博士后科研启动基金(XM20120049)
- 作品数：3 被引量：16H指数：2
- 相关作者：周俊刘丽川杨继平王强更多>>
- 相关机构：中国人民解放军后勤工程学院后勤工程学院更多>>
- 发文基金：博士后科研启动基金更多>>
- 相关领域：石油与天然气工程自动化与计算机技术电子电信更多>>
- 基于K-均值聚类与小波分析的声发射信号去噪被引量：10
- 2013年
- 为准确识别声发射信号模式,必须剔除声发射信号中的噪声,传统滤波去噪方法效果并不理想,小波阈值去噪方法显示了独特的优势。针对小波阈值去噪方法中阈值设置风险问题,利用K-均值聚类方法对小波分解后的高频系数进行分类,确定去除噪声对应小波系数的阈值,然后进行小波系数重构达到去噪目的。采用硬阈值法与软阈值法对声发射信号进行小波阈值去噪,将基于K-均值聚类方法生成的阈值和改进Donoho方法生成的阈值分别作为小波去噪阈值,实验结果表明,在信噪比、均方根误差和平滑度三个指标上,本方法优于改进Donoho方法。
- 周俊刘丽川杨继平
- 关键词：声发射信号K-均值聚类小波分析去噪
- 小波变换在声发射信号去噪中的应用研究被引量：2
- 2013年
- 声发射检测是油罐在线监测的重要手段,具有独特的优势。传统的线性滤波方法对于包含各类噪声的声发射信号去噪效果并不理想,采用Donoho改进方法生成去噪阈值,分别采用软阈值法和硬阈值法对声发射信号进行小波阈值去噪处理,然后进行小波系数重构得到去噪声发射信号。实验结果表明,在信噪比、均方根误差和平滑度三个去噪效果指标上,软阈值方法优于硬阈值方法。
- 周俊双海军刘丽川
- 关键词：声发射小波变换阈值去噪
- 基于小波变换与BP神经网络的声发射信号识别被引量：4
- 2015年
- 针对现有声发射信号识别参数分析法的不足,提出利用小波变换特征提取与BP神经网络结合的声发射信号识别方法。利用db2小波对声发射信号进行6层分解,将细节特征空间的能量作为声发射信号特征向量;结合声发射信号特点设计和训练BP神经网络,通过实验确定隐层神经元数;用BP和RBF神经网络分别对腐蚀、裂纹和冷凝声发射信号进行分类测试。实验结果表明,提取的声发射信号特征具有较好的区分性能,BP网络在识别声发射信号方面优于RBF网络,这对储油罐安全状况的定量分析具有一定意义。
- 周俊易良庭王强
- 关键词：声发射小波变换BP网络
