检索结果-内蒙古大学图书馆

光谱学与光谱分析 2024年第11期44卷 3101-3108页

作者：李斌卢英俊苏成涛刘燕德华东交通大学智能机电装备创新研究院江西南昌330013 华东交通大学机电与车辆工程学院江西南昌330013

贡梨在收获、运输和销售过程中容易发生机械损伤,加速果实腐烂,降低贡梨品质。快速判别贡梨的不同损伤程度,进而采取不同的处理措施,以降低经济损失。以往运用高光谱技术研究水果的损伤程度,通常仅用反射率光谱。该研究运用高光谱技术... 详细信息

贡梨在收获、运输和销售过程中容易发生机械损伤,加速果实腐烂,降低贡梨品质。快速判别贡梨的不同损伤程度,进而采取不同的处理措施,以降低经济损失。以往运用高光谱技术研究水果的损伤程度,通常仅用反射率光谱。该研究运用高光谱技术获取贡梨的反射率(R)、吸光度(A)、和Kubelka-Munk(K-M)变换光谱结合3种深度学习算法对健康和不同损伤程度的贡梨进行判别。首先,选取60个新鲜无损伤贡梨作为健康样品,再利用自由落体碰撞装置制备出Ⅰ级损伤、Ⅱ级损伤、Ⅲ级损伤贡梨样品各60个。通过高光谱成像系统采集这240个贡梨样品的光谱数据,对采集的光谱进行黑白校正,以获得贡梨的反射率(R)、吸光度(A)、和Kubelka-Munk(K-M)变换光谱,然后用基准线校准(Baseline)、去趋势(De-Trending)、移动平均(MA-S)、乘法散射校正(MSC)、卷积平滑(SG-S)、标准正态变量变换(SNV)共6种预处理方法对3种原始光谱数据进行预处理,并建立BP神经网络(BP)、极限梯度提升(XGBoost)和随机森林(RF)判别分析模型对贡梨不同损伤程度进行判别。根据模型对贡梨损伤程度的判别结果显示,基于反射率、吸光度、K-M变换光谱的BP模型判别准确率较好,整体准确率达到了85%及以上,且发现经过Baseline预处理后的反射率光谱建立的BP模型比未经预处理的反射率光谱谱建立的BP模型有较大的提升,判别准确率达到了93.33%。为了提升BP模型的精准度和运行效率,对3种原始光谱和Baseline预处理后的光谱利用竞争性自适应重加权(CARS)和无信息变量消除(UVE)方法筛选出特征波段光谱信息,用筛选后的特征光谱数据来建立BP模型,其判别结果显示A-RAW-CARS-BP模型具有最佳的判别准确率,整体准确率达到了96.66%。结果表明,采用3种原始光谱对贡梨的损伤程度进行判别具有可行性,为高光谱技术检测贡梨的不同损伤程度提供了理论依据。

关键词：贡梨高光谱损伤程度反射率光谱吸光度光谱 Kubelka-Munk光谱

来源：评论

学校读者我要写书评

暂无评论

基于声发射信号时频图深度学习的桥梁钢桁架焊接节点损伤程度识别

引用

振动与冲击 2024年第1期43卷 107-115,122页

作者：李丹沈鹏贺文宇向抒林合肥工业大学土木与水利工程学院合肥230009 东南大学土木工程学院南京211189 合肥通用机械研究院有限公司合肥230031

针对桥梁钢桁架疲劳损伤识别难度大、精度低的现状,提出基于声发射信号时频分析与深度学习的钢桁架焊接节点损伤程度识别方法。对桁架节点在桥梁运营状态下产生的声发射信号进行小波变换,表征不同损伤程度信号的时频能量分布模式,然后... 详细信息

针对桥梁钢桁架疲劳损伤识别难度大、精度低的现状,提出基于声发射信号时频分析与深度学习的钢桁架焊接节点损伤程度识别方法。对桁架节点在桥梁运营状态下产生的声发射信号进行小波变换,表征不同损伤程度信号的时频能量分布模式,然后建立卷积神经网络(convolutional neural network,CNN)模型对时频图进行损伤特征提取,并通过迁移学习思想提升模型的训练效率和学习能力,从而实现桁架焊接节点严重损伤、轻微损伤和噪声工况的准确识别。进一步对模型各卷积层激活区域进行可视化分析,解剖模型的损伤特征学习过程及分类逻辑。某悬索桥中央纵向腹板钢桁架焊接节点现场试验结果表明:相较于利用时域波形进行特征学习的一维卷积神经网络模型,时频图包含了更丰富的损伤信息,所建立的二维卷积神经网络模型对钢桁架焊接节点三种损伤程度的识别准确率超过94%,具有更强鲁棒性和实际应用价值。

关键词：钢桁架焊接节点损伤程度声发射(AE) 时频分析深度学习

来源：评论

学校读者我要写书评

暂无评论

基于声发射多参数融合的滚动轴承典型故障损伤程度识别方法

引用

航空动力学报 2024年第8期39卷 249-261页

作者：栾孝驰沙云东李壮郭小鹏赵宇柳贡民沈阳航空航天大学航空发动机学院沈阳110136 中国航发沈阳发动机研究所沈阳110015 哈尔滨工程大学烟台研究院山东烟台264006

针对滚动轴承典型故障损伤程度难识别的问题,以声发射参数分析和波形流分析方法为基础,结合时间到达特征指数(TAFI)、计数、撞击数、能量以及引入故障特征频率功率峰值与其相邻倍频间频带内平均功率比值的无量纲参数故障因子,提出了一... 详细信息

针对滚动轴承典型故障损伤程度难识别的问题,以声发射参数分析和波形流分析方法为基础,结合时间到达特征指数(TAFI)、计数、撞击数、能量以及引入故障特征频率功率峰值与其相邻倍频间频带内平均功率比值的无量纲参数故障因子,提出了一种基于声发射多参数融合的滚动轴承典型故障损伤程度识别方法。为验证该方法对滚动轴承典型故障损伤程度的识别效果,搭建了滚动轴承典型故障模拟试验台,开展试验并采集了线切割严重损伤和点蚀微弱损伤两种缺陷的滚动轴承声发射信号,对相同转速工况下测得的典型故障轴承与健康轴承的声发射信号应用本文提出的方法进行识别。结果表明:声发射特征参数TAFI可以初步判定轴承是否存在故障,计数和撞击数可有效识别滚动轴承的故障类型;特征参数能量可有效识别外圈故障和滚动体故障滚动轴承的不同损伤程度,引入故障因子参量来表征不同缺陷滚动轴承的损伤程度,通过线切割和点蚀缺陷1~5倍频故障因子数值上的差异,有效识别了典型故障滚动轴承的不同损伤程度,弥补了特征参数能量对内圈故障损伤程度识别的不足。该方法可有效识别滚动轴承典型故障的不同损伤程度。

关键词：声发射多参数融合滚动轴承典型故障损伤程度故障因子

来源：评论

学校读者我要写书评

暂无评论

基于相关分析和Lempel-Ziv指标的轴承损伤程度识别

引用

振动．测试与诊断 2019年第2期39卷 396-403,449,450页

作者：尹建程徐敏强哈尔滨工业大学深空探测基础研究中心哈尔滨150001

针对单一故障模式下轴承内、外圈损伤程度的区分问题,提出了一种基于相关分析的Lempel-Ziv指标评估方法。通过相关分析在保留信号中频率成分的基础上来降低信号中噪声对Lempel-Ziv指标的影响。首先,该方法对原始信号进行自相关分析,将... 详细信息

针对单一故障模式下轴承内、外圈损伤程度的区分问题,提出了一种基于相关分析的Lempel-Ziv指标评估方法。通过相关分析在保留信号中频率成分的基础上来降低信号中噪声对Lempel-Ziv指标的影响。首先,该方法对原始信号进行自相关分析,将信号进行降噪;其次,对降噪处理后的信号进行0-1编码,得到信号的编码序列;最后,对编码后的序列计算Lempel-Ziv指标,得到信号的复杂度。通过仿真和轴承故障实验数据验证了所提方法的有效性。与传统的Lempel-Ziv指标及滤波后的Lempel-Ziv指标相比,在噪声环境下,所提方法能较好地识别噪声中轴承故障信号的复杂程度,能够有效的区分单一故障模式下轴承内、外圈的损伤严重程度。

关键词：轴承相关分析损伤程度内圈外圈

来源：评论

学校读者我要写书评

暂无评论

考虑损伤程度的设备运行可靠性研究

引用

西安交通大学学报 2010年第1期44卷 36-40页

作者：丁锋何正嘉陈雪峰西安交通大学机械制造系统工程国家重点实验室西安710049 西安工业大学机电工程学院西安710032

为了充分利用运行状态中特征参数的变化信息对设备的使用进行可靠性分析,采用设备运行状态主动监测的方法,提出了集成设备失效的先验分布,以及与设备状态的振动信号特征提取相结合的可靠性模型.通过监测设备运行过程中的动态性能退化信... 详细信息

为了充分利用运行状态中特征参数的变化信息对设备的使用进行可靠性分析,采用设备运行状态主动监测的方法,提出了集成设备失效的先验分布,以及与设备状态的振动信号特征提取相结合的可靠性模型.通过监测设备运行过程中的动态性能退化信号,引入特征评估技术对设备退化信号进行分析,提取具有准确定义和明显趋势性变化的退化指标,将退化指标引入比例故障率模型,实现了不同损伤程度振动信号的设备运行可靠度的有效评估.通过滚动轴承实验装置的运行数据,运用比例故障率模型可靠性参数的极大似然估计方法,分析了在不同的运行状态和损伤程度时可靠度的大小及变化趋势,保障了设备在服役寿命周期内的可靠性和安全性.

关键词：可靠性损伤程度主动监测振动信号

来源：评论

学校读者我要写书评

暂无评论

栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断

引用

振动与冲击 2017年第21期36卷 125-131,137页

作者：陈仁祥杨星杨黎霞王家序徐向阳陈思杨重庆交通大学机电与车辆工程学院重庆400074 四川大学空天科学与工程学院成都610065 重庆交通大学经济与管理学院重庆400074

针对滚动轴承损伤程度的特征自学习提取与智能诊断问题,提出栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断方法。滚动轴承损伤特征受到工况、环境噪声等干扰,浅层自编码网络对损伤特征的自学习、提取能力不足。为此,论文将稀... 详细信息

针对滚动轴承损伤程度的特征自学习提取与智能诊断问题,提出栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断方法。滚动轴承损伤特征受到工况、环境噪声等干扰,浅层自编码网络对损伤特征的自学习、提取能力不足。为此,论文将稀疏项限制和加噪编码融入自编码网络,同时将自编码网络堆栈并添加分类层,构建出栈式稀疏加噪自编码深度神经网络,进行轴承损伤特征非监督自动提取与损伤程度智能诊断。稀疏项限制和深度神经网络的构建提高了特征学习能力,加噪编码的融入改善了网络的鲁棒性。所构建深度神经网络通过多层无监督逐层自学习和有监督微调,完成损伤特征自动提取与表达,并实现了损伤程度智能诊断。不同工况下轴承损伤程度诊断的实验验证证明了所提方法的可行性和有效性。

关键词：滚动轴承损伤程度稀疏加噪自编码深度神经网络诊断

来源：评论

学校读者我要写书评

暂无评论

基于LMD和Lempel-Ziv指标的滚动轴承故障损伤程度研究

引用

振动与冲击 2012年第16期31卷 77-82页

作者：张超陈建军内蒙古科技大学信息工程学院包头014010 西安电子科技大学机电工程学院西安710071

针对不同转速下,不同损伤程度的滚动轴承内、外圈故障,提出一种基于局域均值分解(Local Mean De-composition,LMD)和Lempel-Ziv指标的滚动轴承损伤程度识别方法。LMD方法是一种新的自适应时频分析方法,将轴承振动信号分解为若干个瞬时... 详细信息

针对不同转速下,不同损伤程度的滚动轴承内、外圈故障,提出一种基于局域均值分解(Local Mean De-composition,LMD)和Lempel-Ziv指标的滚动轴承损伤程度识别方法。LMD方法是一种新的自适应时频分析方法,将轴承振动信号分解为若干个瞬时频率有物理意义的乘积函数(Production Function,PF),再结合峭度条件找出蕴含故障信息的最优PF分量,计算其PF函数和包络的Lempel-Ziv的归一化值,再加权求和得到最终的Lempel-Ziv综合指标,表征了不同故障的损伤程度。同时还研究了在不同转速下的内、外圈故障轴承的Lempel-Ziv指标的分布规律,使结论更具有普遍性。经实验结果验证,此方法能有效地应用于滚动轴承的故障程度的诊断。

关键词：局域均值分解 Lempel-Ziv指标损伤程度乘积函数故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于声发射和人工神经网络的混凝土损伤程度识别

引用

建筑材料学报 2014年第4期17卷 672-676页

作者：王岩张友桃胡鸿翔刘绍俊袁亮河海大学土木与交通学院江苏南京210098

采用人工神经网络技术对混凝土损伤过程中所伴生的声发射信号进行识别,可实现对混凝土损伤程度的识别.首先建立人工神经网络模型,并在标准工况下采集混凝土损伤声发射信号;然后根据加载曲线将采集到的声发射信号分为3类(分别对应混凝土... 详细信息

采用人工神经网络技术对混凝土损伤过程中所伴生的声发射信号进行识别,可实现对混凝土损伤程度的识别.首先建立人工神经网络模型,并在标准工况下采集混凝土损伤声发射信号;然后根据加载曲线将采集到的声发射信号分为3类(分别对应混凝土的3个损伤阶段:轻度损伤阶段、中度损伤阶段和严重损伤阶段),并将这3类信号作为标准工况数据输入到神经网络学习模块中进行训练,得到混凝土损伤程度识别系统;最后将相同工况下所采集的混凝土声发射信号输入到系统中,即可识别混凝土的损伤程度.实测结果表明,识别准确率可达90%以上.

关键词：混凝土声发射神经网络模式识别损伤程度

来源：评论

学校读者我要写书评

暂无评论

冲击倾向性煤不同损伤程度声发射分形特征研究

引用

煤炭科学技术 2021年第9期49卷 38-46页

作者：郭海峰宋大钊何学秋娄全邱黎明北京科技大学土木与资源工程学院北京100083 School of Civil Mining and Environmental EngineeringUniversity of WollongongWollongong NSW 2522Australia 中安安全工程研究院北京100083 河南城建学院市政与环境工程学院河南平顶山467036

为研究冲击倾向性煤单轴压缩过程中不同损伤程度声发射分形特征,对冲击倾向性煤进行了单轴压缩试验,基于声发射振铃次数损伤模型和声发射参数时间序列分形维数计算模型,对煤样破坏过程中的损伤演化和不同损伤程度分形维数进行了研究。... 详细信息

为研究冲击倾向性煤单轴压缩过程中不同损伤程度声发射分形特征,对冲击倾向性煤进行了单轴压缩试验,基于声发射振铃次数损伤模型和声发射参数时间序列分形维数计算模型,对煤样破坏过程中的损伤演化和不同损伤程度分形维数进行了研究。研究表明:煤样有大破裂产生时,声发射会出现阶段性增高的现象,较大振铃次数的产生是裂纹扩展、集聚过程中能量释放的结果,冲击煤声发射活动频发大都发生在应力应变全过程的后期;煤样的损伤应变过程可分为3个阶段:初始损伤阶段,损伤演化阶段、损伤持续增长阶段,各阶段的声发射振铃次数占比分别为1.61%、14.83%、83.56%,冲击煤损伤持续增长阶段的时间占比少,但声发射振铃多。随着煤样损伤程度的增加,声发射分形维数先增大,当煤样损伤程度达到30%后突然下降,然后保持波动上升,在煤样损伤程度达到80%时,达到局部峰值后,发生突降,整体变化趋势呈现倾斜的“M”型。分形维数达到峰值后发生突降的现象可作为煤样失稳破坏的前兆信息。

关键词：冲击倾向性振铃次数损伤程度声发射分形维数

来源：评论

学校读者我要写书评

暂无评论

基于应变模态及结构优化技术的结构损伤程度识别方法

引用

北京工业大学学报 2009年第2期35卷 145-151页

作者：彭细荣路新瀛隋允康陈肇元清华大学深圳研究生院深圳518055 北京工业大学工程数值模拟中心北京100124

应用结构优化技术对结构损伤程度进行识别.在结构损伤区域内,以每个单元拟识别的损伤程度指标作为设计变量,以结构局部区域内损伤前后应变模态差极小为目标函数,建立结构识别模型,采用序列线性规划法求解识别模型,算例表明此解可以很好... 详细信息

应用结构优化技术对结构损伤程度进行识别.在结构损伤区域内,以每个单元拟识别的损伤程度指标作为设计变量,以结构局部区域内损伤前后应变模态差极小为目标函数,建立结构识别模型,采用序列线性规划法求解识别模型,算例表明此解可以很好地定位结构损伤的位置及程度.

关键词：应变模态结构识别问题损伤程度

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：