检索结果-内蒙古大学图书馆

中国激光 2014年第9期41卷 265-269页

作者：王书涛曾秋菊宋浩兵刘铭华李梅梅王丽媛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 燕山大学信息科学与工程学院河北秦皇岛066004

光谱吸收法是对甲烷浓度检测的一种有效手段,通过棱镜气室结合光子晶体光纤的应用实现光谱吸收法对甲烷浓度的高精度在线检测。但在检测过程中,由于环境中温度、压强以及系统本身设备的影响,使得接收的信号中包含大量的噪声。支持向量机... 详细信息

光谱吸收法是对甲烷浓度检测的一种有效手段,通过棱镜气室结合光子晶体光纤的应用实现光谱吸收法对甲烷浓度的高精度在线检测。但在检测过程中,由于环境中温度、压强以及系统本身设备的影响,使得接收的信号中包含大量的噪声。支持向量机(SVM)具有泛化能力强和寻求全局最优点的特点,被用于甲烷浓度检测的信号处理。Matlab实验结果表明,使用SVM原理滤波能有效地滤除噪声,把有效的信号分离出来,并用信噪比评估去噪效果。使用该方法滤波能够使信噪比达到130dB以上,与传统的小波降噪相比有很大的提高,能达到理想的去噪目的。

关键词：光谱学甲烷检测光子晶体光纤棱镜气室支持向量机信噪比

来源：评论

学校读者我要写书评

暂无评论

压缩感知域智能天然气管道泄漏孔径识别

引用

仪器仪表学报 2017年第12期38卷 3071-3078页

作者：孙洁娣乔艳雷温江涛燕山大学信息科学与工程学院秦皇岛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

天然气管道泄漏监测正在进入大数据时代,针对传统方法存在的采集数据冗余、特征提取及识别受主观因素影响较大等问题,结合压缩感知与深度学习理论,提出一种在变换域进行泄漏信号的压缩采集、在压缩感知域进行自适应特征提取及识别的智... 详细信息

天然气管道泄漏监测正在进入大数据时代,针对传统方法存在的采集数据冗余、特征提取及识别受主观因素影响较大等问题,结合压缩感知与深度学习理论,提出一种在变换域进行泄漏信号的压缩采集、在压缩感知域进行自适应特征提取及识别的智能天然气管道泄漏孔径识别方法。通过随机高斯矩阵获取压缩采集数据,并通过深度学习挖掘测量信号中隐藏的泄漏孔径信息,经稀疏滤波实现特征的自动筛选,最后研究了softmax回归实现孔径的高精度分类识别。实验结果表明,该方法实现了监测数据的压缩,对压缩感知域采集信号的识别性能明显优于传统方法。

关键词：管道泄漏孔径识别压缩感知采集深度学习稀疏滤波 softmax回归

来源：评论

学校读者我要写书评

暂无评论

基于压缩采集与深度学习的轴承故障诊断方法

引用

仪器仪表学报 2018年第1期39卷 171-179页

作者：温江涛闫常弘孙洁娣乔艳雷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 燕山大学信息科学与工程学院秦皇岛066004

机械健康监测正进入大数据时代,针对传统轴承故障检测存在的采样数据量大、故障特征依赖主观选取等问题,研究了轴承故障信号变换域的压缩采集、自动特征提取及诊断方法。基于压缩感知和深度学习理论,研究用随机高斯矩阵实现轴承信号的... 详细信息

机械健康监测正进入大数据时代,针对传统轴承故障检测存在的采样数据量大、故障特征依赖主观选取等问题,研究了轴承故障信号变换域的压缩采集、自动特征提取及诊断方法。基于压缩感知和深度学习理论,研究用随机高斯矩阵实现轴承信号的变换域压缩采集,并将此信号输入深度神经网络实现故障的智能诊断。该方法克服了传统针对时域信号的特征提取计算复杂、受先验知识和主观经验影响较大等问题,直接利用含有大量故障信息的压缩感知域采集信号训练深度神经网络,充分利用深度学习挖掘少量压缩采集数据中隐藏的故障信息,从而实现智能、准确的分类。实验结果表明,该方法实现了对不同故障位置和缺损程度的故障特征自动提取与准确故障诊断。

关键词：轴承故障诊断压缩感知域采集深度学习稀疏自编码

来源：评论

学校读者我要写书评

暂无评论

基于双树复小波及递归图的管道泄漏定位方法

引用

计量学报 2015年第6期36卷 617-621页

作者：王惠新王玉田黄满义王晓婧张淑清陈颖王世豪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

提出双树复小波变换（DTCWT）及递归图（RP）平均灰度的输油管道泄漏检测定位方法。DTCWT能够克服传统离散小波变换的缺点，完整提取信号特征。RP平均法能够对泄漏前、中、后期对角线附近的相邻区域给出明显分界线，与传统小波模极大方... 详细信息

提出双树复小波变换（DTCWT）及递归图（RP）平均灰度的输油管道泄漏检测定位方法。DTCWT能够克服传统离散小波变换的缺点，完整提取信号特征。RP平均法能够对泄漏前、中、后期对角线附近的相邻区域给出明显分界线，与传统小波模极大方法比较，能更加准确地定位泄漏点。对监测点采集到的压力信号进行双树复小波变换提取特征信号；然后，对特征信号进行递归图分析，变化区域明显的分界点即为发生泄漏的特征时刻；最后根据负压波定位原理确定泄漏点具体位置。仿真实验验证了该方法的有效性和优越性。

关键词：计量学管道泄漏检测定位负压波双树复小波变换递归图

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

交变电磁场与超声波对硬水溶液及其结晶的影响

引用

化工学报 2018年第4期69卷 1620-1630页

作者：张传鑫韩勇朱琳赵瑞宽吴会帆河北省测试计量技术及仪器重点实验室燕山大学电气工程学院河北秦皇岛066004 河北省应用化学重点实验室燕山大学环境与化学工程学院河北秦皇岛066004

实验研究了交变电磁场、超声波及二者协同作用对硬水溶液pH及电导率的影响,并对实验过程中溶液内析出的碳酸钙晶体表面形态及晶体组成进行了观测与研究。研究结果表明:交变电磁场与超声波都能影响Ca(HCO_3)_2溶液内的离子水解平衡;交变... 详细信息

实验研究了交变电磁场、超声波及二者协同作用对硬水溶液pH及电导率的影响,并对实验过程中溶液内析出的碳酸钙晶体表面形态及晶体组成进行了观测与研究。研究结果表明:交变电磁场与超声波都能影响Ca(HCO_3)_2溶液内的离子水解平衡;交变电磁场能提升正、负离子的碰撞概率,促进CaCO_3晶体成核并抑制其体积增长;超声波能够促使CaCO_3沉淀的生成,同时增大溶液内离子的迁移速率,破坏晶体内碳酸根排列的有序性,诱导CaCO_3晶体缺陷性生长;通过SEM对最终生成的晶体形态观测可知,交变电磁场与超声波协同作用能够增加CaCO_3小尺寸晶体的数量,并抑制晶体体积生长,且能增加霰石在沉淀中的比例。

关键词： pH 电导率水解成核粒度分布 SEM

来源：评论

学校读者我要写书评

暂无评论

基于局部自适应鲁棒回归的点云消噪

引用

机械工程学报 2013年第2期49卷 20-27页

作者：林洪彬刘彬张玉存李梦瑞燕山大学电气工程学院秦皇岛066004 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 燕山大学信息科学与工程学院秦皇岛066004

针对传统点云消噪算法低频平滑与高频磨平之间的矛盾,提出基于局部自适应邻域鲁棒回归的点云消噪算法。提出采样点局部自适应邻域的概念,使采样点邻域的大小能够根据模型局部形状进行自适应调整,为点云模型的低频区域平滑和高频区域特... 详细信息

针对传统点云消噪算法低频平滑与高频磨平之间的矛盾,提出基于局部自适应邻域鲁棒回归的点云消噪算法。提出采样点局部自适应邻域的概念,使采样点邻域的大小能够根据模型局部形状进行自适应调整,为点云模型的低频区域平滑和高频区域特征保持奠定基础;针对传统的最小二乘曲面拟合受旁值点影响大,采样点微分几何信息提取可靠性差的问题,提出对采样点局部自适应邻域进行鲁棒回归,以实现采样点微分几何信息的可靠提取;以采样点法向和最大最小曲率为基础,构造一种新的采样点特征测度函数。在对测度函数的特性进行研究的基础上,根据测度函数值将采样点划分为特征点、非特征点和过渡点,并利用特征测度函数进行有效子邻域识别,实现点云数据的低频平滑和高频保特征消噪;通过对比试验验证算法的有效性。

关键词：点云消噪局部自适应邻域鲁棒回归特征测度

来源：评论

学校读者我要写书评

暂无评论

基于自排序熵的表面肌电信号特征提取方法

引用

模式识别与人工智能 2014年第6期27卷 496-501页

作者：谢平魏秀利杜义浩陈晓玲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秦皇岛066004

针对人体表面肌电信号的非平稳、非线性特点,提出一种基于排序熵和自互信息的自排序熵指标,定量描述表面肌电信号的内在动力学特性,实现肢体不同运动状态下肌电信号非线性特征的有效刻画.进行健康受试者上肢肘关节不同弯曲角度下表面肌... 详细信息

针对人体表面肌电信号的非平稳、非线性特点,提出一种基于排序熵和自互信息的自排序熵指标,定量描述表面肌电信号的内在动力学特性,实现肢体不同运动状态下肌电信号非线性特征的有效刻画.进行健康受试者上肢肘关节不同弯曲角度下表面肌电采集实验,计算其自排序熵指标并运用支持向量机进行动作识别,通过与已有表面肌电特征指标的对比分析,验证文中方法的有效性.

关键词：表面肌电信号(sEMG) 自排序熵特征提取支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于信号时频域聚集性的欠定盲分离混合矩阵估计方法

引用

北京理工大学学报 2016年第7期36卷 733-738页

作者：温江涛赵倩云孙洁娣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

为解决欠定盲分离中混合矩阵估计问题,通过研究观测信号在时频域的线性聚集特性,提出一种基于时频域线性聚集程度差异的混合矩阵估计方法,并着重研究在信号线性聚集程度较弱情况下对混合矩阵的估计.首先,利用观测信号或其时频域中相应... 详细信息

为解决欠定盲分离中混合矩阵估计问题,通过研究观测信号在时频域的线性聚集特性,提出一种基于时频域线性聚集程度差异的混合矩阵估计方法,并着重研究在信号线性聚集程度较弱情况下对混合矩阵的估计.首先,利用观测信号或其时频域中相应变换系数的比值分布衡量信号线性聚集程度;其次,采用优化初始中心的K-均值聚类算法估计混合矩阵.该算法降低了对信号稀疏性的要求,并且可以较高精度地估计出混合矩阵.仿真实验结果表明该方法具有可行性和有效性.

关键词：欠定盲源分离混合矩阵估计线性聚集性改进K-均值聚类

来源：评论

学校读者我要写书评

暂无评论

基于方向密度检测与霍夫变换的混合矩阵估计

引用

北京理工大学学报 2016年第11期36卷 1188-1193页

作者：孙洁娣李玉霞温江涛闫盛楠燕山大学信息科学与工程学院河北秦皇岛066004 燕山大学河北省测试计量技术及仪器重点实验室河北秦皇岛066004

针对欠定盲源分离混合矩阵的估计问题,提出一种基于局部方向密度检测的孤立时频点处理与霍夫变换相结合的混合矩阵估计算法.首先通过变换域单源时频点处理增强信号的稀疏性,对散点图中的方向直线进行霍夫变换,通过判断局部极大值点确定... 详细信息

针对欠定盲源分离混合矩阵的估计问题,提出一种基于局部方向密度检测的孤立时频点处理与霍夫变换相结合的混合矩阵估计算法.首先通过变换域单源时频点处理增强信号的稀疏性,对散点图中的方向直线进行霍夫变换,通过判断局部极大值点确定源信号数量并估计混合矩阵.针对霍夫变换易出现的峰值簇拥问题,提出采用局部方向密度检测方法先判别并去除孤立时频点,之后再进行霍夫变换,提高了混合矩阵的估计精度.实验结果表明本文所提出的方法能够在未知源信号数量情况下实现混合矩阵估计,且估计精度高于K-means等常用方法.

关键词：欠定盲源分离混合矩阵估计霍夫变换局部方向密度孤立时频点

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：