检索结果-内蒙古大学图书馆

光子学报 2018年第11期47卷 23-29页

作者：赵兴涛蒋国辉程吉瑞华露熊强燕山大学河北省测试计量技术及仪器重点实验室亚稳材料制备技术与科学国家重点实验室河北秦皇岛066004

利用Ti宝石激光器生成的飞秒激光脉冲入射高非线性双零色散光子晶体光纤,进行非线性光谱实验.抽运脉冲的中心波长为800nm,位于接近零色散点的反常色散区,在正常色散区观测到双零色散光子晶体光纤产生的超宽带连续光谱输出,相对于单零色... 详细信息

利用Ti宝石激光器生成的飞秒激光脉冲入射高非线性双零色散光子晶体光纤,进行非线性光谱实验.抽运脉冲的中心波长为800nm,位于接近零色散点的反常色散区,在正常色散区观测到双零色散光子晶体光纤产生的超宽带连续光谱输出,相对于单零色散光子晶体光纤,转换效率更高、谱带稳定而平滑,不仅获得了高效宽带蓝移色散波,还获得了长波段正常色散区的宽带红移色散波.实验结果与理论分析的相位匹配条件一致,阐明了色散波产生的物理机理.随泵浦功率的增大,长波段红移色散波发生明显红移,可见波段蓝移色散波强度显著增长,当泵浦功率为0.68 W时,泵浦光几乎全部转化,蓝移色散波与残余泵浦的输出功率之比大于257∶1,光谱转换效率极高,达到99.6%以上.蓝移色散波的宽带达到了309nm,近红外波段的红移色散波与孤子波相连,形成超连续谱,带宽可达628nm.实验结果对超短脉冲激光频率转换和宽带光源的研究具有参考价值.

关键词：光纤晶体光纤非线性光学相位匹配色散波喇曼散射高效频率转换

来源：评论

学校读者我要写书评

暂无评论

加权多重多尺度熵及其在孤独症儿童脑电信号分析中的应用

引用

生物医学工程学杂志 2019年第1期36卷 33-39,49页

作者：李昕安占周李秋月史春燕张洁康健楠燕山大学电气工程学院生物医学工程研究所河北秦皇岛066004 河北省测试计量技术及仪器重点实验室河北秦皇岛066004 河北大学电子信息工程学院河北保定071002

本文针对传统多尺度熵在多尺度化过程中信息丢失问题,提出一种加权多重多尺度熵特征提取算法。该算法在各尺度上构建了从大到小的多重数据序列,考虑多重数据序列对该尺度样本熵的贡献程度不同,计算各个序列在该尺度序列中所占比重,以此... 详细信息

本文针对传统多尺度熵在多尺度化过程中信息丢失问题,提出一种加权多重多尺度熵特征提取算法。该算法在各尺度上构建了从大到小的多重数据序列,考虑多重数据序列对该尺度样本熵的贡献程度不同,计算各个序列在该尺度序列中所占比重,以此作为系数重构各尺度样本熵。相比于传统多尺度熵算法,该算法不但克服了信息丢失问题,还充分考虑了序列的相关性与对总熵值的贡献程度,减小了尺度间的波动,更能挖掘脑电信号的细节信息。基于该算法,本文分析了孤独症(ASD)儿童脑电信号特征,与样本熵、传统多尺度熵及延搁取值法多重多尺度熵算法比较,分类准确率分别提高了23.0%、10.4%与6.4%。基于该算法对比分析孤独症儿童与对照组健康儿童的19通道脑电信号,结果表明除FP2通道外,其余通道的熵值均显示健康儿童略高于孤独症儿童,且F3、F7、F8、C3、P3通道的熵值差异具有统计学意义(P<0.05)。本文通过对各个脑区加权多重多尺度熵进行分类,发现前颞叶区域通道(F7、F8)的分类准确率最高,表明前颞叶可以作为评估孤独症儿童脑功能状态的敏感脑区。

关键词：孤独症脑电信号样本熵加权多重多尺度熵

来源：评论

学校读者我要写书评

暂无评论

基于VMD和变尺度多稳随机共振的微弱故障信号特征提取方法

引用

计量学报 2018年第4期39卷 515-520页

作者：时培明苏晓袁丹真苏冠华马晓杰燕山大学河北省测试计量技术及仪器重点实验室河北秦皇岛066004

针对强噪声背景下旋转机械早期故障诊断的难题,提出一种基于变分模态分解与变尺度多稳随机共振的微弱故障信号特征提取方法。首先应用参数优化的变分模态分解(variational mode decomposition,VMD)算法对微弱故障信号进行分解,得到若干... 详细信息

针对强噪声背景下旋转机械早期故障诊断的难题,提出一种基于变分模态分解与变尺度多稳随机共振的微弱故障信号特征提取方法。首先应用参数优化的变分模态分解(variational mode decomposition,VMD)算法对微弱故障信号进行分解,得到若干本征模态分量(intrinsic mode function,IMF);然后通过峭度准则筛选出其中峭度最大的IMF分量;最后对该IMF分量进行变尺度多稳随机共振,实现微弱故障信号的增强。实例表明:在强噪声背景下,利用参数优化VMD分解与变尺度多稳随机共振相结合的方法,可以有效提取出微弱信号特征频率,实现旋转机械故障状态的准确判断。

关键词：计量学故障诊断旋转机械多稳随机共振变分模态分解特征提取

来源：评论

学校读者我要写书评

暂无评论

基于局部均值分解多尺度模糊熵和灰色相似关联度的滚动轴承故障诊断

引用

计量学报 2018年第2期39卷 231-236页

作者：孟宗赵东方李晶熊景鸣刘爽燕山大学河北省测试计量技术及仪器重点实验室河北秦皇岛066004

提出了一种基于局部均值分解多尺度模糊熵和灰色相似关联度相结合的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数,并从中选取包含主要故障信息的PF分量计算多尺度模糊熵作为特征向量,通过计算待识别样本与标准故... 详细信息

提出了一种基于局部均值分解多尺度模糊熵和灰色相似关联度相结合的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数,并从中选取包含主要故障信息的PF分量计算多尺度模糊熵作为特征向量,通过计算待识别样本与标准故障模式的灰色相似关联度,对滚动轴承故障类型和损伤程度进行判断。将该方法与LMD模糊熵和灰色相似关联度相结合的方法进行了对比,实验表明,基于LMD多尺度模糊熵和灰色相似关联度的滚动轴承故障诊断方法,能够有效地识别滚动轴承运行状态,实现对滚动轴承的故障诊断。

关键词：计量学滚动轴承故障诊断局部均值分解多尺度模糊熵灰色相似关联度

来源：评论

学校读者我要写书评

暂无评论

基于深度信念网络的风机主轴承状态监测方法

引用

中国机械工程 2018年第8期29卷 948-953页

作者：王洪斌王红何群王跃灵周振燕山大学工业计算机控制工程河北省重点实验室秦皇岛066004 燕山大学河北省测试计量技术及仪器重点实验室秦皇岛066004

提出了一种基于深度信念网络(DBN)的风电机组主轴承状态监测方法。为了降低建模难度并减少训练时间,首先利用相关系数法选取建模变量,进而建立主轴承正常行为的DBN温度模型并用于主轴承温度预测。该模型克服了传统神经网络随机初始化网... 详细信息

提出了一种基于深度信念网络(DBN)的风电机组主轴承状态监测方法。为了降低建模难度并减少训练时间,首先利用相关系数法选取建模变量,进而建立主轴承正常行为的DBN温度模型并用于主轴承温度预测。该模型克服了传统神经网络随机初始化网络权重、易陷入局部最小值等缺点,能有效提高主轴承温度的预测精度。然后采用指数加权移动平均法(EWMA)对主轴承温度残差序列进行分析,并利用核密度估计方法确定故障阈值。最后基于实测的数据采集与监视控制(SCADA)系统数据对主轴承故障进行模拟。结果表明,与传统预测方法相比,该方法能有效地实现主轴承的异常状态监测。

关键词：数据采集与监视控制深度信念网络温度建模状态监测

来源：评论

学校读者我要写书评

暂无评论

基于三维荧光光谱的Krawtchouk图像矩算法在多环芳烃定量分析中的应用

引用

光谱学与光谱分析 2018年第12期38卷 3785-3789页

作者：潘钊崔耀耀吴希军苑媛媛刘婷婷燕山大学河北省测试计量技术及仪器重点实验室河北秦皇岛066004 燕山大学信息科学与工程学院河北秦皇岛066004

以多环芳烃中的芴和苊为研究对象,提出一种将三维荧光光谱技术与Krawtchouk图像矩、广义回归神经网络相结合的定量分析的方法。利用FS920荧光光谱仪获取样品的三维荧光光谱数据,得到对应的三维光谱灰度图。直接计算三维光谱灰度图的Kraw... 详细信息

以多环芳烃中的芴和苊为研究对象,提出一种将三维荧光光谱技术与Krawtchouk图像矩、广义回归神经网络相结合的定量分析的方法。利用FS920荧光光谱仪获取样品的三维荧光光谱数据,得到对应的三维光谱灰度图。直接计算三维光谱灰度图的Krawtchouk矩,将得到的Krawtchouk矩经平均影响值筛选后作为广义回归神经网络的输入,建立多环芳烃(PAHs)的定量模型。预测8组混合溶液的测试样本,芴和苊的平均相对误差分别为0. 98%和2. 15%。研究结果表明,Krawtchouk矩经过筛选后预测结果更为准确,该方法能够有效提取光谱的特征信息,简单、准确的预测PAHs的浓度。

关键词：三维荧光光谱 Krawtchouk矩平均影响值广义回归神经网络

来源：评论

学校读者我要写书评

暂无评论

一种基于神经网络的双足机器人混合动力学系统辨识方法

引用

中国机械工程 2018年第14期29卷 1674-1681页

作者：吴晓光张天赐韦磊李艳会王挺进张波燕山大学河北省测试计量技术及仪器重点实验室秦皇岛066004 中国唐山机车车辆有限公司唐山063000

针对双足机器人的混合动力学系统辨识问题,从系统渐进稳定性角度分析,推导出连续与离散混合系统的可辨识条件,提出了一种基于混沌粒子群优化的径向基函数神经网络与动态模糊神经网络的联合辨识方法。利用混沌粒子群优化的径向基函数神... 详细信息

针对双足机器人的混合动力学系统辨识问题,从系统渐进稳定性角度分析,推导出连续与离散混合系统的可辨识条件,提出了一种基于混沌粒子群优化的径向基函数神经网络与动态模糊神经网络的联合辨识方法。利用混沌粒子群优化的径向基函数神经网络辨识双腿的连续摆动阶段,利用动态模糊神经网络辨识离散的足地碰撞阶段;依据两阶段同一变量的耦合、转换关系,实现了对双足机器人整体混合系统的准确辨识。仿真实验结果表明,该方法辨识和预测结果具有较高的准确度。

关键词：双足机器人混合动力学系统系统辨识神经网络

来源：评论

学校读者我要写书评

暂无评论

模糊粒化非监督学习结合随机森林融合的旋转机械故障诊断

引用

机械科学与技术 2018年第11期37卷 1722-1730页

作者：温江涛周熙楠燕山大学河北省测试计量技术及仪器重点实验室河北秦皇岛066004

在旋转机械的智能故障诊断中,复杂网络结构的非监督学习方法调节参数多,训练时间长,而结构简单的网络诊断准确率不够理想。针对以上问题,采用模糊信息粒化和稀疏自编码器搭建并行结构的学习网络,并行结构的稀疏自编码器同时对粒化后重... 详细信息

在旋转机械的智能故障诊断中,复杂网络结构的非监督学习方法调节参数多,训练时间长,而结构简单的网络诊断准确率不够理想。针对以上问题,采用模糊信息粒化和稀疏自编码器搭建并行结构的学习网络,并行结构的稀疏自编码器同时对粒化后重新构成的多个有效参量信息自适应的进行特征提取,随后使用随机森林方法对提取的特征进行融合分类。实验结果表明该方法可以有效实现高精度故障诊断;且与常用的串行多网络处理结构相比,降低了网络参数调节的复杂度和多层网络的前后影响,并且提高了诊断精度,减少了训练时间。

关键词：旋转机械故障诊断模糊信息粒化稀疏自编码随机森林

来源：评论

学校读者我要写书评

暂无评论

基于多尺度感知哈希特征的目标跟踪算法研究

引用

高技术通讯 2018年第3期28卷 219-226页

作者：张立国王松金梅崔利洋燕山大学河北省测试计量技术与仪器重点实验室秦皇岛066004

研究了目标跟踪与检测。考虑到其应用环境复杂,造成对光照变化鲁棒性不强,目标跟踪过程中数据丢失,实时跟踪时检测速度不够的问题,结合哈希指纹特征对光照变化鲁棒性强的特点,提出了一种基于多尺度(multi-scale)感知哈希(Hash)特征的目... 详细信息

研究了目标跟踪与检测。考虑到其应用环境复杂,造成对光照变化鲁棒性不强,目标跟踪过程中数据丢失,实时跟踪时检测速度不够的问题,结合哈希指纹特征对光照变化鲁棒性强的特点,提出了一种基于多尺度(multi-scale)感知哈希(Hash)特征的目标跟踪算法,即MHash算法。该算法采用多种尺度扫描窗口对待检测图像进行扫描,利用双线性内插值的方法缩小扫描窗口提取哈希指纹特征;同时利用汉明距离与高斯分布相结合的方法对扫描窗口进行评价,评分最高的作为目标窗口。该算法已应用于人脸、运动车辆及快速和缓慢移动物体的跟踪与检测,并分析了跟踪与检测结果。结果表明,MHash算法具有速度快、跟踪稳定及对光照、目标尺度变化鲁棒性强的特点,能够长期有效地对目标进行跟踪。

关键词：目标跟踪多尺度感知哈希汉明距离特征提取

来源：评论

学校读者我要写书评

暂无评论

基于小波包字典优化的旋转机械振动信号压缩感知重构方法

引用

振动与冲击 2018年第22期37卷 164-172页

作者：温江涛孙洁娣于洋闫常弘燕山大学河北省测试计量技术及仪器重点实验室河北秦皇岛066004 燕山大学信息科学与工程学院河北秦皇岛066004

采用工业无线传感器网络的机械状态监测系统需要进行复杂的数据压缩和高精度的重构,而传感器网络节点资源受限,针对这一问题提出基于小波包字典优化的旋转机械振动信号压缩感知重构方法。该方法结合小波包多分辨率分析及K-SVD字典训练方... 详细信息

采用工业无线传感器网络的机械状态监测系统需要进行复杂的数据压缩和高精度的重构,而传感器网络节点资源受限,针对这一问题提出基于小波包字典优化的旋转机械振动信号压缩感知重构方法。该方法结合小波包多分辨率分析及K-SVD字典训练方法,提出了小波包字典优化方法代替传统的正交基字典稀疏表示方法,提高稀疏度。根据旋转机械振动信号自身特征,提出用块稀疏贝叶斯学习最大期望值算法,代替传统仅依赖于稀疏假设的算法实现信号重构。实际轴承振动信号仿真结果表明,该方法相对于传统的压缩感知方法重构性能明显提高。

关键词：旋转机械振动信号压缩感知重构小波包字典优化 K-SVD 块稀疏贝叶斯学习

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：