-
题名基于大数据挖掘的立式击弦机磁力自复位水平测试研究
- 1
-
-
作者
陈海霞
-
机构
商洛职业技术学院
-
出处
《自动化与仪器仪表》
2023年第7期244-248,252,共6页
-
基金
校级《高水平专业群建设视角下高职音乐课程教学改革研究——以商洛职业技术学院为例》(JYKT202316)。
-
文摘
针对传统立式击弦机微弱信号检测率低,导致磁力自复位水平不高的问题,提出一种基于WT-LSTM的微弱信号检测方法。首先,基于长短时神经网络构建基于LSTM的微弱信号检测模型,以检测立式击弦机的原始信号;然后引入小波分解,得到基于WT-LSTM的微弱信号检测模型,通过小波分解提取信号分量的近似系数,去除噪声分量;最后将数据传输至LSTM中进行新特征学习。结果表明,在-13 dB~0 dB的信噪比下,提出的WT-LSTM微弱信号检测方法的检测准确率均保持在85%及以上,其ROC曲线和AUC值明显高于传统的LSTM检测方法和RBF检测方法,虚警概率和漏警概率低于前两种方法。在信噪比为-13 dB时,本方法的检测准确率最高可达99.87%,比另外两种方法分别高出了8.8%和25.8%。由此说明,本方法可实现噪声抑制,提升微弱信号检测准确率,进一步增强立式击弦机磁力自复位水平。
-
关键词
立式击弦机
微弱信号检测
LSTM
小波分解
磁力自复位
-
Keywords
vertical strike
weak signal detection
LSTM
wavelet decomposition and magnetic self-reset
-
分类号
TP392
[自动化与计算机技术—计算机应用技术]
-
