Welch功率谱与卷积神经网络结合的滚动轴承故障诊断

针对滚动轴承故障诊断在小训练样本下和强噪声下无法取得高精度识别的问题,提出一种基于Welch功率谱结合卷积神经网络进行诊断的方法。该方法以原始时域振动信号作为输入,用Welch功率谱转换数据形态同时对高强度噪声进行抑制,再用得到的功率谱训练卷积神经网络,最后将训练好的模型用于轴承的故障诊断。与WDCNN[1]等方法进行对比,实验发现在混合负载下,该方法平均识别率正确达到99%,其它方法达到这个精度至少需要20倍以上的训练样本量,明显优于WDCNN等方法。抗噪实验结果表明噪声对信号的干扰越强烈,该方法的抗噪表现越好,其抗噪性能要显著优于WDCNN等方法。

基于Welch谱分析的全球M_(S)≥7.0地震活动应变能周期特征

利用Welch平均法周期图谱对1700—2019年全球M_(S)≥7.0地震的活动周期进行提取,结果显示:M_(S)7.0~7.9地震的周期约为8 a、10 a、51 a、11 a、17 a、12 a、19 a、39 a;M_(S)≥8.0地震的周期约为10 a、46 a、22 a、8 a、20 a。为了与太阳活动周期对比,利用傅里叶去多周期方法提取1749—2019年太阳黑子周期,显著性最高的周期约为10~11 a(平均10.9 a),其次约为90 a、67 a、8~9 a、54 a。对太阳黑子活动周期与M_(S)7.0~7.9、M_(S)≥8.0地震周期进行线性回归分析,分2种情况:其一为10个显著周期相关计算,其二为8~22 a 7个显著周期相关计算,均显示具有较高的相关性,相关系数均在0.95以上,但在7级水平地震中,前者相关系数高于后者约0.03,8级水平地震相关性基本一致。将本文提取的活动周期与前人研究结果进行综合分析,认为不同计算方法、研究对象(强震周期、太阳黑子周期、地磁主磁场周期)得到的约8 a、11 a、50 a周期是一致的,更长的周期(约80~100 a)在强震活动方面显著性不强。

台基噪声功率谱估计中的Welch参数选择

Welch参数的选择对台基噪声功率谱估计结果影响较大,目前尚无统一选取标准。通过比较不同Welch参数组合下功率谱密度曲线平滑度的变化规律,研究窗口长度和重叠率对功率谱估计的影响,并提出最低重叠率和匹配重叠率的概念。研究表明,当窗口长度大于50%、重叠率取值小于最低重叠率时,功率谱估计偏差较大;特定窗口长度对应一系列匹配重叠率,在匹配重叠率下的功率谱估计更准确。

Welch功率谱估计算法仿真及分析

由于周期图法不满足一致性估计条件,因而在保证分辨力时方差性能很难满足实际应用需要.引入周期图法的一种改进算法,即Welch算法,通过对Welch算法进行研究和仿真,对算法的谱估计分辩力、方差等性能进行分析,讨论了分段长度、窗函数类型及分段重叠长度对算法性能的影响.仿真结果表明,合理的数据分段长度、窗函数类型及段间重叠,使Welch算法获得较好的分辩力及方差性能,算法在短数据信号谱估计时有一定的局限.

基于Welch法功率谱和广义回归神经网络的禽蛋裂纹辨识

为建立一种快速无损检测禽蛋裂纹的方法,构建了基于磁致伸缩振子扫频式振动的禽蛋裂纹检测系统。系统以声学特性为基础,通过利用Welch法功率谱分析禽蛋振动音频信号,利用主成分分析法提取特征向量中的有用信息并构建基于广义回归神经网络(generalized regression neural network,GRNN)的禽蛋裂纹检测模型。实验对290枚鸡蛋进行检测(训练集200枚,测试集90枚)。结果表明,测试集中无损蛋与裂纹蛋的判别率分别达到96.7%和98.3%。研究表明,利用磁致伸缩振子扫频和Welch法功率谱分析,通过主成分分析法提取特征向量中的有用信息并结合GRNN模型检测禽蛋裂纹是可行的。

基于Welch算法的经典功率谱估计的Matlab分析

从经典功率谱估计周期图法原理入手,从理论上分析了其存在的局限性,借助Welch算法对其进行修正。依靠Matlab强大的数值分析和信号处理能力,进行实验仿真,比较不同的窗函数,不同的数据长度对Welch法谱估计质量的影响,并分析了造成这些影响的原因。

利用Welch功率谱估计方法求埋深的参数选择

研究了采用Welch谱估计方法求异常体埋深时,窗函数类型、窗口长度、FFT点数、重叠采样点数对结果的影响;应用Matlab中的PSD函数,以无限长水平圆柱体为例作了分析。根据分析结果,提出了采用Welch谱估计方法计算异常体埋深时,关于窗函数、窗长度、FFT点数和重叠采样点数选择的建议。

Welch谱估计的随机误差与置信度

目的分析Welch谱估计的随机误差及置信度。方法首先导出Welch谱估计量随机误差的表达式,然后采用正态标准化处理方法,将Welch谱估计分量转化为χ2变量。结果获得了Welch谱估计的置信度分析方法。结论以128自由度的Welch谱估计结果的随机误差(12.5%)作为相对置信区间,则其置信概率为68.4%,若要达到95.5%以上置信概率,则Welch谱估计的自由度不能小于512,相应的随机误差为6.25%。

基于WelchCostas序列的最佳跳频码结构及其在OFDM系统中的应用

讨论了OFDM系统中跳频码设计的问题,建立了含有一个间隙行的Welch Costas序列的结构理论,深入研究了含有一个间隙行的Welch Costas序列的代数结构、构造方法和自(互)相关特性,并证明了相关的定理。探索了用含有一个间隙行的Welch Costas序列设计OFDM系统中跳频图样的方法,举例说明了如何设计跳频码和怎样将跳频码分配给OFDM系统中的用户。用含有一个间隙行的Welch Costas序列设计跳频码能获得理想的自相关特性,并且当无线通信系统中多普勒频移受限时能获得极佳的互相关性能。

小波包分解Welch平均法在焊接电弧声功率谱估计中的应用

对试验系统采集到的焊接电弧声进行了小波包多层分解 ,并利用周期图法、Welch平均法及AR模型法 ,对各频段信号进行功率谱估计 .根据不同谱估计方法的对比结果 ,提出小波包分解结合Welch平均法对焊接电弧声进行功率谱估计的新方法 .通过对几种规范与飞溅率下的电弧声功率谱的初步分析 ,发现其功率谱分布具有一定的规律性 。

基于GEP和Baum-Welch算法训练HMM模型的研究

传统的向前-向后算法或Baum-Welch算法训练HMM的转移概率aij和发射概率ai(ot),使观察序列的O概率恰好达到最大值往往很难,虽然在理论上训练HMM的这两个网络结构是可能的,但仅能保证局部的最大值,而基于全局搜索的基因表达式编程(GEP)的一个主要的特点就是可以高效快速的发现全局最优解。把GEP引入到HMM的训练中去,提出一种改进的训练方法GBHA。实验结果表明,该算法比传统算法的系统效率更高、更稳定。

Welch检验中有关自由度的几点讨论

本文对Welch检验中传统的自由度估计公式进行了改进、并指出在小样本情况下,进行两均数间的差异显著性检验时,若按传统的估计自由度的公式估计自由度、会提高犯第Ⅱ类(或β型)错误的概率。

腹腔镜在直肠癌改良Welch术的应用:附12例报告

为探讨经腹腔镜改良Welch术治疗低位直肠癌的方法与疗效,对12例低位直肠癌患者行经腹腔镜改良Welch术,术中经肛管拖出,根治性切除肿瘤,经肛门结、直肠肛管吻合。腹部不另做切口。结果示手术时间180～275min(平均200min),术后2d胃肠功能恢复,3d下床活动,术后住院时间平均10d(8～12d),无吻合口瘘等并发症。提示该手术安全可行,创伤小疼痛轻,恢复快,经济实用,疗效确切。

基于MPI的Welch功率谱估计并行算法的实现

Welch算法是一种应用很广的经典功率谱估计算法。但是面对现在日益膨胀的海量数据,单纯在串行Matlab环境下运行Welch算法势必耗费大量的运算时间。尽管Matlab也引入了并行计算工具箱,但是价格昂贵,不利于大范围推广使用。根据Welch算法的原理,在Linux集群环境及消息传递接口MPI的支持下,采用主从并行编程模式,实现了一个开源的Welch并行算法PMWelch。实验结果表明,PMWelch不仅具有Matlab下Welch算法一样的运算结果,还可以大幅减少运行时间。

经典功率谱估计Welch法的MATLAB仿真分析

周期图法是经典功率谱估计中的一种基本方法,但是在实际应用中难以同时保证良好的分辨力和方差性能。因此本文以周期图法原理为切入点,对改进后的Welch算法进行研究,并借助MATLAB软件强大的信号处理与数值分析能力,对Welch算法的谱估计分辨力、方差等性能进行仿真分析。讨论了不同数据分段长度、不同窗函数类型等因素对算法性能产生的影响。仿真结果表明,Welch算法由于合理的引入数据分段和窗函数,得到了较好的方差性能以及分辨能力,但在对短数据进行功率谱估计时还有一定的局限性。

Welch医学图书馆建设实践及启示

Welch医学图书馆在美国同类图书馆中排名前10,服务特色突出。本文介绍了它的基本情况、发展目标、组织管理结构、馆藏特点,以及4种特色服务活动。最后总结出3点启示,以期为我国图书馆的建设发展提供借鉴。

消除溢出问题的精确Baum-Welch算法

Baum- Welch算法是在语音领域中用于 HMM( hidden Markov model)模型参数训练的最基本方法之一 .但它在多样本训练时存在着严重的上、下溢问题 ,需要不断地人工介入来调整中间参数 .该文提出了一种新的能消除上、下溢问题的 Baum- Welch改进算法 .该算法不但摆脱了人工介入 ,保证了计算的精度 ,而且不会带来过大的计算和存储要求 .

基于Welch法的一种目标识别方法

目的 寻求一种用于识别战场发声目标的有效方法 .方法 应用了数字信号处理、模式识别等有关理论 .结果与结论 对几种典型装备的声音信号进行了实际分析和试验 ,取得了较好的识别效果 .

Welch功率谱估计方法的参数选择

研究了welch谱估计方法中窗函数和窗长度及FFT点数对谱估计结果的影响,应用Matlab中的Pwelch函数,作了仿真分析。根据分析结果,提出了有关窗函数、窗长度和FFT点数确定问题的建议。

Welch功率谱估计算法在相位噪声测量中的应用

针对传统的功率谱估计方法存在频谱分布不稳定、无法反映信号时变特性的问题,提出了一种基于Welch功率谱估计的相位噪声测量算法。该方法通过对不同的被测信号进行功率谱的估计,可以相应地选择Welch法数据分段和窗函数,并对相位噪声建立数学模型。随后对相位噪声与噪声功率谱之间的关系进行了分析。测试结果表明,该方法不但具有能适应噪声信号的随机性和脉冲性的优点,而且大大减小了噪声功率谱的均方误差,能很好地应用在相位噪声测量中。