检索结果-南通市图书馆

利用压电传感器基于gaf-ResNet的管道焊缝缺陷分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

化工设备与管道 2024年第1期61卷 87-93页

作者：卫小龙杜国锋余泽禹袁洪强马骐荆州职业技术学院湖北荆州434023 长江大学城市建设学院湖北荆州434023 长江大学电子信息学院湖北荆州434023

针对管道焊缝缺陷分类难度大的问题,提出了利用压电传感器数据,结合格拉姆角场(Gramian Angular Field,gaf)和残差神经网络(ResNet)的焊缝缺陷分类方法。先采用gaf原理将一维时间序列数据转化为二维图像,将转化后的二维图像数据集输入,... 详细信息

针对管道焊缝缺陷分类难度大的问题,提出了利用压电传感器数据,结合格拉姆角场(Gramian Angular Field,gaf)和残差神经网络(ResNet)的焊缝缺陷分类方法。先采用gaf原理将一维时间序列数据转化为二维图像,将转化后的二维图像数据集输入,训练最优二维残差神经网络模型用于焊缝缺陷分类。实验中管道焊缝预制了10个缺陷(5种类型),使用导波和超声技术分别对焊缝中1-5号缺陷进行检测,分析Precision(精确率)、Recall(召回率)、F1-score(F1评分)三个指标,证实了基于gaf-ResNet方法的可行性,同时6-10号缺陷验证了该方法的可靠性和普适性。

关键词：管道焊缝缺陷分类 gaf 残差神经网络导波超声

基于VMD-gaf-MCNN的多传感融合海缆裸露状态识别

在线全文

学校读者我要写书评

暂无评论

光通信研究 2024年

作者：王伟汪文东游鹏肖泽鑫安博文崔桂艳国家能源集团东台海上风电有限责任公司国华(江苏)风电有限公司上海安馨信息科技有限公司

【目的】桩基冲刷及海缆登陆段的冲刷监测常采用多波束（侧扫）声呐方法进行扫描测量，根据扫测图像评断冲刷程度，但缺乏实时性，仅在运维时间才获取相关数据。目前海缆冲刷监测常采用温度分析和振动分析，但现场采集的分布式光纤传感... 详细信息

【目的】桩基冲刷及海缆登陆段的冲刷监测常采用多波束（侧扫）声呐方法进行扫描测量，根据扫测图像评断冲刷程度，但缺乏实时性，仅在运维时间才获取相关数据。目前海缆冲刷监测常采用温度分析和振动分析，但现场采集的分布式光纤传感信号具有非平稳、非线性且易受噪声干扰的特点，以及单一传感器提取特征信息不完备的问题，提出一种基于优化变分模态分解（Variational Mode Decomposition，VMD）、格拉姆角场（Gramian Angular Field，gaf）和多尺度卷积神经网络（Multi-scale Convolutional Neural Networks，MCNN）的多传感融合海缆裸露状态识别方法，提高登陆段海缆裸露状态识别的准确率。【方法】本文提出的优化VMD-gaf-MCNN使用信号处理和深度学习的方法实现。首先，提出一种基于希尔伯特变换（Hilbert Transform， HT）计算包络峰度最大值的VMD模数优化方法，利用优化VMD对分布式光纤传感信号进行分解，并利用相关系数法筛选本征模态分量（Intrinsic Mode Functions，IMF），提取各阶本征模态分量与原始信号相关系数最大的IMF分量；其次，提出一种格拉姆角场二维图像编码方法，利用gaf将分布式光纤测温系统（Distributed Temperature Sensor，DTS）和分布式光纤声传感系统（Distributed Acoustic Sensing，DAS）采集的光纤温度信号和振动信号筛选出的IMF分量编码成二维图像；最后，设计多尺度卷积神经网络结构，随机划分训练集和测试集，将训练集输入网络进行训练，测试集验证网络的有效性，实现海缆裸露状态识别。【结果】利用现场采集的海缆光纤温度数据和振动数据进行验证，测试准确率达到99.85%，相较于单一传感器分别提高了0.95%和0.85%。【结论】本文所提方法能够准确识别登陆段海缆裸露状态，为制定海缆运维策略提供技术支撑。

关键词：模式识别多传感融合优化VMD gaf MCNN

基于ALIF-gaf-AlexNet的微电机故障分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

机床与液压 2024年第9期52卷 186-191页

作者：刘其洪陈璐李伟光伍世豪华南理工大学机械与汽车工程学院广东广州510641

微电机是一种重要的动力驱动元件,其诊断过程并不复杂,但人工听音比较低效且诊断结果片面,投入大量的人工对其进行分类是不合理的。为了提高微电机的诊断效率和实用性,提出一种诊断方法。使用自适应局部迭代滤波方法来降低噪声,然后用... 详细信息

微电机是一种重要的动力驱动元件,其诊断过程并不复杂,但人工听音比较低效且诊断结果片面,投入大量的人工对其进行分类是不合理的。为了提高微电机的诊断效率和实用性,提出一种诊断方法。使用自适应局部迭代滤波方法来降低噪声,然后用格拉姆角场将特征提取后的声音信号转换为图像,将转换后的图像应用深度卷积神经网络模型进行分类研究。基于微电机声音信号实验采集装置,对采集的数据应用所提出的方法进行故障诊断分类,并与其他方法进行比较。结果表明,该方法比其他方法具有更高的分类精度,准确率达到94.1%。

关键词：微电机 ALIF gaf 深度学习

Energy efficient TDMA-based MAC protocol associated with gaf for wireless sensor networks

在线全文

学校读者我要写书评

暂无评论

The Journal of China Universities of Posts and Telecommunications 2007年第1期14卷 6-11页

作者： XIAO Xiao ZHENG Bao-yu YAN Zhen-ya CHEN Chao Institute of Signal and Information Processing Nanjing University of Posts and Telecommunications Nanjing 210003 China

The design of media access control （MAC） protocol for wireless sensor networks （CSNs） with the idea of cross layer attracts more and more attention. People can improve the MAC protocol by obtaining certain information regarding the network layer and physical layer. This article synthesizes and optimizes certain cross-layer protocols which have existed. On the basis of the muting, topology information in the network layer, and transmission power information in the physical layer, the thne slot assignment algorithm has been improved in the MAC layer. By using geographical adaptive fidelity algorithm （gaf） to divide the grids, controlling of transmission power and scheduling the work/sleep duty cycle for sensor nodes, a new MAC protocol has been proposed to decrease energy consumption and enlarge the lifetime of WSNs. Simulation results show that the MAC protocol functions well.

关键词： power controlled time division multiple access（TDMA） WSNs MAC gaf

基于ALIF-gaf-AlexNet的微电机故障分类应用

在线全文

学校读者我要写书评

暂无评论

机床与液压 2023年

作者：刘其洪陈璐李伟光伍世豪华南理工大学机械与汽车工程学院

微电机是一种重要的动力驱动元件，其诊断过程并不复杂，且人工听音是比较低效且片面的诊断结果，投入大量的人工对其进行分类是不合理的。因此，为了提高微电机的诊断效率和实用性，本文提出了一种微电机诊断方法。首先，使用自适应局... 详细信息

微电机是一种重要的动力驱动元件，其诊断过程并不复杂，且人工听音是比较低效且片面的诊断结果，投入大量的人工对其进行分类是不合理的。因此，为了提高微电机的诊断效率和实用性，本文提出了一种微电机诊断方法。首先，使用自适应局部迭代滤波方法来降低噪声，然后用格拉姆角场将特征提取后的声音信号转换为图像，将转换后的图像应用深度卷积神经网络（DCNN）模型进行了分类研究。本文介绍了微电机声音信号实验采集装置，并对采集的数据应用所提出的方法进行故障诊断分类，结果表明，该方法比其他方法具有更高的分类精度，达到了94.1%的准确率。

关键词：微电机 ALIF gaf 深度学习

基于EMD-gaf和改进的SERE-DenseNet的滚动轴承故障诊断方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子测量技术 2023年第20期46卷 170-176页

作者：赵国威曾静沈阳化工大学信息工程学院沈阳110000

为了解决滚动轴承一维振动信号中故障特征微弱难以提取和深度学习模型层数加深容易导致梯度消失或梯度爆炸从而引起模型恶化、导致故障诊断准确率低和鲁棒性差的问题,本文提出一种基于EMD-gaf和改进的SERE-DenseNet的滚动轴承故障诊断... 详细信息

为了解决滚动轴承一维振动信号中故障特征微弱难以提取和深度学习模型层数加深容易导致梯度消失或梯度爆炸从而引起模型恶化、导致故障诊断准确率低和鲁棒性差的问题,本文提出一种基于EMD-gaf和改进的SERE-DenseNet的滚动轴承故障诊断方法。将滚动轴承一维振动信号通过滚动采样后利用EMD对其进行分解并重构,再使用gaf将重构的一维信号转换为二维图像作为模型输入,模型方面选取DenseNet121为主干,引入了SERE模块,并将2层卷积的Dense Layer改进为3层稀疏的、基数为8的模块;将二维图像作为输入通过该模型进行特征提取和故障分类。采用凯斯西储大学的轴承数据集进行仿真实验,实验结果表明,本文方法能够准确地完成滚动轴承故障诊断,故障诊断最大准确率100%,10次实验平均准确率99.91%,与常见的深度学习模型进行比较,本文方法具有较大的优越性;在信噪比为10 dB的环境下故障诊断准确率为96.48%,本文方法具有较强的鲁棒性。

关键词：故障诊断滚动轴承 gaf SERE-DenseNet

基于CEEMDAN-gaf的变压器机械故障检测方法

在线全文

学校读者我要写书评

暂无评论

电测与仪表 2022年

作者：罗兵徐立王婷婷王邸博黄小龙赵莉华南方电网科学研究院有限责任公司四川大学电气工程学院特高压工程技术(昆明广州)国家工程实验室

针对传统基于振动信号的传统机械故障检测方法中需要选择多个特征量这一缺点，文中介绍了一种基于自适应白噪声完备集成经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise，CEEMDAN）与格拉姆角场(Gra... 详细信息

针对传统基于振动信号的传统机械故障检测方法中需要选择多个特征量这一缺点，文中介绍了一种基于自适应白噪声完备集成经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise，CEEMDAN）与格拉姆角场(Gramian Angular Field，gaf)的配电变压器机械故障判别方法。该方法利用CEEMDAN对信号进行重构并应用gaf变换获得重构信号的二维图像，通过对二维图像灰度处理、二值化后将所得二值矩阵用于训练径向基函数(Radical Basis Function，RBF)神经网络，实现对于机械故障的检测。利用一台变压器进行了故障模拟及测试，结果表明该方法准确有效。工程实际中通过持续大量采集变压器运行数据优化RBF神经网络的分类函数，可以实现不同类型故障的精准识别，具有较高的参考价值。

关键词： CEEMDAN gaf RBF 故障识别变压器

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的恶意软件可视化检测研究

基于深度学习的恶意软件可视化检测研究

作者：云霄倩桂林电子科技大学

学位级别：硕士

具有大量用户的Windows操作系统一直是恶意软件的主要攻击对象。传统的检测方法在特征分析方面存在计算资源需求量大的挑战,并且难以应对采用加壳和混淆技术而快速变种的恶意软件。将软件直接可视化为图像再采用深度学习技术进行分类的... 详细信息

具有大量用户的Windows操作系统一直是恶意软件的主要攻击对象。传统的检测方法在特征分析方面存在计算资源需求量大的挑战,并且难以应对采用加壳和混淆技术而快速变种的恶意软件。将软件直接可视化为图像再采用深度学习技术进行分类的方法具有不需要复杂的特征采集的优势,但是将软件静态特征直接可视化难以反映恶意软件行为特征。同时,现实中某些恶意类型的样本数量过小,样本不平衡问题导致小样本类别检测精度过低。针对上述问题,本文研究了恶意软件动态特征的可视化方法与数据增强方法,并利用深度学习技术对恶意软件进行检测,主要研究内容如下:1、针对恶意软件特征提取部分,动态API调用序列可以反映软件特定的行为顺序,为了保留Windows API调用序列的调用顺序,本文首次提出一种基于格拉姆角场(gaf)思想的恶意软件可视化和动态分析相结合的方法,使用动态分析获取的Windows API调用序列生成gaf特征图像,并设计卷积神经网络(CNN)从图像纹理角度进行恶意软件检测,实验结果证明了本文所提方法的有效性。2、针对数据集不均衡、模型对数据集中样本量少的类别识别精度低的问题,本文提出一种基于恶意软件可视化和生成对抗网络(GAN)的恶意软件数据增强方法。首先,在动态API调用顺序的基础上,结合API调用次数生成一种新的恶意软件RGB图像。其次针对恶意软件样本量少的类别,设计了一种基于WGAN-GP的恶意软件数据增强模型。最后从生成数据质量评估和模型准确率角度进行实验,一方面采用PSNR和SSIM两种图像质量评估方法评价生成数据与原始数据的相似性,从而验证所提出的数据增强模型的有效性。另一方面通过构建不同规模的数据集验证使用生成数据进行数据增强对模型检测准确率的影响。实验结果证明本文所提出的数据增强方法可以生成包含丰富特征信息的生成数据,能够有效缓解数据不均衡问题,同时提高模型检测性能。

关键词：恶意软件检测深度学习 gaf 生成对抗网络 Windows API调用序列

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

单导联心电图心律失常分类研究

单导联心电图心律失常分类研究

作者：沈尧苏州大学

学位级别：硕士

随着时代的发展,人们的衣食住行都发生了极大地改变。不健康的生活方式日益突出,尤其是在年轻人之中。使得心血管疾病的患者逐年增多,患者的平均年龄也在年轻化。我国共有3.3亿心血管疾病患者,如不加以有效地预防和控制,预计2030年,我... 详细信息

随着时代的发展,人们的衣食住行都发生了极大地改变。不健康的生活方式日益突出,尤其是在年轻人之中。使得心血管疾病的患者逐年增多,患者的平均年龄也在年轻化。我国共有3.3亿心血管疾病患者,如不加以有效地预防和控制,预计2030年,我国将有770万人死于心血管疾病。因此,对心血管疾病进行预防和及时诊断治疗十分重要。心电图是临床上对心血管疾病诊断的主要依据。心血管疾病患者的增多和心血管疾病需要实时监测的特点导致了心电图数据的暴增,仅靠人工分析已经远远跟不上需求,并且高强度的人工诊断易导致误诊漏诊。通过计算机实现心电图的辅助诊断则可以极大地减轻医疗压力,释放医疗资源。为了提高心律失常分类算法的准确率以及能更好地贴近临床需求,本文的主要研究内容如下:(1)针对心电信号的时间相关性,提出了一种基于改进的残差网络与长短时记忆网络融合的模型。该模型通过在残差模块中加入CBAM(Convolutional Block Attention Module)注意力机制,分析心电图的重要区域,而忽略相对较不关键的特征信息。将通过残差网络提取的特征输入长短时记忆网络进行分类,可以充分保留时间序列的相关性。此外,先用残差网络提取特征解决了长短时记忆网络训练参数过大的问题。最后,利用MIT-BIH心律失常数据集对模型进行训练和测试,得到了 99.51%的分类准确率。与其他模型进行对比,证明了本文模型的性能更优越。(2)针对临床需求,提出了一种基于gaf(Gramian Angular Field)图像化的心律失常分类方法。该方法未对原始心电信号进行去噪,直接截取2秒短期数据,摆脱了传统心电图分类对QRS波群定位算法的依赖性,接着通过gaf格拉姆角场进行图像化,结合迁移学习,对在ImageNet数据集上预训练的DenseNet121进行网络微调再训练,得到了 88.66%的分类准确率,较其他方法有一定的提升。

关键词：深度学习单导联心电图卷积神经网络 gaf 心律失常分类