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
共找到5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：
基于微服务架构的电力信息系统全链路监控技术 被引量：9
1
作者 张华兵 周英耀 +1 位作者 徐磊 石宏宇 《沈阳工业大学学报》 CAS 北大核心 2022年第4期409-414,共6页
针对电力信息系统的单体架构处理信息量较小,无法全面监测电网链路信息的问题,提出基于微服务架构的电力信息系统的全链路监控技术.利用压缩感知算法建立测量与感知矩阵,完成信号重构;采集全链路信息,使用连续小波变换方法对监控信号降... 针对电力信息系统的单体架构处理信息量较小,无法全面监测电网链路信息的问题,提出基于微服务架构的电力信息系统的全链路监控技术.利用压缩感知算法建立测量与感知矩阵,完成信号重构;采集全链路信息,使用连续小波变换方法对监控信号降噪处理.构建微服务架构,通过纵向与横向两个维度实现全链路监控.实验结果表明,该方法监控到结果和人工注入的异常数据包数量完全一致,能够实时、准确地监控电力信息系统线路中的电流及电压数据. 展开更多
关键词 微服务架构 电力信息系统 全链路监控 连续小波变换 压缩感知 信号重构 测量矩阵 监控精度
下载PDF
基于Allan方差分析的陀螺仪漂移误差辨识与仿真复现 被引量：4
2
作者 严恭敏 李梓阳 朱宏堡 《导航定位学报》 CSCD 2022年第4期29-33,共5页
针对传统阿伦(Allan)方差分析法中容易引起误差类型错误识别的问题,提出了一种新的Allan方差曲线拟合方法,开发了软件程序辅助人工操作,实现陀螺仪漂移误差类型识别并完成误差参数估计,曲线拟合过程可视化、直观简便。对一组实测的陀螺... 针对传统阿伦(Allan)方差分析法中容易引起误差类型错误识别的问题,提出了一种新的Allan方差曲线拟合方法,开发了软件程序辅助人工操作,实现陀螺仪漂移误差类型识别并完成误差参数估计,曲线拟合过程可视化、直观简便。对一组实测的陀螺仪数据进行了Allan方差分析,求得它的漂移误差类型和相应的噪声参数,基于噪声参数进行了虚拟陀螺仪漂移的仿真复现,复现数据的误差特征与实测数据吻合,验证了Allan方差分析方法的正确性,研究结果可为提高陀螺仪性能提供参考。 展开更多
关键词 阿伦方差分析 陀螺漂移误差 曲线拟合 信号复现 精度提升
下载PDF
通过CWLS-DL优化St-OMP算法的盲信号重构 被引量：1
3
作者 郭凌飞 张林波 《应用科技》 CAS 2019年第3期40-45,50,共7页
针对稀疏成分分析理论的"两步法"中的源信号重构算法改进,提出一种由相关性加权最小二乘字典学习法与分段正交匹配追踪算法组合的算法,能够解决带权重信号误差的F-范数最小化问题,并通过增加单次迭代的原子数改变算法复杂度... 针对稀疏成分分析理论的"两步法"中的源信号重构算法改进,提出一种由相关性加权最小二乘字典学习法与分段正交匹配追踪算法组合的算法,能够解决带权重信号误差的F-范数最小化问题,并通过增加单次迭代的原子数改变算法复杂度。将此组合算法用于语音信号的盲源分离仿真实验,完成源信号重构。实验结果表明,用该组合算法重构的信号,能在保证提高重构精度的同时,与算法复杂度存在良好的折中。无噪声环境下该组合算法的性能为最佳,有噪声环境下可达到信号重构要求的最小信噪比约为17～18 dB。 展开更多
关键词 压缩感知 盲信号重构 信号重构精度 计算复杂度 稀疏成分分析 加权最小二乘 字典学习 正交匹配追踪算法
下载PDF
基于BBSRIA的测量系统动态精度损失分解与溯源
4
作者 蒋敏兰 汪晓东 《农业机械学报》 EI CAS CSCD 北大核心 2008年第10期183-186,182,共5页
利用单子带信号重构改进算法在信号分解中的优势,实现了对测量系统动态精度损失信号的有效分解,得到测量系统各主要结构单元的频率成分,在此基础上利用神经网络所具有的输入到输出之间的非线性映射能力完成求解各频率成分所包含的未知... 利用单子带信号重构改进算法在信号分解中的优势,实现了对测量系统动态精度损失信号的有效分解,得到测量系统各主要结构单元的频率成分,在此基础上利用神经网络所具有的输入到输出之间的非线性映射能力完成求解各频率成分所包含的未知参数。同时根据测量系统内部各结构单元的误差特性完成分解信号的溯源。实验结果表明利用单子带信号重构改进算法可以实现精度损失信号的可靠分解与溯源。 展开更多
关键词 测量系统 单子带重构改进算法 动态精度损失分解与溯源
下载PDF
基于ALIF和1DCNN的滚动轴承故障诊断方法 被引量：1
5
作者 聂勇军 孟金 肖英楠 《机电工程》 CAS 北大核心 2022年第10期1390-1397,共8页
在滚动轴承的故障信号中,由于存在较多冗余信息成分的问题,会对基于一维卷积神经网络(1DCNN)的故障诊断的准确度产生干扰,为此,提出了一种基于自适应局部迭代滤波算法(ALIF)和1DCNN的滚动轴承故障诊断方法,即先对原始信号分解重构,再进... 在滚动轴承的故障信号中,由于存在较多冗余信息成分的问题,会对基于一维卷积神经网络(1DCNN)的故障诊断的准确度产生干扰,为此,提出了一种基于自适应局部迭代滤波算法(ALIF)和1DCNN的滚动轴承故障诊断方法,即先对原始信号分解重构,再进行分类的智能故障诊断方法。首先,使用ALIF对原始信号进行了分解,其算法相较于其他信号分解算法有较少的模态混叠现象,这得益于保持其原始物理意义中,并最大程度地提取其表征信息,提高其故障诊断正确率;然后,使用了皮尔逊相关系数法选择与原始信号相关最大的本征模函数(IMF)进行了重构,得到了冗余信号较少的信号;最后,直接将处理后的数据作为1DCNN的输入,进行了智能故障诊断。研究结果表明:在对滚动轴承的4种故障状态进行分类的准确度方面,相较于原始方法,基于ALIF和1DCNN的方法准确度提高了8%,其分类准确度达到99%;仿真信号证明了ALIF分解性能的优越性,采用实验台采集的实际数据验证了该方法的先进性。 展开更多
关键词 自适应局部迭代滤波 一维卷积神经网络 信号分解重构 故障分类 冗余信息成分 模态混叠 故障诊断准确率
下载PDF
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
使用帮助 返回顶部