大体积混凝土结构被广泛应用于土木、水利等领域的重大工程中,而混凝土抗拉强度低的力学特性决定了其易产生裂纹,因此,发展高效的检测方法,识别大体积混凝土结构中的裂纹信息十分必要.论文提出了一种新的方法,通过提取响应信号频谱中特...大体积混凝土结构被广泛应用于土木、水利等领域的重大工程中,而混凝土抗拉强度低的力学特性决定了其易产生裂纹,因此,发展高效的检测方法,识别大体积混凝土结构中的裂纹信息十分必要.论文提出了一种新的方法,通过提取响应信号频谱中特定频率的幅值特征,基于BP人工神经网络建立幅值特征与裂纹信息间的映射关系,从而有效识别出裂纹信息.首先采用扩展有限元法(eXtended Finite Element Methods, XFEM)和人工吸收边界模型,分别模拟了单裂纹和双裂纹情形下,大量不同裂纹信息下特定位置传感器的响应,分析其频谱曲线并提取特征,建立频谱特征—裂尖位置数据集,以训练人工神经网络,测试集的反演效果显示,该方法具有较好的准确度,可有效识别出裂纹信息.展开更多
电源网络S参数与芯片电源模型(Chip Power Module,CPM)级联可实现电源时域噪声仿真,完成电源完整性设计签核。当下部分仿真工具在AC阻抗优化过程中导出的S参数存在低频段无法覆盖的问题,影响时域纹波仿真精度,如果重新对S参数进行提取,...电源网络S参数与芯片电源模型(Chip Power Module,CPM)级联可实现电源时域噪声仿真,完成电源完整性设计签核。当下部分仿真工具在AC阻抗优化过程中导出的S参数存在低频段无法覆盖的问题,影响时域纹波仿真精度,如果重新对S参数进行提取,又会增加仿真时间降低仿真效率。针对AC阻抗优化过程中导出的S参数无法覆盖低频段的问题,提出了一种电源网络S参数低频段拓展方法,结合电压调节模块(Voltage Regulator Module,VRM)的R-L模型,推导出低频段的S参数可以借用抽取的S参数中最低频点处的S参数实现低频段S参数的拓展。仿真和实验结果表明,通过对低频段S参数进行拓展,电源时域纹波噪声仿真的精度提升31%。同时,低频段的S参数直接借用已抽取的S参数中低频点的数值无须重复提取,在8 GB内存的配置下,仿真时间节约14%左右,提高了仿真效率。展开更多
心律失常是常见的心血管疾病之一,目前很多方法通过计算机辅助系统对心电图进行分析以识别心律失常,但由于大多数心律失常数据样本较少,计算机辅助系统识别心律失常效果不佳.本文提出了一种基于混合时频域分析特征提取的卷积神经网络方...心律失常是常见的心血管疾病之一,目前很多方法通过计算机辅助系统对心电图进行分析以识别心律失常,但由于大多数心律失常数据样本较少,计算机辅助系统识别心律失常效果不佳.本文提出了一种基于混合时频域分析特征提取的卷积神经网络方法,该方法提取心电图的RR间期时域特征、希尔伯特-黄变换提取的频域特征和连续小波变换提取的时频域联合特征,经过特征融合后输入卷积神经网络训练分类模型,并采用Focal Loss作为网路的损失函数,实现对心律失常的分类.本文使用MIT-BIH(Massachusetts Institute of Technology-Boston’s Beth Israel Hospital)心律失常数据库验证本文提出方法对4类心电数据分类的结果,实验结果表明,与现有的分类算法相比,本文所提出的混合时频域特征方法能有效提升心律失常分类的准确性.展开更多
文摘大体积混凝土结构被广泛应用于土木、水利等领域的重大工程中,而混凝土抗拉强度低的力学特性决定了其易产生裂纹,因此,发展高效的检测方法,识别大体积混凝土结构中的裂纹信息十分必要.论文提出了一种新的方法,通过提取响应信号频谱中特定频率的幅值特征,基于BP人工神经网络建立幅值特征与裂纹信息间的映射关系,从而有效识别出裂纹信息.首先采用扩展有限元法(eXtended Finite Element Methods, XFEM)和人工吸收边界模型,分别模拟了单裂纹和双裂纹情形下,大量不同裂纹信息下特定位置传感器的响应,分析其频谱曲线并提取特征,建立频谱特征—裂尖位置数据集,以训练人工神经网络,测试集的反演效果显示,该方法具有较好的准确度,可有效识别出裂纹信息.
文摘心律失常是常见的心血管疾病之一,目前很多方法通过计算机辅助系统对心电图进行分析以识别心律失常,但由于大多数心律失常数据样本较少,计算机辅助系统识别心律失常效果不佳.本文提出了一种基于混合时频域分析特征提取的卷积神经网络方法,该方法提取心电图的RR间期时域特征、希尔伯特-黄变换提取的频域特征和连续小波变换提取的时频域联合特征,经过特征融合后输入卷积神经网络训练分类模型,并采用Focal Loss作为网路的损失函数,实现对心律失常的分类.本文使用MIT-BIH(Massachusetts Institute of Technology-Boston’s Beth Israel Hospital)心律失常数据库验证本文提出方法对4类心电数据分类的结果,实验结果表明,与现有的分类算法相比,本文所提出的混合时频域特征方法能有效提升心律失常分类的准确性.