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MSST的高压直流线路故障定位方法 被引量：6
1
作者 郑茂然 陈朝晖 +3 位作者 余江 李正红 杨涛 高湛军 《南方电网技术》 CSCD 北大核心 2022年第3期8-15,125,共9页
在利用经验波速进行线路故障定位的方法中,由于行波的色散特性,波速随着频率的变化而变化,计算得到的故障距离存在较大误差,解决此问题需要准确提取行波的时频特性。提出了基于多重同步压缩变换(multisynchrosqueezing transform,MSST)... 在利用经验波速进行线路故障定位的方法中,由于行波的色散特性,波速随着频率的变化而变化,计算得到的故障距离存在较大误差,解决此问题需要准确提取行波的时频特性。提出了基于多重同步压缩变换(multisynchrosqueezing transform,MSST)的直流线路故障定位方法,由于MSST的多次挤压特性,其能有效提高信号的时频聚集性,对行波的时频特征提取以及对波头的识别更加精准。利用此方法得到行波到达测点的时间和频率信息,进一步得到该时刻对应的波速,并以此波速计算故障距离,降低了由波速和波头到达时刻识别不精准造成的误差。最后通过仿真并结合实际工程录波数据验证了该方法的有效性。 展开更多
关键词 故障定位 时频分析 多重同步压缩变换
在线阅读 下载PDF
基于MSST和双通道CNN技术的变转速轴承故障诊断研究 被引量：2
2
作者 张冰 姜培刚 林天然 《机电工程》 CAS 北大核心 2021年第9期1145-1151,共7页
针对变转速滚动轴承振动信号具有非平稳性特征,且故障特征难以有效提取的问题,提出了一种基于多次同步压缩变换和双通道卷积神经网络的滚动轴承故障智能诊断方法。首先,对变转速工况下滚动轴承的振动信号进行了多次同步压缩变换,获得了... 针对变转速滚动轴承振动信号具有非平稳性特征,且故障特征难以有效提取的问题,提出了一种基于多次同步压缩变换和双通道卷积神经网络的滚动轴承故障智能诊断方法。首先,对变转速工况下滚动轴承的振动信号进行了多次同步压缩变换,获得了能量集中的时频图谱;然后,将其输入到采用不同尺寸的小卷积核双通道CNN中,提取了其故障特征信息,并通过Concatenate机制将其融合;最后,通过SoftMax函数输出轴承的故障识别结果;在一组变转速工况滚动轴承故障实验数据上取得了99%以上的故障识别率,验证了该方法的有效性,并与单通道CNN模型进行了对比。研究结果表明:TCNN的分类精度更高,准确率可达99.67%;该结果证明了改进后的模型具有较好的非线性拟合能力,同时也具有较强的鲁棒性,可有效应用于变转速滚动轴承故障诊断中。 展开更多
关键词 变转速轴承 多次同步压缩变换 卷积神经网络 故障诊断 特征融合
在线阅读 下载PDF
基于MSST-CA-2DCNN的钢框架结构损伤识别
3
作者 史淑葶 刘景良 +3 位作者 陈龙晖 郑文婷 赵美杰 黄志伟 《振动与冲击》 2026年第1期41-53,共13页
为提升对钢框架结构损伤的识别精度,提出了一种融合了多重同步挤压变换(multi-synchrosqueezing transform,MSST)和坐标注意力(coordinate attention,CA)机制的二维卷积神经网络(two-dimensional convolutional neural network,2DCNN)模... 为提升对钢框架结构损伤的识别精度,提出了一种融合了多重同步挤压变换(multi-synchrosqueezing transform,MSST)和坐标注意力(coordinate attention,CA)机制的二维卷积神经网络(two-dimensional convolutional neural network,2DCNN)模型,即MSST-CA-2DCNN模型。首先,通过MSST将钢框架结构的加速度响应信号转换为时频矩阵,从而建立特征数据集;其次,构建一种融合CA机制的2DCNN模型来动态提取时频图中的损伤特征并实现钢框架结构不同损伤位置和损伤程度的精确识别。通过IASC-ASCE SHM Benchmark结构I阶段的数值模拟数据、卡塔尔大学看台模拟器数据集以及四层钢框架缩尺模型损伤试验验证上述损伤识别方法的有效性和精确性,研究结果表明:该方法在三个不同的钢框架结构数据集上均实现了100%的损伤识别准确率,且在5%、10%、20%噪声干扰下依然能够保持较高的识别精度。 展开更多
关键词 损伤识别 多重同步挤压变换(msst) 坐标注意力(CA)机制 二维卷积神经网络(2DCNN) 深度学习
在线阅读 下载PDF
基于双通道卷积神经网络的雷达信号识别 被引量：12
4
作者 全大英 陈赟 +3 位作者 唐泽雨 李世通 汪晓锋 金小萍 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第7期877-885,共9页
为解决在低信噪比下特征提取困难、雷达信号识别率低的问题,提出了一种基于Choi-Williams分布(CWD)和多重同步压缩变换(MSST)的双通道卷积神经网络模型.模型通过对雷达信号进行CWD和MSST时频分析,分别获取二维时频图像并进行预处理,然... 为解决在低信噪比下特征提取困难、雷达信号识别率低的问题,提出了一种基于Choi-Williams分布(CWD)和多重同步压缩变换(MSST)的双通道卷积神经网络模型.模型通过对雷达信号进行CWD和MSST时频分析,分别获取二维时频图像并进行预处理,然后送入双通道卷积神经网络进行深度特征提取,最后将两路通道获取的特征进行融合,通过卷积神经网络分类器实现对雷达信号的分类识别.仿真结果表明:在信噪比为-10 dB时,所提模型整体识别准确率能达到96%以上,其在低信噪比下表现优异. 展开更多
关键词 低信噪比 Choi-Williams分布 多重同步压缩变换 双通道卷积神经网络
在线阅读 下载PDF
一种基于多重同步压缩的高动态信号捕获技术 被引量：4
5
作者 程凌峰 倪淑燕 +1 位作者 陈世淼 廖育荣 《电讯技术》 北大核心 2024年第4期612-619,共8页
为了解决高速飞行器通信时的高动态信号捕获问题,根据多普勒变化特点,将信号建模为非线性调频信号,采用时频分析的方式提取瞬时频率,设计了一种基于多重同步压缩(Multisynchro Squeezing Transform,MSST)的时频分析方法,有效提高了时频... 为了解决高速飞行器通信时的高动态信号捕获问题,根据多普勒变化特点,将信号建模为非线性调频信号,采用时频分析的方式提取瞬时频率,设计了一种基于多重同步压缩(Multisynchro Squeezing Transform,MSST)的时频分析方法,有效提高了时频能量聚集能力和鲁棒性。为了避免时频图起始点选择错误引起的频率估计误差过大的问题,提出了一种分段能量泛函最小化法,将时频面分成多个部分,向前向后分别提取脊线,提高了低信噪比下频率估计的准确性。仿真结果表明,对6 Ma、40g、100 g/s的高动态信号,相比传统时频分析方法频率估计精度提高50%以上,所提方法捕获概率可达到95%以上,对低信噪比高动态信号有较强的适应能力。 展开更多
关键词 高动态信号捕获 非线性调频 多重同步压缩(msst) 分段能量泛函最小化
在线阅读 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