基于ALIF-GAF-AlexNet的微电机故障分类

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%。

基于CEEMDAN-GAF的变压器机械故障检测方法

针对基于振动信号的传统变压器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。所提方法利用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。选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。

利用压电传感器基于GAF-ResNet的管道焊缝缺陷分类

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。

基于改进的GAF算法的EEG情感识别

利用脑电图(EEG)信号对人类的情感进行识别一直是一个重要且具有挑战性的研究领域。传统的方法都是对一维EEG信号进行分析,然后提取特征进行识别;但这种方法需要提取许多时域或频域上的特征才能取得较好的识别效果。考虑到二维图像蕴含的信息要远远比一维信号蕴含的信息丰富,因此将一维信号转换成二维图像可以提取更加有效的特征进行识别。为此,该文提出了一种基于改进的Gramian Angular Field(GAF)算法的EEG情感识别方法。首先,从EEG信号中提取alpha、beta、gama三个频段的子带信号;然后,提出了一种基于马氏距离加权的改进GAF算法将一维EEG信号转换成二维特征图像;接着,从二维图像中提取奇异值熵、图能量等特征;最后,利用卷积神经网络(CNN)对提取的EEG特征进行分类识别。基于广泛使用的DEAP数据集,针对四分类(HAHV、LAHV、LALV和HALV)情感识别任务,对该模型进行了验证。实验结果表明:所提算法的平均分类准确率达到92.63%,与现有的识别方法对比具有一定的优势。

基于EMD-GAF和改进的SERE-DenseNet的滚动轴承故障诊断方法

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。

基于GAF与卷积神经网络的配电网故障选线新方法

消弧线圈接地配电网的暂态零序电流特征和选线结果呈现复杂的非线性关系,传统选线方法不适用于弱故障特征提取。为提高配电网的故障选线准确性,提出了一种基于格拉米角场GAF(Gramian angular field)与卷积神经网络CNN(convolutional neural network)的故障选线新方法。首先对不同工况下的零序电流进行GAF变换,利用变换后的GASF(Gramian angular summation field)和GADF(Gramian angular difference field)特征图样本集训练CNN,用于判定待测馈线是否故障。为提高选线方法的普适性,除了10 kV辐射状配电网样本库,另外建立了包含3种完全不同拓扑模型样本的混合库。最后,所提方法在辐射状模型库和混合库都得到了验证,判定结果证实了该方法的有效性和准确性。

黄芪、三七对萎缩性胃炎大鼠胃黏膜HSP70及其转录因子GAF表达的影响

目的:明确黄芪、三七及其配伍对萎缩性胃炎大鼠胃黏膜热休克蛋白70(heat shock protein 70,HSP70)及其转录因子GAF表达的影响.方法:清洁级Wistar大鼠54只,随机分为空白组、模型组、替普瑞酮组、黄芪组、三七组、黄芪+三七组.运用幽门弹簧配合高盐热淀粉糊灌胃法制备萎缩性胃炎模型后,分别给予空白组、模型组(生理盐水2mL/d)、黄芪组[黄芪水煎剂3.5g/(kg·d)]、三七组[三七粉冲剂0.7g/(kg·d)]、黄芪+三七组{黄芪三七溶液灌胃[其中黄芪3.5g/(kg·d)、三七0.7g/(kg·d)]}、替普瑞酮组[200mg/(kg·d)]灌胃.连续给药1mo后,取大鼠胃组织,经量子点免疫荧光组织化学方法测定各组大鼠胃黏膜中HSP70蛋白及其转录因子GAF表达量.结果:同模型组相比,黄芪组、三七组、黄芪+三七组以及替普瑞酮组胃黏膜中HSP70的表达有显著性差异(P=0.0000,0.0269,0.0020,0.006);同时上述各组HSP70转录因子GAF的表达,亦显著性高于模型组(P=0.0000,0.0000,0.00100.0052);黄芪组HSP70表达高于三七组(P=0.0134),但HSP70转录因子GAF的表达在两组间无统计学差异.结论:黄芪、三七及其配伍可以明显改善萎缩性胃炎大鼠胃黏膜状态;通过诱导并增加转录因子GAF的表达,促进热休克蛋白70的表达,可能是黄芪、三七治疗萎缩性胃炎的作用途径之一.

基于最优簇首数划分单元格的改进GAF算法

为构造良好的拓扑结构,降低节点能耗,延长网络生存期,对传统的GAF算法进行了改进。改进算法中考虑到连通度和最优簇首数的问题,提出了新的虚拟单元格划分方法。在簇首选择阶段,不仅考虑到节点剩余能量及节点距基站的距离,还考虑到节点吞吐率的问题,并通过定义簇首选择函数来进行簇首选择。仿真结果显示,改进的GAF算法有效地节省了节点能耗,延长了网络生存期。该算法的各项性能均优于传统的GAF算法。

一种层次蜂窝结构的负载均衡GAF算法

针对无线传感器网络中的负载均衡问题,在蜂窝结构GAF算法(GAFH)的基础上,提出一种层次蜂窝结构的GAF算法(GAFHH)。GAFHH由若干相邻蜂窝栅格内的节点组成一簇,按照各栅格在簇中的位置进行编号。选择簇中间的栅格为活跃栅格,根据最大剩余能量原则选择簇首,由各簇首构建骨干网络进行通信。通过移动各簇的边界,使活跃栅格始终位于簇的中间。仿真结果表明,GAFHH的网络负载均衡和网络吞吐量均优于GAFH。

一种具有GAF分簇结构的无线传感器网络中恶意软件传播模型

传输环境和部署环境的开放性使无线传感器网络(WSN)的安全问题变得尤为重要,基于二维元胞自动机提出恶意软件SIR(susceptible-infected-recovered)传播模型,研究具有GAF分簇结构的WSN中恶意软件的传播动力学特征。研究结果表明:分簇的无线传感器网络仍然具有空间局域化结构特征,分簇不但能够降低各传感节点的能量消耗,也能够有效抑制恶意软件的传播,降低了病毒大规模传播的风险。但同时发现,簇头选举期间病毒传播速度有加速趋势。

基于节点分布均匀度模型的加权能量检测GAF算法

在分析了传统GAF算法在选举簇头和虚拟单元格方格划分不足的基础上,提出了一种节点分布均匀度模型的加权能量检测GAF算法,在对虚拟单元格形状改进的基础上,建立节点分布均匀度模型,进一步对虚拟单元格的划分提供参考,同时对算法中簇头选举综合考虑节点剩余能量及其与虚拟单元格内物理节点的质心间距,能有效解决节点能量消耗不均衡问题。最后以GPSR作为GAF算法的底层通信协议进行仿真,结果表明该算法有效地节省了节点的能量,延长了网络的生存周期。

一种基于GAF的无线传感器网络分簇算法

分簇技术主要目标是延长整个传感器网络的生存时间。好的分簇技术可以提高无线传感器网络的可扩展性。就"热区"内的负载平衡问题,以及频繁的簇头轮换和簇重组问题,对基于GAF算法的完全簇头选择算法进行改进,结合双簇头模型和单簇头模型的优点,提出了一种无线传感器网络簇头非均匀分布算法,有效地平衡"热区"内节点的能耗,延长了无线传感器网络的生命期。

基于非竞争机制的改进GAF拓扑控制算法

能量问题是制约无线传感器网络发展和应用的瓶颈之一。为均衡网络节点的能量消耗,延长网络的生命周期,需要建立高效的拓扑控制机制。在深入研究GAF算法的基础上,提出了一种基于非竞争机制的改进算法。利用建立的适合度函数和顺序表优化了簇头的选举策略;通过改进虚拟单元格的划分方法,并推导出动态剩余能量阈值估算公式,有效地改善了GAF算法的相关性能。仿真结果表明,改进算法对于减少拓扑控制耗费、延长网络生命周期具有显著效果。

凤冈野生天麻抗真菌肽基因(gaf)的克隆与序列分析

为了克隆凤冈野生天麻的抗真菌肽基因(gaf),以凤冈野生天麻的RNA为模板,采用RT-PCR技术扩增抗真菌肽基因(gaf),经克隆和测序结果显示:RT-PCR产物电泳扩增的目标条带长度为545 bp;经测序和序列分析,该基因与Genebank中公布的序列编码天麻抗真菌蛋白的基因序列(AY032588)同源性达97%。此研究成功地克隆了凤冈野生天麻抗真菌肽编码基因。

无线传感器网络基于相交圆结构的改进GAF算法

针对GAF算法的不足,提出一种基于相交圆结构的改进GAF算法。采用相交圆结构模型进行单元格划分,增大每个单元格的面积及节点单跳覆盖范围,在相交圆的重叠区域中进行中转节点的选择,实现簇头间的多跳路由;在簇头选择阶段,根据节点吞吐率等条件定义的簇头选择函数来选择簇头。仿真结果表明,改进GAF算法能有效节约能耗,延长网络生存期。

一种无线传感器网络改进GAF算法的设计

提出一种改进的GAF算法,将GAF的正四边形网格改变为正六边形方式,加上分层群组控管机制,来达到更好的省电效果.基于MATLAB进行了GAF及改进GAF算法的性能分析,分别进行了高速及低速环境下两个算法的性能分析,结果显示,提出的GAF改进算法在网络生存时间、平均数据传输延迟、数据包发送率等方面均优于GAF算法.

GAF型主通风机装置性能现场测试方法

根据GAF主通风机装置现场布置特点 ,提出了安全可行的装置性能测试方案 ,并给出GAF风机流量等工况参数的现场测试方法。

静压差法测定GAF系列风机风量的研究

介绍了“静压差法”测定GAF系列矿用大型主通风机风量的原理和方法 ,详细阐述了测压断面的选择、差压传感器的布置方式、数据采集及理论公式的推导 ,并运用该法实测了任楼煤矿 2台GAF— 2 6 6— 13 3— 1型主通风机各工况点下的风量 ,取得了圆满成功。

一种用于GAF协议的优化邻居表算法

GAF协议是一种基于地理信息的无线传感器网络路由协议,由于采用多跳传输,将导致热区的产生。提出了一种优化邻居表算法,可以有效辨识GAF虚拟网格内的节点密度,从而选择密度大的网格通行,以均衡热区能耗,延长网络寿命。仿真结果验证了该算法的可行性。

无线传感器网络中改进的GAF算法及其性能分析

在传统GAF算法的基础上,提出了基于最优簇首数划分单元格的GAF改进算法。改进算法利用推导出的最优簇首数进行单元格的划分,在簇头选择阶段,根据节点吞吐率等条件定义了簇头选择函数来选择簇头。并对不同基站位置的改进GAF算法进行了性能分析与仿真。仿真结果表明改进算法能有效节约能耗且与理论分析相符。