公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

基于EMD-RBF网络的车辆动态称重信号处理方法被引量：2: 2007年; 针对动态称重数据处理的复杂性,以常见的两轴车辆为研究对象,对汽车轴完全驶上称重台的信号进行经验模分解(EMD)求得剩余分量的平均值,并以前轴、后轴的剩余分量的平均值、平均速度、上台信号上升斜率、下台信号下降斜率为径向基函数(RBF)网络的输入,利用RBF网络对系统进行非线性建模。以静态测量结果为相对真值进行仿真,其出现的最大相对误差为1.4%,而简单平均值的测试误差达到2.1%,结果表明:该方法比直接输入台上信号的平均值具有更高的测试精度。; 姚恩涛张君季娟; 关键词：径向基函数网络轴重

两轴车辆动态称重信号分析方法研究被引量：10: 2005年; 汽车在行驶过程中,各轴之间的质量分配取决于即时悬挂、驱动、制动系统中的摩擦力和加速度等因素,而称重传感器接收到的信号同时又与汽车、台板的振动有关。分析了汽车在非匀速通过称重台板时简化汽车模型的轴重分配,首先,从动态称重信号中提取速度和加速度信号,然后,对车轮完全上台后的信号利用经验模分解(EMD)方法求得剩余分量的平均值,以剔除信号中的振动影响成分。利用车型、速度、加速度等参数进行动态校正,数据处理结果表明:当汽车通过台板的时间大于振动系统的基频周期时,用该方法能提高测试精度。; 姚恩涛季娟张明; 关键词：振动轴重动态校正

基于HHT的汽车动态称重数据分析方法被引量：3: 2006年; 将希尔伯特-黄变换(H ilbert-huang transform,HHT)引入到汽车动态称重数据的分析中,针对动态称重信号的特点运用了极值延拓法来抑制边界效应,提出了利用经验模分解(Em p irica l m ode decom pos ition,EM D)剩余分量的平均值求汽车动态称重真实轴重的方法,并将该方法与滤波法进行比较;进一步求出信号的H ilbert边际谱,将其与傅里叶幅值谱进行比较。实验结果表明H ilbert边际谱准确地反映了汽车通过称重台时振动系统的频率分布情况,汽车自振频率由此求出;当汽车通过台板的时间大于车辆振动的基频周期时,用该方法处理汽车动态称重信号能得到较理想的结果,车速≤15 km/h时最大误差为5.63%。; 季娟姚恩涛张明刘兼唐; 关键词：信号分析希尔伯特-黄变换

提高InSb磁敏电阻检测灵敏度的方法研究被引量：3: 2005年; 分析了锑化铟(InSb)磁敏电阻的工作原理,讨论了影响其检测灵敏度的主要因素。由于半导体材料对温度十分敏感,因此对磁敏电阻在无偏置磁场和有偏置磁场条件下的温度特性进行了实验研究;并对电阻串联分压电路进行了分析,推导了取得最大检测灵敏度的外部条件及其关系。; 姚恩涛季娟周曦; 关键词：计量学磁敏电阻温度特性

燃气管道检测技术研究进展被引量：10: 2012年; 分析了燃气管道检测的重要性和必要性,介绍了国内外燃气管道的检测发展情况及检测技术水平,比较探讨了直接法和间接法等各种检测方法的优劣,指出了我国燃气管道检测技术的研究方向和发展趋势,并强调应重视国内燃气管道的完整性管理。; 季娟田贵云王平熊龙辉; 关键词：燃气管道

钢轨疲劳斜裂纹垂向磁化检测仿真被引量：2: 2014年; 在分析典型滚动接触疲劳裂纹扩展特征,介绍垂向磁化检测原理及巡检方法的基础上,提出了一种采用垂向磁化场对钢轨疲劳斜裂纹进行电磁检测的方法。通过建立有限元模型,仿真分析了表面斜裂纹与钢轨顶面夹角、沿轨面下转向扩展角度、扩展深度及延伸长度、近表面裂纹埋藏深度与垂向磁化检测信号的关系。结果表明,该方法能有效检测材料表面和近表面斜裂纹及其沿轨面下的扩展特征,有助于高速铁路钢轨疲劳伤损的检测和故障早期预警。; 高运来田贵云丁松季娟王平王海涛李东; 关键词：滚动接触疲劳有限元仿真

基于图像特征分类和RBF网络的两轴车辆动态称重技术被引量：5: 2007年; 汽车在行驶过程中的总重信号通常由各轴重信号确定,各轴重信号的测试精度取决于对车辆运动参数和振动信号等的精确分析。本文采用径向基函数(Radial basis function,RBF)网络处理轴重信号,针对该网络的泛化能力与拟合精度的矛盾,将车辆按照重量分为大、中、小3种类型,并进行整车建模和网络训练;实际测试过程中,利用汽车俯视图像提取类型特征,然后根据汽车的类型将测试参数输入不同的神经网络进行处理,以静态测量结果为相对真值。仿真结果表明,分类建模比单一混合建模具有更高的测试精度。; 姚恩涛张君倪国芬季娟; 关键词：轴重径向基函数网络

图像分类结合经验模分解和径向基函数网络在车辆动态称重中的应用被引量：2: 2007年; 在车辆动态称重系统中,称重数据的处理是很复杂的。针对车辆运动参数对轴重信号的影响,本文采用径向基函数(RBF)网络,考虑到网络的泛化能力与拟合精度的矛盾,将车辆按照重量分为大、中、小3种类型,进行整车建模和网络训练。实际测试过程中,利用汽车俯视图像先提取类型特征,为了减小汽车运行过程中的振动对测试精度的影响,对汽车完全驶上称重台的信号进行经验模分解(empirical mode decomposition,EMD)求得剩余分量的平均值,并以前、后轴的剩余分量的平均值、平均速度、上台信号上升斜率、下台信号下降斜率为径向基函数网络的输入,然后根据汽车的类型将测试参数输入不同的神经网络进行处理,以静态测量结果为相对真值。结果表明,采用台上信号EMD分解的剩余分量的平均值作为输入的分类建模比直接采用台上信号的平均值作为输入的单一建模测试精度更高。; 张君姚恩涛倪国芬季娟; 关键词：径向基函数(RBF)网络图像处理

全选清除导出

共1页<1>

季娟