期刊文献+
共找到1,086篇文章
< 1 2 55 >
每页显示 20 50 100
Mapping the Information Trace in Local Field Potentials by a Computational Method of Two-Dimensional Time-Shifting Synchronization Likelihood Based on Graphic Processing Unit Acceleration 被引量:1
1
作者 Zi-Fang Zhao Xue-Zhu Li You Wan 《Neuroscience Bulletin》 SCIE CAS CSCD 2017年第6期653-663,共11页
The local field potential(LFP) is a signal reflecting the electrical activity of neurons surrounding the electrode tip. Synchronization between LFP signals provides important details about how neural networks are or... The local field potential(LFP) is a signal reflecting the electrical activity of neurons surrounding the electrode tip. Synchronization between LFP signals provides important details about how neural networks are organized. Synchronization between two distant brain regions is hard to detect using linear synchronization algorithms like correlation and coherence. Synchronization likelihood(SL) is a non-linear synchronization-detecting algorithm widely used in studies of neural signals from two distant brain areas. One drawback of non-linear algorithms is the heavy computational burden. In the present study, we proposed a graphic processing unit(GPU)-accelerated implementation of an SL algorithm with optional 2-dimensional time-shifting. We tested the algorithm with both artificial data and raw LFP data. The results showed that this method revealed detailed information from original data with the synchronization values of two temporal axes,delay time and onset time, and thus can be used to reconstruct the temporal structure of a neural network. Our results suggest that this GPU-accelerated method can be extended to other algorithms for processing time-series signals(like EEG and f MRI) using similar recording techniques. 展开更多
关键词 Local field potential Synchronization Temporal time-shifting Parallel computing
原文传递
Pilot Contamination Elimination in Massive MIMO Systems with an Improved Time-Shifted Scheme
2
作者 Yuanyuan Hao Zhengyu Song 《Journal of Beijing Institute of Technology》 EI CAS 2020年第1期16-22,共7页
Pilot contamination can bring up a grave impairment in the performance of massive multiple-input multiple-output(MIMO)systems.In this paper,an improved time-shifted pilot scheme is proposed to reduce the pilot contami... Pilot contamination can bring up a grave impairment in the performance of massive multiple-input multiple-output(MIMO)systems.In this paper,an improved time-shifted pilot scheme is proposed to reduce the pilot contamination,where orthogonal pilots are employed in the same group to eliminate the residual intragroup interference existing in the original time-shifted pilot scheme.Meanwhile,the rigorous closed-form expressions of both downlink and uplink transmission rates with a finite number of antennas are derived,and it is shown that the intra-group interference can be completely eliminated by the proposed scheme.Simulation results demonstrate that both downlink and uplink transmission rates are significantly improved by employing the proposed scheme. 展开更多
关键词 MASSIVE MULTIPLE-INPUT multiple-output(MIMO) PILOT contamination time-shifted PILOT
在线阅读 下载PDF
多尺度特征建模的图像时间序列预测网络
3
作者 沈瑜 马煜堃 +5 位作者 赵永刚 魏子易 李江柽 王若暄 刘佳英 闫佳荣 《哈尔滨工业大学学报》 北大核心 2026年第1期119-130,共12页
为提高图像时间序列预测的精度,本研究提出了一种基于长短期记忆网络(long short-term memory,LSTM)与注意力机制的时间序列预测网络:MA-LSTM。该网络整体由多尺度注意力模块(multi-scale attention block,MAB)、多尺度注意力层(multi-s... 为提高图像时间序列预测的精度,本研究提出了一种基于长短期记忆网络(long short-term memory,LSTM)与注意力机制的时间序列预测网络:MA-LSTM。该网络整体由多尺度注意力模块(multi-scale attention block,MAB)、多尺度注意力层(multi-scale attention layer,MALayer)和超分辨率重建模块(super resolution reconstruction module,SRRM)组成,以多尺度特征建模为核心,着重提升时空特征表达能力与长程依赖建模能力。首先,MA-LSTM设计了MAB模块,通过时空特征增强层提升模型的细节建模能力,并利用通道特征增强层加强了特征图的跨维度信息交互,解决了SwinLSTM对于细粒度特征捕捉不足的问题。其次,MA-LSTM引入了简化的LSTM结构,与MAB结合构建了MALayer,增强模型对时序信息的建模能力。最后,在特征图重建时设计了SRRM模块,有效增强模型预测输出的细节表达能力。研究表明,MA-LSTM在MovingMNIST和KTH两个不同领域的数据集上,结构相似性指数分别达到0.9602和0.9243,与SwinLSTM、PhyDNet、PredRNN、ConvLSTM网络进行的对比试验结果表明,结构相似性指数最高提升了0.337和0.212,展现了其在时序预测任务中的高效性和适用性,且具备跨领域的推广潜力。此外,消融实验进一步证明了本文所提出模块的有效性。 展开更多
关键词 图像时间序列 预测网络 LSTM 移位窗口注意力 多注意力融合
在线阅读 下载PDF
基于最优参数VMD和改进散布熵的轴承亚健康状态识别 被引量:2
4
作者 魏文军 甘洁 《铁道科学与工程学报》 北大核心 2025年第2期887-899,共13页
针对轴承的亚健康状态存在噪声干扰、模态混叠、状态特征提取困难的问题,提出一种最优参数变分模态分解(variational mode decomposition, VMD)和改进散布熵的轴承亚健康状态识别方法 。首先,设计改进的麻雀搜索算法(improved sparrow s... 针对轴承的亚健康状态存在噪声干扰、模态混叠、状态特征提取困难的问题,提出一种最优参数变分模态分解(variational mode decomposition, VMD)和改进散布熵的轴承亚健康状态识别方法 。首先,设计改进的麻雀搜索算法(improved sparrow search algorithm, ISSA)来自适应地搜索VMD最优分解参数,从而提高VMD分解效率和质量,然后根据所确定的最优参数对信号进行VMD分解,得到一系列本征模态函数(intrinsic mode function, IMF),接着计算每个IMF与原始信号之间的皮尔逊相关系数(pearson correlation coefficient, PCC),选择相关系数大于0.3的IMF分量来重构信号,以实现信号的降噪和状态特征增强。其次,为了更好地表征轴承信号的复杂度和不规则性,并有效区分轴承健康和亚健康状态,在散布熵中引入时移多尺度分析和分数阶微积分,以提取多个尺度上的轴承微细状态特征。最后,利用欧氏距离刻画轴承状态曲线,根据切比雪夫不等式设定亚健康阈值,当欧氏距离大于亚健康阈值时给出相应预警,完成轴承亚健康状态识别。在XJTU-SY和IMS轴承数据集上的试验结果表明:ISSA算法相比其他优化算法具有更高的收敛速度和精度,最优化参数VMD能有效消除模态混叠问题,改进散布熵能准确提取轴承全寿命状态微细特征。所提算法无须对模型进行训练便能准确识别轴承亚健康状态并给出预警,有利于维护人员更好地维护轴承运行状态。 展开更多
关键词 轴承 亚健康状态识别 最优参数VMD 改进麻雀搜索算法 时移多尺度分数阶散布熵
在线阅读 下载PDF
基于RTSWMFE,IS-GSE与COOT-SVM的行星齿轮箱故障诊断 被引量:1
5
作者 戚晓利 杨艳 +1 位作者 崔创创 程主梓 《振动.测试与诊断》 北大核心 2025年第1期132-139,205,共9页
针对行星齿轮箱特征提取困难的问题,提出一种基于精细时移加权多尺度模糊熵(refined time⁃shift weighted multiscale fuzzy entropy,简称RTSWMFE)、改进监督型几何和统计保持流形嵌入(improved supervised geometry and statistics⁃pre... 针对行星齿轮箱特征提取困难的问题,提出一种基于精细时移加权多尺度模糊熵(refined time⁃shift weighted multiscale fuzzy entropy,简称RTSWMFE)、改进监督型几何和统计保持流形嵌入(improved supervised geometry and statistics⁃preserving manifold embedding,简称IS⁃GSE)和白骨顶优化算法支持向量机(coot optimization algorithm support vector machine,简称COOT⁃SVM)的行星齿轮箱故障诊断方法。首先,利用RTSWMFE提取高维故障特征信息;其次,采用IS⁃GSE对高维特征进行降维,提取出敏感、低维的特征;最后,将低维特征输入COOT⁃SVM中进行识别分类。行星齿轮箱故障诊断实验结果表明:IS⁃GSE方法采用余弦相似度与欧式距离相结合的距离度量方式,并融入监督学习思想,降维效果较佳;COOT⁃SVM方法对经RTSWMFE和IS⁃GSE二次提取的故障特征识别精度达到100%。 展开更多
关键词 故障诊断 行星齿轮箱 精细时移加权多尺度模糊熵 改进监督型几何和统计保持流形嵌入 白骨顶优化算法优化支持向量机
在线阅读 下载PDF
基于VMD、PTSMFE与GWO-SVM的直流充电桩电源模块故障诊断方法研究
6
作者 刘志峰 蒋浩 +1 位作者 刘贺 李新宇 《中国测试》 北大核心 2025年第8期87-97,共11页
为有效实施直流充电桩电源模块的回收再利用,必须克服故障诊断中串并联开关器件特征提取困难和故障定位不准确的难题。为此,提出变分模态分解(variational modal decomposition, VMD)、相位复合时移多尺度模糊熵(phase compound time-sh... 为有效实施直流充电桩电源模块的回收再利用,必须克服故障诊断中串并联开关器件特征提取困难和故障定位不准确的难题。为此,提出变分模态分解(variational modal decomposition, VMD)、相位复合时移多尺度模糊熵(phase compound time-shift multiscale fuzzy entropy, PTSMFE)和灰狼优化算法优化支持向量机分类器(gray wolf optimization algorithm-support vector machine classifier, GWO-SVM)的充电桩故障诊断方法。首先将采集的原始故障信号分解成多组本征模态函数(intrinsic mode function, IMF),再利用PTSMFE提取出故障信号的原始相位信息,并转化成相位系数后加入熵值中,得到各故障状态的特征向量。最后将特征向量输入GWO-SVM进行故障识别分类。实验结果表明:与常用的小波分析(wavelet analysis)特征提取和BP(back propagation)神经网络故障诊断方法进行对比,该文方法展现出准确性与高效性,分类识别准确率达到97.27%。 展开更多
关键词 直流充电桩电源模块 故障诊断 回收再利用 相位复合时移多尺度模糊熵
在线阅读 下载PDF
时移多尺度相位熵在螺栓联接结构松动检测中的应用
7
作者 李伟 周传彪 韩振华 《机电工程》 北大核心 2025年第9期1724-1733,共10页
风力发电机组的螺栓在其应用过程中易发生松动,会造成机组结构强度降低和振动加剧。针对螺栓松动检测策略普遍存在效率不佳、松动状态表征精度不高的问题,提出了一种结合时移多尺度相位熵(TSMPhE)和鲸鱼优化算法(WOA)优化混合核极限学习... 风力发电机组的螺栓在其应用过程中易发生松动,会造成机组结构强度降低和振动加剧。针对螺栓松动检测策略普遍存在效率不佳、松动状态表征精度不高的问题,提出了一种结合时移多尺度相位熵(TSMPhE)和鲸鱼优化算法(WOA)优化混合核极限学习机(HKELM)的风力发电机组螺栓松动检测策略。首先,对螺栓结构不同松紧程度的振动信号进行了TSMPhE分析,提取了信号中嵌入的反映螺栓松紧程度的特征信息,构造了特征样本;然后,利用WOA对HKELM的参数进行了优化,获得了核参数以及核函数权重最优的HKELM分类器模型;最后,将TSMPhE特征输入至WOA-HKELM中进行了松动检测,以判断螺栓组是否需要进行紧固;采用风力发电机组不同工况下的健康、轻度松动、重度松动和完全松动螺栓振动信号对该方法进行了实验分析,并将其与其他的检测策略进行了对比。研究结果表明:该策略能有效判断不同工况下螺栓的松紧程度,最低检测精度达到了94.38%以上,而平均检测精度也达到了96.56%以上;相较其他检测策略,TSMPhE有更高的检测准确率和更小的准确率波动,准确率至少提高了2.72%,准确率波动减小了0.44。该策略可为螺栓松动的精确和快速检测提供可行的思路。 展开更多
关键词 海上风力发电机组 螺栓联接 松动状态表征精度 时移多尺度相位熵 混合核极限学习机 鲸鱼优化算法
在线阅读 下载PDF
面向5G低轨卫星的下行初始时频同步算法
8
作者 杨德伟 孙为宗 +1 位作者 李念祖 杨涛 《北京理工大学学报》 北大核心 2025年第5期513-520,共8页
为解决5G通信系统中低轨卫星快速移动造成较大多普勒频移,进而影响用户与低轨卫星初始时频同步性能的问题,结合5G主同步信号(primary synchronization signals,PSS)特点,研究多种大多普勒频移影响下的初始时频同步算法,并从时间同步性... 为解决5G通信系统中低轨卫星快速移动造成较大多普勒频移,进而影响用户与低轨卫星初始时频同步性能的问题,结合5G主同步信号(primary synchronization signals,PSS)特点,研究多种大多普勒频移影响下的初始时频同步算法,并从时间同步性能、频偏估计精度和复杂度等方面对基于PSS的时频联合同步算法进行仿真和分析,得到了所提出的初始时频同步算法在大多普勒频移影响下的相关性能数据结果.研究结果表明本文所提出的算法在大多普勒频移影响下具有较强的有效性和稳健性. 展开更多
关键词 5G 卫星通信 时频同步 多普勒频移
在线阅读 下载PDF
时间序列非平稳性及分布偏移的研究综述 被引量:1
9
作者 安俊秀 万里浪 《微电子学与计算机》 2025年第8期1-9,共9页
时间序列预测是利用过去的时间序列数据推断未来的趋势或模式。随着物联网传感器的广泛应用,时间序列数据的非平稳性及分布偏移问题成为一个挑战,极大影响着模型的预测效果。传统机器学习方法在处理这类数据时遭遇瓶颈,进而推动了深度... 时间序列预测是利用过去的时间序列数据推断未来的趋势或模式。随着物联网传感器的广泛应用,时间序列数据的非平稳性及分布偏移问题成为一个挑战,极大影响着模型的预测效果。传统机器学习方法在处理这类数据时遭遇瓶颈,进而推动了深度学习算法的研究热潮。本文介绍了传统方法如差分法和滑动平均法,以及最新的深度学习算法,这些算法通过引入自适应机制和可逆性等创新机制,有效解决了时间序列数据的非平稳性及分布偏移问题。最后,结合前沿算法应用于解决时间序列非平稳性及分布偏移存在的问题与挑战,对未来的研究趋势进行了展望。 展开更多
关键词 时间序列预测 非平稳性 分布偏移 归一化
在线阅读 下载PDF
等待时间受限的Job Shop调度问题混合遗传算法
10
作者 熊禾根 刘臻哲 +1 位作者 管赛 邹遇 《机械设计与制造》 北大核心 2025年第12期357-361,共5页
针对实际车间调度问题中由于中间产品的不稳定性而导致工件工序之间等待时间受限的问题,建立了以最小化最大完工时间为目标的作业车间调度模型。根据模型特点,提出了一种基于双向移动时间表的混合遗传算法。嵌入双向移动时间表扩大搜索... 针对实际车间调度问题中由于中间产品的不稳定性而导致工件工序之间等待时间受限的问题,建立了以最小化最大完工时间为目标的作业车间调度模型。根据模型特点,提出了一种基于双向移动时间表的混合遗传算法。嵌入双向移动时间表扩大搜索空间;通过两次解码来提高解决方案的质量;设计不同的变异算子提高算法的多样性;加入禁忌搜索加强算法局部搜索能力。最后选择多种不同规模的标准算例,将其修正后与基础遗传算法和禁忌搜索进行对比分析,实验结果验证了该方法的可行性和有效性。 展开更多
关键词 生产调度 作业车间 等待时间受限 双向移动时间表 遗传算法 禁忌搜索
在线阅读 下载PDF
电池储能系统三相交错型DC-DC变换器控制策略研究 被引量:1
11
作者 常雨芳 高鹏 +3 位作者 罗国澳 张闯闯 严怀成 黄文聪 《太阳能学报》 北大核心 2025年第5期706-715,共10页
针对电池储能系统中直流母线电压易波动以及电池组端电流纹波较大的问题,提出一种电池储能系统三相交错并联双向DC-DC变换器电压电流双环复合控制方法。首先,建立三相交错并联双向DC-DC变换器数学模型;其次,设计电压外环基于有限时间扩... 针对电池储能系统中直流母线电压易波动以及电池组端电流纹波较大的问题,提出一种电池储能系统三相交错并联双向DC-DC变换器电压电流双环复合控制方法。首先,建立三相交错并联双向DC-DC变换器数学模型;其次,设计电压外环基于有限时间扩张状态观测器的滑模控制方法,通过改进有限时间扩张状态观测器估计出系统总扰动并反馈到滑模控制器进行补偿,可提高系统的响应速度和抗扰动能力;然后,设计电流内环自适应PI均流移相控制方法,将总电流均分并分别控制,可降低电流纹波量;最后,搭建仿真模型和实验平台进行验证,结果表明所提控制方法可有效抑制直流母线电压波动、降低电流纹波量,可提高电池储能系统抗扰动能力和动态响应性能。 展开更多
关键词 电池储能系统 DC-DC变换器 滑模控制 有限时间扩张状态观测器 均流移相
原文传递
基于特征反射结构和变分优化走时估计的反射波速度反演方法
12
作者 吴成梁 王华忠 冯波 《地球物理学报》 北大核心 2025年第7期2637-2653,共17页
我国油气开发已经进入深水深层阶段,需要提供高精度深层速度模型实现对复杂油气藏精确描述.反射波全波形反演(RFWI)是目前理论上精度最高的深层速度建模方法.然而RFWI是一个强非线性反问题,当初始模型与准确模型差异过大会出现“周期跳... 我国油气开发已经进入深水深层阶段,需要提供高精度深层速度模型实现对复杂油气藏精确描述.反射波全波形反演(RFWI)是目前理论上精度最高的深层速度建模方法.然而RFWI是一个强非线性反问题,当初始模型与准确模型差异过大会出现“周期跳跃”问题,陷入局部极值.本文认为:“周期跳跃”现象本质来源于对地下不同的反射层位的反射波场的错误匹配.经典的RFWI将观测记录中所有信息进行反演,当初始速度与准确速度差异较大时,会导致来自不同反射源的反射波进行匹配.错误的波场匹配+数据中包含正问题不能模拟的信号和噪声,导致梯度中包括较多假象,引起反演不收敛.本文提出采用特征反射结构导引与偏移反偏移约束的方法提取特征反射波,并利用特征反射波进行反射走时反演,更新背景速度模型.在本文的特征波反演策略中,根据特征反射波的显著性水平,通过由粗到细反射结构的利用,在反演过程中逐渐加入特征反射波成分,建立满足“同因之果”的波场匹配关系,解决“周期跳跃”问题.另外,本文发展了基于差异矩阵全局寻优的反射走时差异测量方法,通过差异度量和最优路径计算获得稳定的特征反射波走时差异.本文提出的反射走时反演方法具有较好的收敛性和稳定性,理论模型和实际资料验证了本文提出方法的有效性. 展开更多
关键词 特征波反演成像 特征反射波 特征反射结构 “同因之果”差异度量 周期跳跃
在线阅读 下载PDF
工业用户中断和错时可调节潜力评估指标体系构建 被引量:1
13
作者 陶岩 睢媛媛 +2 位作者 南钰 冉博路 张姝 《电工技术》 2025年第2期213-215,共3页
目前对于电力用户负荷可调节潜力评估指标体系的建立大多只考虑了一种负荷调节方式,指标体系设置的特征参数较少,只能评估某一种潜力的大小,对用户数据的挖掘分析不够全面,因此不能综合地评估用户负荷可调节潜力。为此,基于不同时间尺... 目前对于电力用户负荷可调节潜力评估指标体系的建立大多只考虑了一种负荷调节方式,指标体系设置的特征参数较少,只能评估某一种潜力的大小,对用户数据的挖掘分析不够全面,因此不能综合地评估用户负荷可调节潜力。为此,基于不同时间尺度下的负荷调节方式,在对工业用户负荷数据特性进行挖掘的基础上,建立中断和错时2种负荷调节潜力指标体系。研究结果表明,该指标体系能够较全面表征工业用户可调节潜力。 展开更多
关键词 中断潜力 错时潜力 可调节潜力评估 指标体系
在线阅读 下载PDF
面向空时移键控的安全传输方案
14
作者 穆辉辉 陈健 +1 位作者 吕璐 杨龙 《电讯技术》 北大核心 2025年第7期1060-1068,共9页
随着5G和物联网(Internet of Things,IoT)的快速发展,低功耗通信和物理层安全已成为通信系统中亟待解决的重要问题。为应对这一挑战,提出了一种空时移键控(Space-Time Shift Keying,STSK)与可重构智能表面(Reconfigurable Intelligent S... 随着5G和物联网(Internet of Things,IoT)的快速发展,低功耗通信和物理层安全已成为通信系统中亟待解决的重要问题。为应对这一挑战,提出了一种空时移键控(Space-Time Shift Keying,STSK)与可重构智能表面(Reconfigurable Intelligent Surface,RIS)相结合的索引调制方案,旨在传输额外索引信息的同时提升系统的物理层安全性。在发射功率、符号功率和RIS相移约束下联合优化了符号星座、STSK色散矩阵和发射端功率分配,以最大化系统在连续输入连续输出无记忆信道(Discrete-input Continuous-output Memoryless Channel,DCMC)下的保密容量。提出了一种黎曼共轭梯度下降算法,并导出了变量的理论梯度和投影梯度,使得算法能够同时兼顾收敛速度和稳定性。仿真结果表明,所提方案在传输额外比特的同时,有效降低了窃听者的窃听性能,并且与基准算法相比,在更高反射单元数量下,所提算法可以求出更加优质的解,DCMC保密容量能够达到容量上限的87.8%。 展开更多
关键词 空时移键控(STSK) 物理层安全(PLS) 可重构智能面(RIS) 流形优化
在线阅读 下载PDF
基于RTSMAE和COA-ELM的旋转机械故障辨识模型
15
作者 曹凯 张康 和文云 《机电工程》 北大核心 2025年第11期2168-2180,共13页
针对现有旋转机械故障辨识方法难以获得高质量故障特征,导致故障识别的准确率不稳定这一缺陷,开发了一种基于精细时移多尺度注意熵(RTSMAE)和郊狼优化算法(COA)的优化极限学习机(ELM)的损伤识别策略。首先,基于精细化运算和时移粗粒化处... 针对现有旋转机械故障辨识方法难以获得高质量故障特征,导致故障识别的准确率不稳定这一缺陷,开发了一种基于精细时移多尺度注意熵(RTSMAE)和郊狼优化算法(COA)的优化极限学习机(ELM)的损伤识别策略。首先,基于精细化运算和时移粗粒化处理,提出了称之为RTSMAE的信号复杂度估算方法,以缓解传统多尺度注意熵存在熵值不稳定的缺陷;然后,采用RTSMAE深度挖掘了旋转机械振动信号中隐藏的故障信息,构建了反映故障特性和故障程度的损伤特征样本;最后,将RTSMAE特征样本输入至COA优化的ELM分类模型中进行了训练和测试,实现了对旋转机械样本损伤类型和程度的智能识别;通过滚动轴承数据集和齿轮箱数据集对基于RTSMAE的故障辨识方法进行了实验研究,并与多种方法在故障识别可靠性和小样本应用方面进行了对比。研究结果表明:RTSMAE方法能有效识别滚动轴承和齿轮箱的故障类型,识别准确率达到100%,平均识别准确率分别为99.3%和99.67%;在数据长度为N=1024且训练样本的比例为20%时,RTSMAE方法也能够分别取得88.09%和86.97%的识别准确率,优于其他故障辨识方法。由此可证明,基于RTSMAE和COA-ELM的旋转机械故障辨识模型在小样本故障识别中具有一定的应用潜力。 展开更多
关键词 滚动轴承 故障诊断 精细时移多尺度注意熵 优化极限学习机 郊狼优化算法
在线阅读 下载PDF
基于OBC与拖缆数据的非重复时移地震匹配处理研究
16
作者 刘巍 雷霄 +4 位作者 隋波 李轶彬 陈凤英 刘振东 王祥春 《地球物理学进展》 北大核心 2025年第5期2135-2147,共13页
时移地震技术在监测海洋油气田储层流体的变化方面具有重要的作用.随着多分量地震勘探技术的发展,将多分量采集的地震数据与早期拖缆数据进行时移地震监测的研究尚属较少.本文基于南海某油田早期拖缆数据和近期OBC(Ocean Bottom Cable)... 时移地震技术在监测海洋油气田储层流体的变化方面具有重要的作用.随着多分量地震勘探技术的发展,将多分量采集的地震数据与早期拖缆数据进行时移地震监测的研究尚属较少.本文基于南海某油田早期拖缆数据和近期OBC(Ocean Bottom Cable)采集的地震数据,开展了非重复性时移地震匹配处理研究.由于二者在采集方式、采集参数、观测系统等方面存在较大差异,导致两期数据特征上表现出明显的不同.通过分别对两期数据进行去噪去多次处理之后,分析二者的区别主要表现在振幅、频率、信噪比、子波相位、时差等.经过对两期数据进行叠前深度偏移前后一致性匹配处理分析,研究结果表明:OBC初始数据较拖缆初始数据具有振幅能量强、频带窄、信噪比高、子波旁瓣小的特征;一致性处理流程能够有效地匹配两期数据在振幅能量、频带、信噪比、子波相位、时差上的差异;两期数据在一致性匹配处理后可用于时移对比分析.该研究为多分量OBC采集的地震数据可与拖缆数据进行非重复性时移地震研究提供了可行的匹配处理方法,也为后续基于多分量采集数据进行时移地震研究奠定了基础. 展开更多
关键词 非重复 时移地震 匹配处理 时移对比
原文传递
一种改进的五电平逆变器电流平衡开环控制方法
17
作者 魏华 李敏 +1 位作者 陈柯蒙 肖曦 《电源学报》 北大核心 2025年第4期100-110,共11页
五电平逆变器被广泛应用于储能与电气传动领域,特别是高压大功率场合。随着功率等级提升,单个逆变单元的容量已无法满足需求,因此需要逆变器并联运行。相比于两电平或三电平拓扑,由于悬浮电容的存在,五电平逆变器并联运行时单相各模块... 五电平逆变器被广泛应用于储能与电气传动领域,特别是高压大功率场合。随着功率等级提升,单个逆变单元的容量已无法满足需求,因此需要逆变器并联运行。相比于两电平或三电平拓扑,由于悬浮电容的存在,五电平逆变器并联运行时单相各模块间的环流问题更加突出。针对公共直流母线结构,提出1种改进的电流平衡开环控制方法。通过比较各个功率模块输出电流的大小,设置时间戳记,对矢量切换进行时移控制,从而人为引入1个正向或负向的不平衡电流以达到快速消除原有环流的效果。对1台6 kV并联高压逆变器进行实验,实验结果验证了所提方法的有效性及悬浮电容电压差对环流的影响,校正过程仅需0.1 ms,能够快速精确地完成电流平衡。 展开更多
关键词 五电平逆变器 环流抑制 时移控制 电流平衡
在线阅读 下载PDF
基于时延-多普勒频移的水下目标定位方法 被引量:1
18
作者 邱枫 陈显军 +2 位作者 郭东生 刘元琳 徐丹萍 《全球定位系统》 2025年第3期106-112,共7页
由于水下声传感器网络定位中传感器运动效应与声速分层效应导致的定位精度下降问题,提出一种时延-多普勒频移联合定位方法以提升复杂环境适应性.该方法构建了运动效应和分层效应下的时延与多普勒频移联合测量模型,并建立最大似然估计(ma... 由于水下声传感器网络定位中传感器运动效应与声速分层效应导致的定位精度下降问题,提出一种时延-多普勒频移联合定位方法以提升复杂环境适应性.该方法构建了运动效应和分层效应下的时延与多普勒频移联合测量模型,并建立最大似然估计(maximum likelihood estimation,MLE)目标函数,采用高斯-牛顿迭代法求解目标位置.为了保证迭代收敛性,基于声线直线传播假设构建简化模型,通过最小二乘法获取初始解作为迭代起点.仿真表明,忽略运动效应和分层效应会导致定位误差显著增大,所提方法通过考虑两种效应对测量模型的影响,有效提升了定位精度.本方法可以同时补偿运动效应和分层效应,通过分层建模-联合估计-优化迭代策略实现高精度定位,为水下目标定位提供有效解决方案. 展开更多
关键词 定位 时延 多普勒频移 运动效应 分层效应
在线阅读 下载PDF
解决时间序列分布偏移问题的可逆归一化方法 被引量:1
19
作者 万里浪 安俊秀 《微电子学与计算机》 2025年第5期18-26,共9页
时间序列预测作为一项关键技术广泛应用于诸多领域。然而,时间序列数据的非平稳性所导致的数据统计特性变化、分布难以收敛,以及由此引发的分布偏移(Distribution Shift)问题,进一步增加了时间序列预测的难度。聚焦于时间序列的分布偏... 时间序列预测作为一项关键技术广泛应用于诸多领域。然而,时间序列数据的非平稳性所导致的数据统计特性变化、分布难以收敛,以及由此引发的分布偏移(Distribution Shift)问题,进一步增加了时间序列预测的难度。聚焦于时间序列的分布偏移问题,提出了一种简单而有效的可逆实例归一化(RaIN)方法。RaIN方法结合了通用的归一化和可选择的逆归一化技术,具有结构对称性。该方法能够移除和恢复时间序列数据中的非平稳信息,从而显著提高时间序列预测的性能。通过定量和定性分析验证了RaIN方法在解决分布偏移问题上的有效性。 展开更多
关键词 时间序列预测 分布偏移 归一化
在线阅读 下载PDF
低速重载滚动轴承状态PSO-SVM识别方法研究
20
作者 张永鑫 宋晓庆 王志阳 《机械设计与制造》 北大核心 2025年第10期273-278,共6页
滚动轴承在不同状态下的标签化样本中通常包含多种故障模式和噪声,他们之间的关系往往是非线性的。传统方法往往难以处理这种复杂的非线性关系,且需要手动选择特征,易导致信息丢失或引入噪声,影响识别效果,为此提出一种低速重载滚动轴... 滚动轴承在不同状态下的标签化样本中通常包含多种故障模式和噪声,他们之间的关系往往是非线性的。传统方法往往难以处理这种复杂的非线性关系,且需要手动选择特征,易导致信息丢失或引入噪声,影响识别效果,为此提出一种低速重载滚动轴承状态粒子群优化算法-支持向量机(Particle Swarm Optimization-Support Vector Machine,PSO-SVM)识别方法。提取低速重载滚动轴承振动信号的层次时移多尺度波动散布熵作为轴承状态特征,并量化不同状态样本特征之间的差异。引入支持向量机构建低速重载滚动轴承状态识别模型,SVM将输入的非线性可分样本向量映射至高维空间,在空间中搜索最优线性平面,避免非线性带来的负面影响。并利用粒子群优化算法寻优支持向量机参数,获取最优参数组合,通过标签化样本集训练SVM作为状态识别模型,将训练完成SVM用于低速重载滚动轴承状态识别。实验结果表明,所提方法状态识别准确性较高,说明其能够更准确地识别出轴承的不同状态。 展开更多
关键词 低速重载滚动轴承 层次时移多尺度波动散布熵 粒子群优化算法 支持向量机 状态识别
在线阅读 下载PDF
上一页 1 2 55 下一页 到第
使用帮助 返回顶部