排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
针对水轮机空化声发射(AE)信号非线性强,导致水轮机空化状态识别准确度不高的问题,建立基于混沌理论和卷积神经网络结合优化支持向量机(CNN-OSVM)的水轮机空化状态识别方法。对不同空化状态下的水轮机空化AE信号进行相空间重构,获得相图作为数据集,通过卷积神经网络提取不同空化状态下的相图特征,输入经网格搜索算法结合K折交叉验证算法全局参数寻优的优化支持向量机分类器完成空化状态识别。结果表明:输入混沌相图数据集的CNN-OSVM模型能够准确识别4种空化状态,平均准确率高达98.8%;同时证实相较于CNN模型、OSVM模型,CNN-OSVM模型对非线性信号分类具有更高的识别准确率和泛化性。 相似文献
2.
3.
4.
探究水轮机空化诱导的声发射信号随空化状态的变化规律对监测空化具有重要意义。为解决声发射信号携带噪声和特征提取困难的问题,本文建立一种基于自适应迭代滤波分解-奇异谱分析联合降噪和固有时间尺度分解结合特征参数的特征提取方法。首先,采用自适应迭代滤波分解结合相关系数对声发射信号初步降噪,滤除明显噪声分量,重构剩余分量并通过奇异谱分析进一步降噪,将所得信号与趋势分量相加,完成整个降噪过程。然后,对降噪后信号进行固有时间尺度分解,筛选出有效分量,计算其绝对能量和相对能量熵。最后,分析它们随空化系数变化的规律。研究结果表明,绝对能量和相对能量熵随空化系数的变化具有明显的规律性,均能反映水轮机空化的发展状况。 相似文献
5.
针对现有智能合约缺陷预测方法未考虑合约代码内部结构对缺陷产生的影响的不足,提出了一种基于网络度量元的Solidity智能合约缺陷预测方法。首先,通过Solidity-Antlr4工具构建Solidity智能合约的抽象语法树(abstract syntax tree, AST);其次,根据抽象语法树构建合约网络,网络中的节点代表函数和属性,边代表函数间的调用关系和函数对属性的操作关系;然后,引入复杂网络领域的知识,构建了一套针对Solidity智能合约的网络度量元;最后,基于多种回归模型和分类模型构建智能合约缺陷预测模型,进而比较不同类型的度量元在Solidity智能合约缺陷预测方面的性能。数据实验表明,结合了网络度量元的缺陷预测模型的预测性能比相应没有结合网络度量元的模型要好。 相似文献
6.
1