检索结果-内蒙古大学图书馆

中国机械工程 2024年第11期35卷 1909-1919页

作者：李继猛王泽史清心孟宗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

风电机组的非平稳运行、嘈杂环境以及强电磁干扰等影响,使得滚动轴承故障脉冲易被强噪声淹没,微弱特征难以准确识别。提出了一种图正则化约束的频域组稀疏模型,在不依赖周期先验的前提下,实现滚动轴承故障特征的有效提取。将振动信号转... 详细信息

风电机组的非平稳运行、嘈杂环境以及强电磁干扰等影响,使得滚动轴承故障脉冲易被强噪声淹没,微弱特征难以准确识别。提出了一种图正则化约束的频域组稀疏模型,在不依赖周期先验的前提下,实现滚动轴承故障特征的有效提取。将振动信号转化成图信号以构造图正则化约束,利用结构化信息指导惩罚力度,提高稀疏重构的准确性;构建图正则化约束的频域组稀疏模型,给出了组内分量收缩阈值的确定方法,并利用近端映射来简化目标函数以优化求解;最后,利用构造的综合评价指标和蛾焰优化算法优化模型参数,通过对重构后时域稀疏信号的包络谱分析识别滚动轴承故障。数值仿真和实验结果表明,所提方法具有良好的抗噪性能,能够有效地提取强噪声干扰下滚动轴承的微弱故障特征。

关键词：风电机组滚动轴承故障诊断组稀疏图正则化

来源：评论

学校读者我要写书评

暂无评论

压缩感知字典迁移重构的小样本轴承故障诊断

引用

振动与冲击 2024年第5期43卷 62-71,120页

作者：孙洁娣赵彬集温江涛时培明燕山大学信息科学与工程学院河北秦皇岛066004 燕山大学河北省信息传输与信号处理重点实验室河北秦皇岛066004 燕山大学河北省测试计量技术及仪器重点实验室河北秦皇岛066004

针对实际应用中智能轴承故障诊断面临标签样本严重不足的问题,提出一种结合压缩感知、字典学习和迁移的数据增强算法,用于小样本故障诊断研究。首先,利用源域标签数据通过小波包字典学习和优化方法生成特定源域字典,并得到共享表示系数... 详细信息

针对实际应用中智能轴承故障诊断面临标签样本严重不足的问题,提出一种结合压缩感知、字典学习和迁移的数据增强算法,用于小样本故障诊断研究。首先,利用源域标签数据通过小波包字典学习和优化方法生成特定源域字典,并得到共享表示系数,获取故障内在信息;之后采用少量目标域信号微调共享表示系数,并更新源域字典生成迁移字典;最后通过共享表示系数和迁移字典生成大量具有目标域特征的新样本,实现数据增强。采用常用的深度故障诊断网络对该数据增强算法进行了诊断性能验证,结果表明该方法产生的信号具有故障的有效信息,用于模型训练和识别能够取得较好的诊断性能。该方法为小样本故障诊断问题提出了新的思路。

关键词：轴承故障诊断数据增强压缩感知重构字典迁移

来源：评论

学校读者我要写书评

暂无评论

基于MoS_(2)薄膜耦合波导的高品质因数传感特性研究

引用

中国激光 2024年第2期51卷 186-194页

作者：陈颖王建坤丁志欣李美洁赵蒙赵国廷燕山大学电气工程学院测试计量技术与仪器河北省重点实验室河北秦皇岛066004

在波导耦合表面等离子体共振传感器结构中引入MoS_(2)材料,提出了一种全介质MoS_(2)薄膜混合耦合波导结构传感器,该结构使得低品质因数(FOM)波导中产生了频域较宽的宽共振,而高FOM波导中产生了频域较窄的窄共振,实现了双波导耦合,进而... 详细信息

在波导耦合表面等离子体共振传感器结构中引入MoS_(2)材料,提出了一种全介质MoS_(2)薄膜混合耦合波导结构传感器,该结构使得低品质因数(FOM)波导中产生了频域较宽的宽共振,而高FOM波导中产生了频域较窄的窄共振,实现了双波导耦合,进而产生了Fano共振。对传感结构进行了数值模拟与分析研究,探究了MoS_(2)层数及各结构参数对传感性能的影响,并依据其影响将两波导厚度、相邻两层介质材料厚度、MoS_(2)层数作为输入参数,将FOM值作为输出参数,建立了基于深度极限学习机的优化算法。利用优化算法对权值参数进行优化,对比不同优化算法对光谱的优化能力,最终得到了GWO-DELM预测模型。结果表明,Fano形状可以通过改变结构参数进行动态调控。在最佳条件下,经过优化算法优化后的Fano共振的FOM值高达50000。

关键词：传感器 Fano共振 MoS_(2)薄膜双波导耦合 GWO-DELM

来源：评论

学校读者我要写书评

暂无评论

基于四维张量特征分解的风电机组轴承故障缺失数据恢复方法研究

引用

计量学报 2024年第5期45卷 738-746页

作者：时培明孙航璇许学方韩东颖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 燕山大学车辆与能源学院河北秦皇岛066004

针对风电机组轴承故障信息采集过程中数据缺失导致故障类型无法识别问题,提出了一种基于四维张量模型特征分解恢复缺失数据的方法。首先,基于转速、时窗、经验模态分解和时间4个维度构建四维张量;其次,通过加权优化算法实现张量填充,修... 详细信息

针对风电机组轴承故障信息采集过程中数据缺失导致故障类型无法识别问题,提出了一种基于四维张量模型特征分解恢复缺失数据的方法。首先,基于转速、时窗、经验模态分解和时间4个维度构建四维张量;其次,通过加权优化算法实现张量填充,修补故障数据的缺失值;然后,对张量进行Tucker分解得到核心张量及因子矩阵;最后,基于梯度优化算法进行迭代优化得到最终核心张量及因子矩阵,并利用二者对四维张量进行重构得到恢复数据。采用实验数据和实际数据来验证提出方法的有效性和可靠性。结果表明:两组恢复数据的RMSE值分别为0.3169和0.0291,远小于4种对比方法的RMSE值。利用双稳态随机共振对2组恢复数据进行故障特征提取,信噪比显著提高,分别为-13.2647和-15.5212,进一步验证提出方法的准确性。

关键词：信息采集数据恢复轴承故障诊断张量分解缺失值数据特征提取振动测量风电机组

来源：评论

学校读者我要写书评

暂无评论

基于多任务学习的快速序列视觉呈现脑电图分类

引用

仪器仪表学报 2023年第11期44卷 215-223页

作者：谢平胡锦城江国乾王鹏宇门延帝燕山大学电气工程学院秦皇岛066004 河北省智能康复及神经调控重点实验室秦皇岛066004 河北省测试计量技术及仪器重点实验室秦皇岛066004

针对快速序列视觉呈现的脑电图数据存在样本不平衡问题,提出一种基于多任务学习的快速序列视觉呈现脑电图分类模型。首先,建立深度共享特征提取模块,利用卷积神经网络自动学习共享参数,提取与任务关联的深度特征;其次,基于分类任务和超... 详细信息

针对快速序列视觉呈现的脑电图数据存在样本不平衡问题,提出一种基于多任务学习的快速序列视觉呈现脑电图分类模型。首先,建立深度共享特征提取模块,利用卷积神经网络自动学习共享参数,提取与任务关联的深度特征;其次,基于分类任务和超球约束任务构造多任务目标函数,利用两种任务的联合学习提取更有效的判别特征,提高模型泛化性。在快速序列视觉呈现公开数据集中进行实验,与常见的脑电分类模型DeepConvNet、EEGInception、DRL以及EEGNet相比,提出的Multi-task EEGNet在32个受试者中平均AUC分别提升3.57%、1.84%、6.22%和2.09%。实验结果表明,提出的多任务学习模型能更充分地提取判别特征,有效提升模型分类性能,较好地解决EEG分类任务中样本不平衡问题。

关键词：脑电图快速序列视觉呈现多任务学习卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于无阈值递归图的改进2D-BLS褐潮藻细胞密度预测

引用

光学学报 2024年第23期44卷 261-271页

作者：朱奇光李享刘俊飞董志阳陈颖燕山大学信息科学与工程学院河北省特种光纤与光纤传感器重点实验室河北秦皇岛066004 燕山大学电气工程学院测试计量技术与仪器河北省重点实验室河北秦皇岛066004

为了克服荧光法褐潮藻细胞密度预测中三维荧光光谱法采集数据速度相对较慢而发光二极管(LED)诱导荧光光谱法所获得的一维光谱数据光谱特征较少等不足,采用LED诱导荧光光谱法实现一维光谱数据快速获取,并对其进行深入挖掘和数据升维。针... 详细信息

为了克服荧光法褐潮藻细胞密度预测中三维荧光光谱法采集数据速度相对较慢而发光二极管(LED)诱导荧光光谱法所获得的一维光谱数据光谱特征较少等不足,采用LED诱导荧光光谱法实现一维光谱数据快速获取,并对其进行深入挖掘和数据升维。针对传统递归图算法易受人为因素影响的缺点,提出无阈值递归图,采用Jaccard相似系数来选取无阈值递归图相空间重构参数,从而实现光谱数据升维;采用弹性网络回归算法的方式来代替原来的输入权重正则化方式,从而达到稀疏性和稳定性的双重要求;引入左右投影矩阵建立二维宽度学习系统。通过对提出的预测模型进行性能分析可以发现,相比于其他对比模型,所提模型的性能表现最佳,其R^(2)、RMSE和MAE在训练集和测试集上的平均值分别为0.9994、0.00594、0.00355,同时,模型在训练集和测试集的时间指标也均取得了最好的效果,证明该模型可以准确、快速地实现褐潮藻细胞密度预测。

关键词：褐潮藻细胞密度预测 LED诱导荧光光谱法二维宽度学习系统无阈值递归图弹性网络回归左右投影矩阵

来源：评论

学校读者我要写书评

暂无评论

轻度认知功能障碍高低阶耦合网络特征分析

引用

计量学报 2025年第2期46卷 287-297页

作者：甄浩延徐佳森李梓澎李昕燕山大学电气工程学院河北秦皇岛066004 河北省测试计量技术及仪器重点实验室河北秦皇岛066004

针对轻度认知功能障碍患者(MCI)脑功能连接异常问题,提出了一种新的高低阶耦合脑功能网络构建方法。基于皮尔逊相关,在分析不同脑区功能相关与同步基础上,构建脑区之间的高阶耦合网络,并分析高低阶耦合网络特征、小世界属性、rich-club... 详细信息

针对轻度认知功能障碍患者(MCI)脑功能连接异常问题,提出了一种新的高低阶耦合脑功能网络构建方法。基于皮尔逊相关,在分析不同脑区功能相关与同步基础上,构建脑区之间的高阶耦合网络,并分析高低阶耦合网络特征、小世界属性、rich-club系数以及网络的稳定性等重要脑功能网络特征标记。研究结果表明:相较于阿尔茨海默病患者(AD)对照组,MCI组的delta频段其脑网络连接连接强度,全局效率和聚类系数均有显著下降(P<0.05)。分析功能网络核心节点发现AD组和MCI组在各网络下的核心节点数均少于正常(HC)组,MCI组核心节点主要分布在前额叶,AD核心节点主要分布在顶叶和枕叶,在beta和delta频段AD组相较于HC组的核心节点易损性显著提高(P<0.05),而在beta和theta频段中,MCI组的核心节点易损性显著大于HC组(P<0.05)。上述结果说明:高低阶耦合网络特征可以有效地表达轻度认知障碍脑功能状态,将为轻度认知障碍早期诊断提供帮助。

关键词：生物计量轻度认知功能障碍脑功能网络高低阶耦合 rich-club 介数中心度

来源：评论

学校读者我要写书评

暂无评论

基于像素标记法的复合材料异型构件均匀性表征

引用

计量学报 2024年第2期45卷 246-252页

作者：张玉燕李启航温银堂燕山大学电气工程学院河北秦皇岛066004 燕山大学测试计量技术及仪器河北重点实验室河北秦皇岛066004

纤维增强陶瓷基复合材料由孔隙缺陷引起的结构不均匀会严重影响构件的宏观力学性能,而整体孔隙率无法有效表征均匀性。针对此问题,提出了一种基于像素标记的空间区块划分方法,实现对异型构件CT扫描体数据的自动分块。在计算出每个区块... 详细信息

纤维增强陶瓷基复合材料由孔隙缺陷引起的结构不均匀会严重影响构件的宏观力学性能,而整体孔隙率无法有效表征均匀性。针对此问题,提出了一种基于像素标记的空间区块划分方法,实现对异型构件CT扫描体数据的自动分块。在计算出每个区块体孔隙率值的基础上,以孔隙率均值与标准差的乘积为指标,对构件结构均匀性进行定量表征。采用光线投射法对孔隙率进行三维映射,对孔隙率分布进行直观的可视化表征。结果表明:该方法能有效定量表征出异型构件整体及局部均匀性,并从三维角度给出构件局部孔隙率的大小、空间位置信息,为进一步优化制造工艺参数、提高构件服役的可靠性提供了有力依据。

关键词：材料试验复合材料纤维增强陶瓷孔隙缺陷结构均匀性三维映射像素标记法

来源：评论

学校读者我要写书评

暂无评论

一种低复杂度快速收敛的窄带主动噪声控制系统

引用

仪器仪表学报 2023年第1期44卷 85-92页

作者：祝文昭罗磊张夏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 重庆大学光电技术及系统教育部重点实验室重庆400044

传统窄带主动噪声控制(ANC)系统的计算负荷与窄带噪声频带数量正相关,而且其收敛速度和降噪效果存在此消彼长的关系。为解决以上问题,首先基于滤波误差技术简化窄带ANC模型,使系统计算量与窄带噪声频带数量相互独立。然后通过自适应混... 详细信息

传统窄带主动噪声控制(ANC)系统的计算负荷与窄带噪声频带数量正相关,而且其收敛速度和降噪效果存在此消彼长的关系。为解决以上问题,首先基于滤波误差技术简化窄带ANC模型,使系统计算量与窄带噪声频带数量相互独立。然后通过自适应混合参数将两个简化的窄带ANC系统进行并行凸组合,其中一个系统拥有最快的收敛速度,另一个系统拥有较低的稳态误差。提出的系统不仅降低了传统窄带ANC系统的计算复杂度,而且在不牺牲降噪性能的情况下提升了系统收敛速度。实验结果表明,提出系统在不牺牲稳态误差的基础上,收敛时间缩短了78%,有效提升了系统收敛性能。

关键词：主动噪声控制时变多频低复杂度收敛特性稳态误差

来源：评论

学校读者我要写书评

暂无评论

基于多浮标空间多特征融合的海水溶解氧浓度预测

引用

海洋学报 2025年第1期47卷 104-116页

作者：朱奇光申震李享魏祯乔文静张淋淞陈颖燕山大学信息科学与工程学院河北省特种光纤与光纤传感器重点实验室河北秦皇岛066004 燕山大学电气工程学院河北省测试计量技术及仪器重点实验室河北秦皇岛066004

溶解氧浓度是衡量海水水质的重要指标之一。为了及时掌握海水水质变化情况,降低海水污染风险及其带来的损失,建立海洋水质参数预测机制至关重要。为此,本文提出了一种基于浮标网络时空信息融合和改进生成对抗网络(Generative Adversaria... 详细信息

溶解氧浓度是衡量海水水质的重要指标之一。为了及时掌握海水水质变化情况,降低海水污染风险及其带来的损失,建立海洋水质参数预测机制至关重要。为此,本文提出了一种基于浮标网络时空信息融合和改进生成对抗网络(Generative Adversarial Networks,GAN)的海水溶解氧浓度预测模型,旨在整合监测区域内浮标网络的拓扑信息并实现浮标传感器的多特征融合。该模型利用图注意力网络(Graph Attention Mechanism,GAT)挖掘不同近邻点对目标节点的影响,计算邻接节点的权重,从而捕获浮标数据的时空特征;通过双头注意力机制与双时间尺度更新规则(Two Time-Scale Update Rule,TTUR)优化GAN预测网络及网络训练过程,改善生成对抗网络的训练速度平衡问题,提高生成器网络的拟合效果。以均方误差、均方根误差、平均绝对误差与决定系数为评价指标进行模型预测性能对比,结果表明,所提出模型的各项评价指标均优于其他模型,能够有效挖掘多浮标的空间信息,克服了传统方法在海水溶解氧浓度预测中存在的精度低、无法灵活利用历史空间数据、训练稳定性差和速度慢等不足,可为海洋水质监测及预测提供重要的技术支撑。

关键词：溶解氧浓度预测空间多特征融合 GAT GAN TTUR

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：