搜索到17742篇“ 小波-神经网络“的相关文章
- 一种用于实际心电信号去噪的深度小波卷积神经网络算法
- 本发明公开了一种用于实际心电信号去噪的深度小波卷积神经网络算法，用于提高心电信号去噪的准确性和泛化能力。该算法通过将心电信号划分为4096点片段，利用卷积层设计特征编码器和解码器，结合离散小波变换(DWT)进行特征提取和...
- 金衍瑞
- 基于优化小波变换神经网络的分布式新能源信息预测方法
- 2024年
- 分布式新能源发电是低碳化电力系统中重要的一部分.随着分布式新能源在城市电网中的占比逐渐增加,负荷随机波动和天气随机变化对于城市电网的影响日益增强,对分布式新能源信息的预测准确性提出了更高的要求.目前,分布式新能源的主要发电方式是分布式光伏发电以及分布式风力发电.城市用电负荷的变化兼具周期性和随机性,而风速和辐照强度等因素分别对于分布式风力发电和分布式光伏发电有重要影响.为了准确预测出分布式新能源的信息,构建了基于小波变换神经网络的分布式新能源信息预测方法.首先,通过分析分布式新能源的工作原理,建立分布式新能源的模型;然后,优化小波变换神经网络,以风力发电和光伏发电为例对负荷用电功率和辐照强度等对电网作用显著的参数进行预测;最后,算例验证模型对分布式新能源信息进行预测的准确性.
- 栾开宁庄重杨世海段梅梅孔月萍周雨奇张汀荃丁泽诚
- 关键词：负荷预测城市电网
- 一种基于模糊小波多层神经网络的人脸识别身份认证方法
- 本发明提出了一种基于模糊小波多层神经网络的人脸识别身份认证方法。本发明通过以下步骤实现人脸识别：首先捕获实时人脸图像并进行灰度化处理，然后进行直方图均衡处理以提高对比度；接着从处理后的图像中提取像素数据，使用主成分分析进...
- 黄玮张运喜徐志磊
- 基于阶次-小波卷积神经网络的轴承故障诊断方法
- 本发明涉及故障诊断技术领域，具体涉及一种基于阶次‑小波卷积神经网络的轴承故障诊断方法，包括：构建包含阶次‑小波变换层、联合卷积神经网络和阶次注意力学习层的轴承故障诊断模型；阶次‑小波变换层对轴承故障信号在阶次域上进行小波...
- 张锐杨思妍王燕郭洪飞赵锦钰刘婷婷周卫斌付俊淋
- 基于多源小波变换神经网络的旋转机械轴承故障诊断
- 2024年
- 针对旋转机械轴承故障诊断中故障样本稀缺,以及传统模型在小样本条件下容易过拟合及泛化能力差的问题,提出一种多源小波时频变换卷积神经网络。针对单支振动传感器采集的高频数据,设计基于小波变换的时频卷积层,用于融合小波系数的实部与虚部,其中实部对应振动信号的幅值信息,虚部对应相位信息。与仅考虑实部的卷积层相比,该卷积层能够提取完整的时频特征。利用时频卷积层分别对同一设备上的多支传感器采集的高频数据进行特征提取,并将提取到的多个特征进行级联。设计基于轻量深度可分离卷积的密集模块对级联特征进行更深层次的特征提取,用于实现故障分类。利用凯斯西储大学滚动轴承数据集验证模型的有效性,准确率为98.5%。将模型应用于回转窑、皮带机和篦冷风机的轴承故障诊断,平均准确率达97.19%。
- 郭海宇邹圣公张晓光陆凡凡陈洋王涵徐新志
- 关键词：轴承故障诊断多传感器
- 基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术被引量：1
- 2024年
- 基于光纤陀螺的测角仪可以实现对各项角运动参数的一体化动态精密测量,但在实际应用中,光纤陀螺测角仪受到温度变化的影响,导致测量精度下降。针对这一问题,本文提出了一种基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术。为了提高温度误差建模的进度,提高传统神经网络的逼近能力,通过自适应前向线性预测滤波器对建模用测角仪温度漂移数据进行预处理,并采用自适应小波回声神经网络建立温度漂移模型,能够避免传统神经网络结构设计的盲目性和局部最优等问题,增强了网络学习能力和泛化能力,并利用自适应律代替神经网络梯度进行网络训练,提升神经网络的逼近精度和收敛速度。实验结果表明,该模型可以提高光纤陀螺测角仪的测量精度和环境适应性,为光纤陀螺测角仪的性能优化和实际应用提供了可靠的技术支撑。
- 朱纬王敏林董雪明
- 关键词：测角仪粒子群优化
- 基于连续小波卷积神经网络的轴承智能故障诊断方法
- 2024年
- 传统故障诊断方法存在特征提取有限和故障检测不准确的问题,为此提出新的轴承智能故障诊断方法.构建连续小波卷积层取代卷积神经网络(CNN)中的初始卷积层,用于提取轴承数据的初级特征;使用增强ACON激活函数处理提取的振动信号;设计新的计算空间,提高CNN的整体自适应性.在凯斯西储大学轴承数据集上开展滚动轴承故障诊断方法对比实验.结果表明,与传统基于CNN、快速傅里叶变换-CNN、长短时记忆CNN故障诊断方法相比,所提方法的故障诊断精度分别提高了7.45、4.46和1.53个百分点,CNN的收敛速度更快.在不同工况的泛化任务中,所提方法的平均准确率为99.64%,准确性和泛化能力良好.
- 耿志强陈威陈威马波
- 关键词：轴承故障诊断
- 模糊小波多层神经网络的构造与应用
- 张运喜
- 基于小波熵神经网络的高压电缆短路故障诊断方法
- 2024年
- 传统的高压电缆短路故障诊断方法不能进行多尺度分解,导致检测到的首端护层电流较低,因此设计基于小波熵神经网络的高压电缆短路故障诊断方法。获取高压电缆首端护层电流,测量高压电缆短路故障信号频域,基于小波熵神经网络对预处理后的高压电缆短路信号进行多尺度分解,提取故障特征信息。通过对小波熵神经网络的输出结果进行分析,确定高压电缆的短路故障类型。实验结果表明,设计的基于小波熵神经网络的高压电缆短路故障诊断方法,对于5个高压电缆检测到的首端护层电流均最高,最高达到44.3A,证明该方法有更好的准确性。
- 朱津欣赵思文
- 关键词：神经网络高压电缆短路
- 基于小波散射神经网络的血管硬化识别初探被引量：2
- 2023年
- 血管硬化是心血管疾病的独立预测因子,柯氏音的特征与血管顺应性密切相关。本研究的目的是探究基于柯氏音信号的特征进行血管硬化检测的可行性。分别采集正常血管和硬化血管的柯氏音信号,并进行预处理,利用小波散射网络对柯氏音信号进行散射特征提取,搭建长短期记忆网络(LSTM)作为分类模型,对散射特征进行分类,评估LSTM分类模型的性能。本研究共有97例柯氏音信号数据,其中血管硬化组为50例,血管正常组为47例,按照8∶2的比例划分为训练集和测试集。最终分类模型的准确率为86.4%,敏感度为92.3%,特异性为77.8%。研究结果表明,柯氏音信号的特征受到血管顺应性的影响,利用柯氏音信号的特征进行血管硬化的检测是可行的,本研究为无创血管硬化检测提供了一种新的思路。
- 任淑琪陈增胜邓小燕樊瑜波孙安强
- 关键词：血管硬化心血管疾病神经网络
相关作者
- 苏小林
- 作品数：53被引量：443H指数：13
- 供职机构：山西大学
- 研究主题：电力系统 正规形 电动汽车 低频振荡 电气工程及其自动化
- 余长庚
- 作品数：31被引量：57H指数：5
- 供职机构：贺州学院
- 研究主题：小波分析 绿色数据中心 工科背景 工科 DDT
- 翟玉庆
- 作品数：66被引量：369H指数：11
- 供职机构：东南大学计算机科学与工程学院
- 研究主题：AGENT 计算机专业 人工智能 数字权限管理 信任
- 李兵
- 作品数：63被引量：86H指数：5
- 供职机构：中南大学
- 研究主题：奇点理论 数字图像 射频 开折 等变分歧问题
- 吴桂峰
- 作品数：22被引量：156H指数：7
- 供职机构：扬州大学能源与动力工程学院
- 研究主题：故障诊断 测控专业 小波-神经网络 实践教学 教学改革
