期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于谐波特征和GA-SVM的刀具状态监测 被引量:1
1
作者 陈泽宇 《制造技术与机床》 CSCD 北大核心 2012年第6期146-149,共4页
刀具状态的监测是实现机械加工自动化重要的一环。为了有效地捕捉刀具的状态信息,提出了一种基于谐波特征和GA-SVM(遗传-支持向量机)相结合的刀具状态监测方法。该方法运用小波变换提取AE信号的谐波特征信息,作为支持向量机的输入参数,G... 刀具状态的监测是实现机械加工自动化重要的一环。为了有效地捕捉刀具的状态信息,提出了一种基于谐波特征和GA-SVM(遗传-支持向量机)相结合的刀具状态监测方法。该方法运用小波变换提取AE信号的谐波特征信息,作为支持向量机的输入参数,GA寻找SVM建立刀具状态模型的最优参数,通过训练建立模型。结果表明,该方法能有效监测刀具磨损状态。 展开更多
关键词 刀具磨损 AE信号 GA-SVM 谐波特征
下载PDF
利用仰角信息降低直升机声目标检测虚警率
2
作者 杨巨龙 刘翔 +1 位作者 张玉军 高勇 《舰船电子工程》 2011年第4期147-151,共5页
对直升机声目标的检测是低空管制的一项重要内容。利用谐波特征识别直升机声信号往往受到地面噪声的影响,系统的虚警率高。不同的声源目标有着不同的空间位置,依据这一特性,文中提出一种利用仰角信息和谐波特征综合判断的方法来检测直... 对直升机声目标的检测是低空管制的一项重要内容。利用谐波特征识别直升机声信号往往受到地面噪声的影响,系统的虚警率高。不同的声源目标有着不同的空间位置,依据这一特性,文中提出一种利用仰角信息和谐波特征综合判断的方法来检测直升机声目标。实验的对比结果表明了该方法的有效性和可行性,系统的虚警率从18.29%降到了4.88%。最后在LabVIEW环境下,设计出声探测技术实验平台用于直升机声目标的检测,实现了软件和硬件的结合。平台的界面友好,操作简单,实用性较好。 展开更多
关键词 仰角信息 谐波特征 虚警率
下载PDF
基于电流谐波特征的矿用电缆劣化监测与故障诊断 被引量:4
3
作者 卢润戈 徐涛 +2 位作者 周卓蓓 李茂 黄潮灿 《工矿自动化》 CSCD 北大核心 2023年第10期35-42,共8页
矿用电缆受煤矿恶劣环境影响,容易发生绝缘劣化、护套受损等情况,传统的矿用电缆检测多采用低压脉冲法、局放法等离线诊断方式,操作复杂,准确度低,难以满足现代煤矿生产需求。而现有基于谐波的电缆故障诊断方法存在检测装置笨重、检测... 矿用电缆受煤矿恶劣环境影响,容易发生绝缘劣化、护套受损等情况,传统的矿用电缆检测多采用低压脉冲法、局放法等离线诊断方式,操作复杂,准确度低,难以满足现代煤矿生产需求。而现有基于谐波的电缆故障诊断方法存在检测装置笨重、检测精确低、难以在煤矿应用等问题。针对上述问题,提出一种基于电流谐波特征的矿用电缆劣化监测与故障诊断方法。提取电缆中高次谐波含量信息作为故障特征向量,对特征向量进行归一化处理后导入极限梯度提升树(XGBoost)模型,结合已知电缆故障劣化度数据,形成训练样本集,训练XGBoost模型,最后通过构建的XGBoost模型对电缆劣化度进行实时监测和故障诊断。仿真结果表明:针对电缆不同部位提取的高次谐波向量的相对能量有明显不同,表明提取的高次谐波向量可表征电缆不同部位的运行状态;XGBoost模型的拟合优度参数R2高达0.93,且误差较小。案例分析结果验证了基于电流谐波特征的矿用电缆劣化监测与故障诊断方法可对矿用电缆运行状态及劣化故障进行实时、准确的监测和诊断。 展开更多
关键词 矿用电缆 故障诊断 劣化监测 电流谐波特征 极限梯度提升树 XGBoost模型
下载PDF
一种用电设备分析识别原理与应用
4
作者 施郁凡 陈圣泽 +4 位作者 江剑峰 赵舫 叶思文 沈一鹤 杨喜军 《变频器世界》 2024年第7期71-78,共8页
非侵入式负荷监测(NILM)与识别是智能电网建设的重要方面。针对非侵入式用电负荷监测技术提出了一种基于V-I轨迹与奇次谐波分量特征的混合特征矩阵和卷积神经网络相结合的方法。具体内容为:分析用电设备的基本特征,包括输入电流稳态特... 非侵入式负荷监测(NILM)与识别是智能电网建设的重要方面。针对非侵入式用电负荷监测技术提出了一种基于V-I轨迹与奇次谐波分量特征的混合特征矩阵和卷积神经网络相结合的方法。具体内容为:分析用电设备的基本特征,包括输入电流稳态特征和暂态特征。建立了六种单相交流电源供电的用电设备MATLAB/Simulink仿真电路,分别为电阻加热器、电吹风、LED灯串、电源适配器、变频空调和变频冰箱,作为待分析识别的用电设备,并提取了这六种负荷模型的网侧电流波形和频谱、V-I轨迹以及奇次谐波电流分量数据作为基本特征量;提出了一种采用V-I轨迹与奇次谐波特征的混合特征矩阵以及卷积神经网络(CNN)进行用电设备分析识别,经过PLAID数据集的训练和测试,能够有效识别稳态运行下的用电设备,给出了详细的解算过程,并提供了应用算例。此外,对比分析了已有三种检测方法,验证本文提出的基于混合特征矩阵以及卷积神经网络用电设备分析识别方法的优越性。 展开更多
关键词 用电设备分析识别 非侵入式负荷监测 V-I轨迹 奇次谐波特征 二维像素矩阵 卷积神经网络
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部