经网络识别煤粉粒径,可以获得良好的效果。 相似文献
10.
用神经网络技术对刚性Jeffcott转子-轴承系统进行混沌滞延反馈控制研究。研究结果表明,当转子-轴承系统进入混沌状态后,引入时间滞延反馈控制信号,可以消除转子-轴承系统的混沌振动,使嵌入在混沌吸引子中的不稳定周期轨道回到稳定周期轨道上。采用间接误差计算的BP神经网络学习方法和自适应学习率BP算法结合而形成的改进型BP神经网络方法,可以快速搜寻到次优化的滞延反馈控制强度,从而即时有效地消除转子-轴承系统的混沌振动。一旦混沌振动回归稳态周期振动,则反馈控制信号自动消失。该方法为控制转子-轴承系统的振动状态提供了理论依据,特别是对工程实际转子系统有实用价值。 相似文献
11.
12.
13.
14.
15.
通过构造特别的映射、整函数和BP神经网络,获得一套基于神经网络的无损数据压缩方案。由于该方案能压缩已被小波编码压缩过的数据,因此将其嵌套入一好的小波编码系统就可以获得一种基于小波与神经网络的高效图像数据压缩方案。实验证明,该高效方案对于Lenna图像的压缩比为43∶1, 并且恢复的图像有较好的视觉效果。 相似文献
16.
钻井作业中,钻头破碎岩石产生振动,利用该振动特征可以实时反映钻进介质的种类。提出了一种钻头钻进不同介质时的振动信号特征识别方法,通过牙轮钻头破岩室内实验,采集到在不同钻压下钻头钻进砂岩、页岩、水泥环和套管时的声振信号,基于数字信号的时频处理,提取了信号时域和频域的50个特征值,应用PCA降维特征矩阵获取特征向量,建立不同钻进情况的钻头信号"指纹"特征,最后通过BP神经网络对"指纹"信息进行聚类后识别岩性和钻压。结果表明,该方法可以完成对钻头信号的特征识别,进而区分钻进地层和井眼材料(套管和水泥环),为井眼防碰作业中岩性在线识别提供技术支撑。 相似文献
17.
18.
根据液压泵故障特征的分散性和模糊性,提出了振动和压力传感器的信息融合技术来进行故障诊断的方法.它是在分析液压泵球头松动故障机理的基础上,而对振动信号和压力信号进行小波消噪处理,再有效提取球头松动的故障特征,然后将不同类型特征参数进行特征层融合,并利用主成分分析和改进算法的BP神经网络,从而实现液压泵球头松动故障诊断。根据一些试验表明,对不同类型传感器信息融合故障诊断方法,的确可以有效地实现液压泵微弱故障的诊断,且效果较好、精度准确。 相似文献
19.
传统的机械设备状态监测是根据经验通过提取现场采集的振动信号特征值构建特征空间,采用多种方法对特征值进行聚类、分类,从而实现对设备状态的分类。但这种方法严重依赖于专家经验,并且效果受到信号噪声等众多因素的影响。分别在经典一维和二维卷积神经网络的的基础上,提出两种机械设备智能故障诊断方法,并通过凯斯西储大学轴承数据中心发布的数据集比较两种模型的性能,实验结果表明,基于一维卷积神经网络的智能诊断方法更适用于一维振动信号。将基于一维卷积神经网络的智能诊断方法应用于石化厂的机泵设备,证明其能实现特征自适应提取,可取得较好诊断效果。 相似文献