基于改进阈值消噪算法的小波包降噪

小波变换是一种把时间和频率结合起来的时频分析方法,D.L.Dohono在小波变换的基础上提出了小波软、硬阈值消噪法,此方法简单有效,得到了广泛的重视和研究。在经典的小波软、硬阈值消噪方法的基础上,提出了一种基于小波包分析的改进方法。Matlab仿真结果表明,此法同时克服了软、硬阈值方法的缺点,而且其消噪效果比小波消噪方法要好。     

熔石英亚表面微缺陷原位表征及损伤阈值研究

通过对熔石英表面和亚表面划痕的原位测量,研究划痕的表面均方根(RMS)粗糙度、宽度和深度在HF溶液中刻蚀不同时间后的变化规律,测试了不同刻蚀时间下熔石英的损伤阈值。实验结果表明:随刻蚀时间的增加,表面RMS、划痕深度及宽度的总体变化趋势是增加的;熔石英的损伤阈值随刻蚀时间的增加,在1～10min时间段呈增加趋势,在20～40 min时间段呈下降趋势,而在60～120 min时间段先增加后降低。综合熔石英划痕的微观形貌损伤阈值的测量结果认为,刻蚀10 min时效果最佳。     

图像分割算法综述与探索

图像分割是图像处理和计算机视觉领域中的基本技术,在生物医学、航空航天、文化艺术等领域有着广泛的应用,一直是图像处理研究的热点。本文系统介绍了几种常见的图像分割算法。     

改进的阈值函数在心音信号消噪中的研究

为弥补传统阈值函数存在的不足、提高心音信号的消噪精度,提出了3种改进的阈值函数。试验中,首先对传统的软、硬阈值函数及3种改进的阚值函数进行去噪性能对比分析;其次,采用基于小波分析的频带局部能量特征提取法对消噪后的心音信号进行特征提取．并运用模糊Sammon映射算法将六维特征数据映射成二维以显示其散布特性。结果表明,改进的阈值函数二能更有效地消除噪声,其消噪后的心音信号特征向量较全面地反映了心音信号的特征。     

小波阈值法在语音去噪中的应用

本文介绍了小波变换在语音去噪方面的应用概况,小波变换的基础理论,详细阐述了在应用小波阈值方法去噪时,阈值法中的软阈值和硬阈值方法及它们的不足。本文提出了一种改进阈值方法,用matlab进行了模拟处理实验,为后续更有效的处理奠定了基础。     

基于RHBD技术CMOS锁存器加固电路的研究

对基于RHBD技术CMOS D锁存器抗辐射加固电路设计技术进行了研究,并对其抗单粒子效应进行了模拟仿真.首先介绍了基于RHBD技术的双互锁存储单元(DICE)技术,然后给出了基于DICE结构的D锁存器的电路设计及其提取版图寄生参数后的功能仿真,并对其抗单粒子效应给出了模拟仿真,得出了此设计下的阈值LET,仿真结果表明:基于DICE结构的D锁存器具有抗单粒子效应的能力.     

基于FISSA-DBN模型的风电机组运行状态监测

为提高风电机组运行效率,降低风电场运营成本,对风电机组运行状态监测显得尤为重要,提出一种基于数据采集与监控（supervisory control and data acquisition,简称SCADA）系统和萤火虫改进麻雀搜索算法优化深度置信网络（firefly improved sparrow search algorithm optimized deep belief network,简称FISSA-DBN）的风电机组状态监测新方法。首先,对SCADA数据进行预处理分析,并利用专家系统和皮尔逊相关系数分析,相关分析选取输入参数和输出参数;其次,利用预处理数据集建立基于FISSA-DBN的风电机组运行状态监测新模型,根据模型预测值和实际输出值之间的重构值误差,以及指数加权移动平均阈值（exponentially weighted moving average,简称EWMA）判断是否有异常;最后,以华东某风电场实际数据为例进行实例验证。结果表明,所提出方法的预警时间比实际记录时间最早可提前4 d多。同时,将所提出方法与其他方法进行对比,结果表明该方法预警时间提前,模型预测误差更小。     

考虑竞争失效的交流接触器可靠性评估方法

交流接触器广泛用于电力系统,精准评估其可靠性是保障系统安全平稳运行的关键。现有交流接触器可靠性研究没有考虑三相触头的竞争失效、退化相关性,及各相触头失效阈值均有随机性等问题,可能造成可靠性评估不精准。针对这些问题,本文用累积电弧侵蚀量表征性能状态,建立了考虑竞争失效、退化相关性和失效阈值随机性的退化模型;对模型参数较多且难以同时估计所有参数的问题,提出了基于极大似然估计的多阶段参数估计方法;基于蒙特卡洛技术提出了可靠度近似计算方法,并基于黎曼和技术推导出平均故障时间的近似式;最后,通过仿真与实例分析验证了所提方法的有效性。实例分析表明所提可靠性评估方法精度较高,其拟合优度比现有方法提升了约45%。     

时变转速下基于双阈值注意力生成对抗网络和小样本的转子-轴承系统故障诊断

可用故障数据的匮乏给时变转速下转子-轴承系统的端到端故障诊断带来严重挑战,生成对抗网络为解决小样本故障诊断问题提供新思路,但其仍存在梯度消失、全局关联特征学习能力较弱和训练效率较低等缺点。因此,提出一种双阈值注意力生成对抗网络,用于生成高质量的红外热成像图片,以解决时变转速下转子-轴承系统的小样本故障诊断难题。首先,结合Wasserstein距离和梯度惩罚设计新型对抗损失函数,避免训练过程中的梯度消失。其次,构建注意力嵌入的生成对抗网络以指导学习红外热成像图片的全局热力关联特征。最后,开发双阈值训练机制进一步提高生成样本质量和训练效率。将所提方法用于分析转子-轴承系统的实测红外热成像图片,结果表明,所提方法能辅助准确诊断时变转速及小样本下的不同故障模式,性能优于目前常用的生成对抗网络方法。     

基于ICEEMDAN-ACF的自适应MEMS陀螺信号去噪方法北大核心CSCD

针对基于EMD的MEMS陀螺信号去噪方法中存在模态混叠、Hurst指数筛选法和相关系数筛选法无法准确筛选含噪本征模态函数(IMF)的问题,提出一种基于改进自适应噪声完备集合经验模态分解-自相关函数(ICEEMDAN-ACF)的自适应MEMS陀螺信号去噪方法。首先使用ACF自适应阈值判断信号信噪比,对于包含低能量高频成分的低信噪比信号使用小波软阈值预降噪,之后使用ICEEMDAN算法将陀螺信号分解为多个IMF和一个余项,使用ACF自适应阈值筛选噪声主导IMF,剔除噪声主导IMF后重构陀螺信号。实验表明:文中改进算法在低、中、高信噪比条件下的去噪效果均优于小波软阈值法、EMD-Hurst指数法、EMD-相关系数法和EMD-ACF法。