检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多传感器信息融合的铣削颤振识别研究

多传感器信息融合的铣削颤振识别研究

作者：姚海洋河北科技大学

学位级别：硕士

颤振是一种复杂的非线性、非平稳的自激振动,在铣削、车削、钻削、磨削等加工中均会发生。在薄壁件、高强度高硬度材料的铣削加工中,切削颤振现象更易发生。切削颤振会使加工的质量和效率降低,刀具和机床的工作寿命减少。因此,进行铣削... 详细信息

颤振是一种复杂的非线性、非平稳的自激振动,在铣削、车削、钻削、磨削等加工中均会发生。在薄壁件、高强度高硬度材料的铣削加工中,切削颤振现象更易发生。切削颤振会使加工的质量和效率降低,刀具和机床的工作寿命减少。因此,进行铣削颤振的在线监测、早期识别具有重要的意义。本文对铣削颤振识别进行了深入研究,主要工作总结如下:进行铣削稳定性分析并设计了多传感器融合的铣削实验。根据再生型颤振原理建立铣削动力学模型,利用解析法求解铣削稳定域。通过模态锤击实验获得铣削加工系统的固有频率、阻尼比和刚度,并绘制稳定性叶瓣图,分析各模态参数对铣削稳定性的影响。根据稳定性叶瓣图,设计了集成力传感器和加速度传感器的多传感器铣削监测实验,得到铣削信号为后面的颤振识别提供数据支持。为优化变分模态分解(VMD)和支持向量机(SVM)的关键参数,提出一种多策略融合的改进麻雀搜索算法。在优化VMD和SVM关键参数的过程中,针对麻雀搜索算法在种群初始化和麻雀位置更新方面的缺陷,利用改进的Circle混沌映射、正余弦算法、Lévy飞行策略和自适应t分布对其进行改进。通过仿真实验、Wilcoxon秩和检验和时间复杂度分析验证了改进算法在搜索能力、收敛速度、寻优精度和稳定性等方面的优越性,为参数优化提供算法支持。采用改进麻雀搜索算法优化的变分模态分解分析铣削信号,提取分解后敏感分量的多尺度排列熵作为颤振识别特征。根据平均包络熵最小原则,采用改进麻雀搜索算法优化变分模态分解的模态个数和惩罚参数,使用优化后的变分模态分解分析铣削实验的振动信号和力信号,并根据相关系数法筛选分解后的敏感分量,提取敏感分量的多尺度排列熵作为颤振识别特征。采用改进麻雀搜索算法优化的支持向量机建立铣削颤振识别模型。将铣削实验振动信号和力信号的多尺度排列熵作为模型输入,以5-折交叉验证法的模型平均识别准确率最高为原则,采用改进麻雀搜索算法优化支持向量机的惩罚参数和核函数参数,建立了多传感器信息融合的铣削颤振识别模型,可在颤振孕育阶段及时识别颤振,以保障铣削稳定加工、提高铣削加工效率。

关键词：铣削颤振颤振识别麻雀搜索算法变分模态分解支持向量机

一种基于广义Duffing振子的水中弱目标检测方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

物理学报 2017年第12期66卷 182-193页

作者：姚海洋王海燕张之琛申晓红海洋声学信息感知工业和信息化部重点实验室(西北工业大学) 西安710072 西北工业大学航海学院西安710072

海洋环境中,在水下目标的线谱频率未知或者目标辐射噪声的连续谱很弱时,很难实现水中弱目标的准确检测,本文提出基于广义Duffing振子检测系统的水下目标辐射噪声检测方法.通过对传统周期扰动的Duffing振子信号检测系统的分析和推广,提... 详细信息

海洋环境中,在水下目标的线谱频率未知或者目标辐射噪声的连续谱很弱时,很难实现水中弱目标的准确检测,本文提出基于广义Duffing振子检测系统的水下目标辐射噪声检测方法.通过对传统周期扰动的Duffing振子信号检测系统的分析和推广,提出了一种可输入非周期、非平稳信号的广义Duffing振子检测系统,可检测输入的无先验信息目标信号.为实现广义Duffing振子系统运动状态的精确、有效判断,提出了一种相空间图形的离散分布列计算方法,通过类网格函数实现了利用统计复杂度对系统输出的嵌入式表征,从而实现了无先验信息时的水中弱目标的嵌入式检测.相同条件下与传统检测方法仿真对比可知,本文提出的方法可以检测到更低信噪比下的目标,并能满足水中检测实时性要求.

关键词：水中目标检测广义Duffing振子系统统计复杂度相空间

基于DnResNeXt网络的沙漠地震噪声压制方法研究

在线全文

学校读者我要写书评

暂无评论

基于DnResNeXt网络的沙漠地震噪声压制方法研究

作者：姚海洋吉林大学

学位级别：硕士

通过地震勘探可以得到很多地质结构信息,得到的这些地质结构信息对油气资源的勘探与开采非常重要。尤其是石油、天然气等不可再生资源,随着人类社会的进步,这些资源的需求量日益扩大。常规的油气藏区等易于采集到的油气资源日益减少且... 详细信息

通过地震勘探可以得到很多地质结构信息,得到的这些地质结构信息对油气资源的勘探与开采非常重要。尤其是石油、天然气等不可再生资源,随着人类社会的进步,这些资源的需求量日益扩大。常规的油气藏区等易于采集到的油气资源日益减少且面临匮乏。因此,常规的油气资源开采已经不能满足现代人类和社会对其日益增加的需要,非常规油气资源开采也已成为了热点。与常规的油气资源开采相比,非常规的油气资源往往开采的难度更大,而且其周围环境也更加复杂。因此我们采集得到的大量地震数据都会伴有强烈的噪声,数据信噪比(signalto-noise ratio,SNR)会变得极低,给我们后续进行地震记录解释工作带来了重大困难,因此,我们需要解决的一个问题是如何去除这些地震记录中的强烈噪声,恢复有效的信号,提高地震数据的准确性和信噪比。本文主要将目光聚焦于沙漠地区,因为沙漠地区含有大量未被利用的油气资源,成功勘探将具有重大意义。众所周知,沙漠地区的环境极其恶劣,抛开开采难度不说,采集到的地震记录也会被噪声严重污染,这对沙漠地区的地震勘探带来巨大挑战。沙漠噪声具有低频、非高斯、非平稳、高能量、频谱混叠严重等特点。因此,从沙漠地震记录中消除噪声是一个巨大的挑战。地震勘探噪声压制方法发展至今,国内外诸多学者已经提出很多优秀的算法,如带通滤波器(BP),时频峰值滤波,自适应滤波,Radon变换,小波变换,Shearlet变换。这些典型的算法被应用于地震信号处理领域中,虽然在消减随机噪声方面有一定的效果,但是处理更加复杂的沙漠噪声效果并不理想,经典算法仍需改进。基于上述问题,我们提出了一个新的网络DnResNeXt来处理沙漠地震记录。在结构提升方面,DnResNeXt使用跳跃连接、残差学习以及分组卷积,这可以比Dn CNN网络或RED提取和传递更多的特征信息。在卷积神经网络处理图片数据时批量归一化层是不可或缺的,它被用来防止梯度爆炸或梯度消失。但是,我们的网络不需要应用批量归一化层,这样,DnResNeXt可以直接提取沙漠噪声数据的原始的数据特征。算法的流程如下:首先,我们构建高质量的训练集,包括有效信号集和噪声集。然后我们使用训练集来训练DnResNeXt网络。最后,用训练好的模型来处理沙漠地震记录。然后用含噪记录减去网络的输出(预测结果)就可以得到去噪后的信号。在模拟和实际沙漠地震记录处理中,将本文提出的方法与经典的方法作对比,并从时域、频域、信噪比提升以及均方误差(MSE)等多方面进行考察。可以看出无论在模拟记录还是实际记录,本文方法的性能要远优于传统的噪声压制方法。本文方法的去噪结果中有效信号被清晰连续地恢复出来,噪声得到了最大程度的抑制,获得了较大的信噪比提升,这些充分证明了本文方法的有效性,在处理沙漠地震记录上较传统方法有巨大优势。

关键词：卷积神经网络深度学习残差学习地震勘探沙漠噪声去噪

功能性纳米二氧化硅的制备及其对不饱和聚酯的改性研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

功能性纳米二氧化硅的制备及其对不饱和聚酯的改性研究

作者：姚海洋河南大学

学位级别：硕士

纳米SiO2作为聚合物的增强材料被广泛应用于橡胶、塑料、粘合剂、涂料等领域,但其表面能高,易于团聚,难以在聚合物中很好的分散,致使其在应用中无法发挥纳米粒子的优异特性。而常用的纳米SiO2改性方法是对纳米团聚体的改性,改性效果有限... 详细信息

纳米SiO2作为聚合物的增强材料被广泛应用于橡胶、塑料、粘合剂、涂料等领域,但其表面能高,易于团聚,难以在聚合物中很好的分散,致使其在应用中无法发挥纳米粒子的优异特性。而常用的纳米SiO2改性方法是对纳米团聚体的改性,改性效果有限,难以从根本上解决SiO2的团聚问题,如果能通过控制纳米SiO2的制备条件,在合成的过程中对其进行修饰,制得高分散性的纳米SiO2,将为SiO2在聚合物中的应用开辟一条新的途径。本文以泡花碱作为硅源,采用液相原位表面修饰技术,通过控制反应过程中的各项参数,制备出在不饱和聚酯中具有较好分散性的纳米SiO2以及可反应型纳米SiO2,并选用可反应型纳米SiO2滤饼作为单体,参与不饱和聚酯树脂的合成反应,制备出不饱和聚酯/纳米SiO2杂化材料,考察了可反应性纳米SiO2对不饱和聚酯的改性效果,阐述了其改性机理。本文的主要研究内容和研究结果如下:1、高分散性纳米SiO2的制备采用液相原位表面修饰技术,制得表面功能化的高分散性纳米SiO2。其最佳合成条件为:泡花碱模数为1,改性剂HMDS用量与SiO2物质的量比为1:5,分散剂乙醇用量为溶液质量4%、采用pH调节剂3作为酸化剂、溶液中泡花碱浓度为12%、阴离子型表面活性剂A为SiO2质量的1%。2、可反应性纳米SiO2的制备采用硅烷偶联剂KH560为改性剂,合成了表面含有环氧基团的可反应性纳米二氧化硅Si-E,并以此为基础,在Si-E表面分别接枝二乙醇胺和氨基乙酸,制备出表面含活性羟基链的二氧化硅Si-H和表面含活性羧基链的纳米二氧化硅Si-C。3、纳米SiO2的结构性能表征采用TEM、IR、XRD、TG、BET等表征手段及物性分析方法对制备的纳米SiO2进行结构和性质分析,结果显示:制得的高分散性纳米SiO2和可反应性纳米SiO2在不饱和聚酯中均有很好的分散性,表观密度较小,透光率高、吸油值和比表面积较大,平均粒径在100nm,呈球形链状结构。4、可反应性纳米SiO2/不饱和聚酯杂化材料的制备及表征以可反应性纳米SiO2为单体,并直接以滤饼的形式参与不饱和聚酯聚合反应,制备出了一系列不饱和聚酯/纳米SiO2杂化材料。对杂化材料的结构分析表明可反应性纳米SiO2参与了不饱和聚酯的缩聚反应。性能分析结果表明,杂化材料的粘度、耐碱性、力学性能与纯不饱和聚酯相比得到明显提高,其中Si-H型纳米SiO2对杂化材料力学性能提高最显著,当表面改性剂与SiO2用量为1:5时,Si-H在质量分数为1%时拉伸强度和冲击强度达到最大,分别比纯树脂提高41.2%和112%;Si-E型纳米SiO2的加入,对不饱和聚酯粘度和耐碱性提高最显著。5、对比了同等条件下可反应性纳米SiO2粉体和滤饼以及气相法未改性的纳米SiO2对不饱和聚酯的改性效果,分析表明使用可反应性纳米SiO2滤饼制备的杂化材料性能较好。

关键词：原位表面修饰纳米SiO2 原位聚合不饱和聚酯树脂杂化材料

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

双Duffing振子逆向联合信号检测模型

吉林大学学报（工学版） 2018年第4期48卷 1282-1290页

作者：姚海洋王海燕张之琛申晓红西北工业大学海洋声学信息感知工业和信息化部重点实验室西安710072 西北工业大学航海学院西安710072

针对Duffing振子信号检测系统存在的输入噪声对系统扰动的影响、目标信号与内策动力的相位同步以及系统输出运动状态判断3个关键性问题,分别提出了相应的解决方法。提出了一种基于临界阈值字典的逆向相变方法,根据临界阈值随噪声强度的... 详细信息

针对Duffing振子信号检测系统存在的输入噪声对系统扰动的影响、目标信号与内策动力的相位同步以及系统输出运动状态判断3个关键性问题,分别提出了相应的解决方法。提出了一种基于临界阈值字典的逆向相变方法,根据临界阈值随噪声强度的单调性建立临界阈值字典,有效避免了低信噪比下输入噪声对系统的扰动。提出了一种双系统联合检测方法,解决了目标信号相位和内策动力相位不同步问题,并推导出了由于相位的不遍历性导致的虚惊概率。提出了一种基于输出相空间图形表征的系统运动状态判断方法,并进行了可行性的数学证明,实现了检测结果的低运算量、高精度的嵌入式表征。最终建立了适用于工程实际的低信噪比下Duffing振子信号检测模型,使得检测概率不变的前提下最低检测信噪比大幅度降低。

关键词：信息处理技术 Duffing振子信号检测逆向相变双系统联合检测点集拓扑

基于ClothResNet模型的人体衣物颜色识别

在线全文

学校读者我要写书评

暂无评论

纺织学报 2023年第10期44卷 143-148页

作者：黄玥玥陈晓王海燕姚海洋陕西科技大学电子信息与人工智能学院陕西西安710016

针对人体衣物属性识别存在衣物分割困难、颜色易扭曲、识别效率和准确率低的问题,提出一种基于ClothResNet模型的高效人体衣物颜色识别方法,模型以ResNet18网络为基础,设计优化的金字塔池化模块以捕获图像中的多层语义信息,融合坐标注... 详细信息

针对人体衣物属性识别存在衣物分割困难、颜色易扭曲、识别效率和准确率低的问题,提出一种基于ClothResNet模型的高效人体衣物颜色识别方法,模型以ResNet18网络为基础,设计优化的金字塔池化模块以捕获图像中的多层语义信息,融合坐标注意力机制以关注人体衣物轮廓信息,融入空洞卷积以提升网络效率,从而利用多重信息提高人体衣物识别精确率。针对人体衣物属性数据集不足的问题,利用公开数据集活动模板(回归ATR)原始彩色图像构建衣物属性数据集pcaparsing。性能对比实验表明,ClothResNet模型在衣物颜色属性识别中的平均精确率达到9449%,结果均优于同类方法。该识别方法在中小规模的人体衣物颜色识别系统具有广泛且重要的应用前景。

关键词：人体衣物颜色识别残差网络优化的金字塔池化 ClothResNet模型

在线全文

学校读者我要写书评

暂无评论

基于优化VMD-SVM参数的铣削颤振识别

组合机床与自动化加工技术 2023年第6期 149-153页

作者：贾广飞姚海洋河北科技大学机械工程学院石家庄050018

铣削颤振是影响加工质量和切削效率的重要因素之一,为了有效抑制颤振发生,需要对铣削过程进行颤振识别。针对颤振识别中特征提取和识别准确率问题,提出基于麻雀搜索算法(SSA)优化变分模态分解(VMD)和支持向量机(SVM)关键参数的铣削颤振... 详细信息

铣削颤振是影响加工质量和切削效率的重要因素之一,为了有效抑制颤振发生,需要对铣削过程进行颤振识别。针对颤振识别中特征提取和识别准确率问题,提出基于麻雀搜索算法(SSA)优化变分模态分解(VMD)和支持向量机(SVM)关键参数的铣削颤振识别方法。采用SSA对VMD的关键参数以平均包络熵最小原则进行寻优;使用优化后的VMD分解铣削颤振信号,根据相关系数法筛选敏感的本征模态函数(IMF)分量重构原信号;提取重构信号的小波包能量熵构造颤振特征向量矩阵并输入经SSA优化的SVM模型中进行模型训练和铣削颤振识别。结果表明,提出的经SSA优化的VMD-SVM模型与未优化的VMD-SVM模型相比具有更高的识别准确率。

关键词：铣削颤振变分模态分解麻雀搜索算法平均包络熵支持向量机