期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于支持向量机的飞行器多余物信号识别
被引量：
10
1
作者
孟偲
李阳刚
+1 位作者
张国强
赵长兴
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020年第3期488-495,共8页
针对飞行器控制电路在生产制造过程中可能引入金属线头等微小多余物,从而留下短路等安全隐患的问题,提出了一种基于微粒碰撞噪声检测(PIND)的飞行器多余物材质识别方法。首先,利用短时自相关函数提取PIND信号的脉冲部分;然后,提取多种...
针对飞行器控制电路在生产制造过程中可能引入金属线头等微小多余物,从而留下短路等安全隐患的问题,提出了一种基于微粒碰撞噪声检测(PIND)的飞行器多余物材质识别方法。首先,利用短时自相关函数提取PIND信号的脉冲部分;然后,提取多种时频域统计特征,并与梅尔频率倒谱系数(MFCC)特征结合起来;最后,训练多分类支持向量机模型实现材质分类。为验证所提方法的有效性,采集了3种不同材质多余物的PIND信号进行模型训练及测试,实验结果表明,所提方法材质识别准确率达98%,优于同类方法的相关结果。
展开更多
关键词
多余物
检测
微粒
碰撞
噪声
检测
(
pind
)
机器学习
信号识别
支持向量机
下载PDF
职称材料
题名
基于支持向量机的飞行器多余物信号识别
被引量：
10
1
作者
孟偲
李阳刚
张国强
赵长兴
机构
北京航空航天大学宇航学院
北京航空航天大学生物医学工程高精尖创新中心
航天科工防御技术研究试验中心
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020年第3期488-495,共8页
文摘
针对飞行器控制电路在生产制造过程中可能引入金属线头等微小多余物,从而留下短路等安全隐患的问题,提出了一种基于微粒碰撞噪声检测(PIND)的飞行器多余物材质识别方法。首先,利用短时自相关函数提取PIND信号的脉冲部分;然后,提取多种时频域统计特征,并与梅尔频率倒谱系数(MFCC)特征结合起来;最后,训练多分类支持向量机模型实现材质分类。为验证所提方法的有效性,采集了3种不同材质多余物的PIND信号进行模型训练及测试,实验结果表明,所提方法材质识别准确率达98%,优于同类方法的相关结果。
关键词
多余物
检测
微粒
碰撞
噪声
检测
(
pind
)
机器学习
信号识别
支持向量机
Keywords
loose particle detection
particle impact noise detection(
pind
)
machine learning
signal recognition
support vector machine
分类号
TP274.3 [自动化与计算机技术—检测技术与自动化装置]
TP274.5 [自动化与计算机技术—控制科学与工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于支持向量机的飞行器多余物信号识别
孟偲
李阳刚
张国强
赵长兴
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020
10
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
