期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到72篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Mel时频谱和3DCNN-SVM的柔性薄壁轴承故障诊断 认领 引用
1
作者 郭明军 吴海江 +1 位作者 赵学智 李书平 《兵器装备工程学报》 CAS CSCD 北大核心 2026年第4期236-246,共11页
针对柔性薄壁轴承存在的故障特征提取困难、智能诊断模型泛化性能有限和小样本场景分类精度不足等问题,提出了一种基于Mel时频谱,融合三维卷积神经网络和支持向量机的故障诊断方法(3D convolutional neural network-support vector mach... 针对柔性薄壁轴承存在的故障特征提取困难、智能诊断模型泛化性能有限和小样本场景分类精度不足等问题,提出了一种基于Mel时频谱,融合三维卷积神经网络和支持向量机的故障诊断方法(3D convolutional neural network-support vector machine,3DCNN-SVM)。首先将经短时傅里叶变换后的振动信号通过Mel滤波器组处理,并融合多尺度窗口长度生成三维Mel时频谱特征张量,以增强故障特征的辨识度并压缩数据量,提升中低频弱时变特征在强噪声下的可分辨性;然后利用3DCNN深度挖掘三维特征张量中的时空演化规律;最后采用一对多的SVM替代传统Softmax分类器,优化小样本场景下的决策边界。实验结果表明,在不同训练集和测试集划分比例下,模型的平均识别率达99.90%,最高识别率为100%,显著优于单一3DCNN模型。由此说明,融合多尺度的Mel时频谱和3DCNN-SVM可有效提取信号的三维时频信息,且能提升模型的准确率和泛化性能。 展开更多
关键词 柔性薄壁轴承 故障诊断 Mel时频谱 3D卷积神经网络 支持向量机
暂未订购 下载PDF
一种基于改进MelGan的水声对抗信号生成方法 认领 引用
2
作者 廖希阳 章林柯 余永升 《海军工程大学学报》 CAS 北大核心 2026年第3期49-54,共6页
水声对抗信号生成是水声信号领域的重要研究方向,旨在生成逼真的水声对抗信号以干扰探测系统。针对这一问题,本文提出了一种基于改进MelGan的水声对抗信号生成方法。该方法首先通过多尺度特征提取和引入对抗性损失函数的MelGan模型,生... 水声对抗信号生成是水声信号领域的重要研究方向,旨在生成逼真的水声对抗信号以干扰探测系统。针对这一问题,本文提出了一种基于改进MelGan的水声对抗信号生成方法。该方法首先通过多尺度特征提取和引入对抗性损失函数的MelGan模型,生成具有高对抗性的水声信号;然后,分别采用ALSAE、CSD和DEMON三种客观评价方法,从离散线谱振幅精度、连续谱能量轮廓以及时域包络调制特征等方面对所生成水声对抗信号进行了较为全面的评估。实验结果表明:该方法所生成的水声对抗信号的质量和对抗性得到了明显提升,有效提升了水下信息安全。 展开更多
关键词 水声对抗信号 生成模型 对抗性损失函数 梅尔频谱图
暂未订购 下载PDF
基于Log-Mel和深度卷积神经网络的复合故障诊断方法 认领 引用
3
作者 张堂莉 涂凤秒 +1 位作者 刘涛 杨随先 《机电技术》 2026年第1期36-43,共8页
高效准确的复合故障诊断对于确保列车安全稳定运行具有重要意义。目前,现有复合故障诊断方法大多是将复合故障视为一种新的故障类型,诊断模型训练往往需要大量的数据,对数据要求比较高。由于现实生产中能采集到的复合故障数据极少,文章... 高效准确的复合故障诊断对于确保列车安全稳定运行具有重要意义。目前,现有复合故障诊断方法大多是将复合故障视为一种新的故障类型,诊断模型训练往往需要大量的数据,对数据要求比较高。由于现实生产中能采集到的复合故障数据极少,文章提出了一种针对少样本的基于Log-Mel频谱和深度卷积神经网络的声信号复合故障诊断方法。首先,将声信号转换为Log-Mel频谱,通过设计的深度卷积神经网络对Log-Mel频谱进行故障特征提取,然后使用故障解耦分类器进行分类,并将复合故障解耦为多个单一故障的组合。通过不同预处理方法的对比试验验证,结果表明使用Log-Mel频谱进行故障诊断有更好的效果。文章还将所提方法与其他深度学习模型进行对比,结果表明:文章所提方法在训练集中有较少的单一故障和极少数的复合故障的情况下优于其他方法,有较高的复合故障诊断准确率。 展开更多
关键词 复合故障诊断 Log-Mel频谱 深度卷积神经网络 故障解耦分类器 行星齿轮
暂未订购 下载PDF
基于多通道声发射信号融合的水电机组空化故障诊断 认领 引用 被引量：1
4
作者 肖龙 肖湘曲 +3 位作者 何志宏 师博威 徐恺 李超顺 《水利学报》 EI CSCD 北大核心 2026年第2期293-305,共13页
针对水电机组空化故障因信号单一及噪声干扰而难以识别的问题,本文提出一种基于多通道声发射信号融合的水电机组空化故障诊断方法。首先,在水电机组空化模拟试验台采集空化试验的多通道声发射信号,将多通道声发射信号经数据压缩处理形... 针对水电机组空化故障因信号单一及噪声干扰而难以识别的问题,本文提出一种基于多通道声发射信号融合的水电机组空化故障诊断方法。首先,在水电机组空化模拟试验台采集空化试验的多通道声发射信号,将多通道声发射信号经数据压缩处理形成水电机组空化故障数据集;再将声发射信号变换成梅尔时频图,对频率进行加权处理,以去除高频信号中的噪声和突出低频信号中的特征;最后,结合卷积块注意力模块(CBAM)和D-S证据理论构建出基于决策级融合的多通道深度卷积神经网络模型,进行水电机组空化故障样本的训练和测试,得到故障诊断结果。结果表明,该方法能有效区分不同工况下的空化故障,与其他模型方法对比,具有较高的诊断精度和良好的抗噪能力,对实际中的水电机组空化故障诊断应用有较大参考作用。 展开更多
关键词 多通道信号融合 声发射信号 水电机组空化故障诊断 梅尔时频图 深度卷积神经网络
暂未订购 下载PDF
基于声信号多特征时频谱图的供水管网漏损检测 认领 引用 被引量：1
5
作者 孙庆帅 张英杰 +1 位作者 刘华亮 李述杰 《控制与决策》 EI CSCD 北大核心 2026年第5期1381-1391,共11页
基于声信号的漏损检测方法在人工巡检中具有重要应用价值,正逐步发展为一种新兴的远程监测手段.传统基于深度学习的漏损声信号识别方法往往受到信号预处理流程繁琐以及环境噪声干扰的限制,难以在其他供水管网中实现良好的泛化性能,漏损... 基于声信号的漏损检测方法在人工巡检中具有重要应用价值,正逐步发展为一种新兴的远程监测手段.传统基于深度学习的漏损声信号识别方法往往受到信号预处理流程繁琐以及环境噪声干扰的限制,难以在其他供水管网中实现良好的泛化性能,漏损检测的准确率亦有待进一步提升.鉴于此,首先,针对供水管网声信号构建高时间分辨率和高频率分辨率下的线性谱图和对数梅尔谱图,兼顾声信号的高频与低频特征,突出短时动态变化以及微弱频率特征,并以并行方式输入至卷积神经网络;然后,引入并行机制的时-频注意力卷积块进行特征提取,增强对时间和频率维度的细粒度特征捕捉能力;最后,利用真实供水管网声信号数据和物理仿真数据对所提出方法进行漏损检测性能实验验证,实验结果表明,所提出方法显著提高了对漏损事件的识别率,具有良好的鲁棒性和泛化能力. 展开更多
关键词 供水管网 漏损检测 声信号分析 时频谱图 线性谱图 对数梅尔谱图 注意力机制
暂未订购 下载PDF
基于改进MobileViT的气固两相流检测方法 认领 引用
6
作者 仝卫国 王用沛 +2 位作者 林礼榕 陈波帆 钟海增 《动力工程学报》 CAS CSCD 北大核心 2026年第5期154-164,共11页
针对气固两相流流动特性复杂导致流动参数难以准确检测的问题,结合神经网络技术对其流动过程中产生的音频信号进行分析,提出一种基于改进MobileViT的气固两相流检测方法。以轻量化网络MobileViT作为基础模型,首先通过谱减法对采集到的... 针对气固两相流流动特性复杂导致流动参数难以准确检测的问题,结合神经网络技术对其流动过程中产生的音频信号进行分析,提出一种基于改进MobileViT的气固两相流检测方法。以轻量化网络MobileViT作为基础模型,首先通过谱减法对采集到的音频信号进行去噪,并提取其梅尔频谱图作为模型的输入;其次,在模型中引入双向空洞空间金字塔池化模块,提取特征图在水平和垂直维度上的多尺度特征信息;然后,在模型中引入全局局部空间注意力机制,增强模型对特征图关键区域特征信息的捕捉和表达能力;最后,使用细节增强卷积替换MobileViT block中的3×3标准卷积,以提取出更为丰富的特征图局部细节特征信息。结果表明:改进后的模型对6种流量条件下的气固两相流具有较好的识别效果,准确率为98.833%,较原模型提高3.166%。 展开更多
关键词 气固两相流 神经网络 音频信号 MobileViT 梅尔频谱图
暂未订购 下载PDF
基于改进EfficientNetV2的铝液泄漏声音识别与预警机制 认领 引用
7
作者 梁艳辉 温承杰 +2 位作者 闫军威 周璇 张洪涛 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2026年第2期38-51,共14页
铝液泄漏是导致铝加工深井铸造爆炸事故的直接原因。为解决实际工程中铝液泄漏判断方法滞后性强、准确率低和监测范围受限等问题,该文提出了基于改进EfficientNetV2的铝液泄漏声音识别方法。该方法通过声音特征判断铝液泄漏,以扩大监测... 铝液泄漏是导致铝加工深井铸造爆炸事故的直接原因。为解决实际工程中铝液泄漏判断方法滞后性强、准确率低和监测范围受限等问题,该文提出了基于改进EfficientNetV2的铝液泄漏声音识别方法。该方法通过声音特征判断铝液泄漏,以扩大监测范围;同时通过优化堆叠因子、引入高效通道注意力机制改进EfficientNetV2结构,以进一步提升识别速率与准确率。首先,利用拾音器采集不同场景下的声音数据,构建包含7类声音场景的声音数据库;然后,从声音信号中提取对数梅尔语谱图作为特征集,输入到改进的EfficientNetV2模型进行训练与验证,最终得到铝液泄漏声音识别模型。实验结果表明:改进的EfficientNetV2识别准确率达95.48%;与原始EfficientNetV2、ResNet、 RegNet及DenseNet相比,改进模型的浮点运算次数分别为上述模型的12.34%、8.64%、11.14%和10.80%,参数量分别为上述模型的11.37%、9.55%、15.95%和17.24%,CPU环境下每秒处理图像帧数分别为上述模型的6.53倍、6.14倍、4.41倍和8.00倍,说明改进的EfficientNetV2具有快速准确的识别性能。此外,基于该文提出的铝液泄漏声音识别方法,构建了铝液泄漏风险预警机制,并将该机制应用于铸造单元的实时风险监测。实践结果验证了所提识别方法与预警机制的有效性,可为铝加工深井铸造爆炸事故的预防提供技术参考。 展开更多
关键词 铝加工深井铸造 铝液泄漏 声音识别 风险预警 改进的EfficientNetV2 对数梅尔语谱图
暂未订购 下载PDF
结合高效通道与全局注意力机制的肉鸡异常声音识别 认领 引用 被引量：1
8
作者 宁仲亿 张仁龙 《湖北农业科学》 2026年第3期163-170,共8页
为探究肉鸡在鸡舍内不同健康状态下发出的声音,实现肉鸡健康状态无接触、自动化的识别与监测,并提升禽类养殖智能化水平和禽类福祉,针对呼吸道疾病导致的声学特征畸变问题,通过结合高效通道注意力机制(ECA)与全局注意力机制(GAM)实现“... 为探究肉鸡在鸡舍内不同健康状态下发出的声音,实现肉鸡健康状态无接触、自动化的识别与监测,并提升禽类养殖智能化水平和禽类福祉,针对呼吸道疾病导致的声学特征畸变问题,通过结合高效通道注意力机制(ECA)与全局注意力机制(GAM)实现“通道-空间级联增强”的轻量级肉鸡健康声音识别模型(MobileNetV3-ECA-GAM),强化病理声学捕获能力,对肉鸡在鸡舍内不同健康状态下发出声音进行识别,并对比其他模型的性能与效率。以选取1日龄、公母混养蛋肉鸡100只,分为2组,采集健康组和疾病治疗组肉鸡在受控环境下定时音频数据,并通过音频裁剪、谱减法去噪及梅尔频谱图转换进行数据预处理。结果表明,MobileNetV3-ECA-GAM模型在肉鸡异常声音识别任务中表现出色,准确率达到96.75%,验证了ECA与GAM对提升模型性能及高效率、泛化能力的有效性,说明MobileNetV3-ECAGAM模型能够适用于肉鸡声音无接触异常监测,为禽类养殖提供一定的理论基础和技术支撑。 展开更多
关键词 肉鸡声音 非接触式监测 梅尔频谱图 MobileNetV3 ECA GAM
暂未订购 下载PDF
基于多粒度声谱图的托辊异常状态检测方法 认领 引用
9
作者 党颖滢 曹现刚 +6 位作者 张鑫媛 李翔宇 毛怡文 樊红卫 董明 万翔 段雍 《工矿自动化》 CSCD 北大核心 2026年第2期59-68,共10页
在井下复杂工况下,胶带摩擦与煤流冲击产生的机械噪声、风流扰动噪声及多设备耦合噪声相互叠加,导致托辊故障特征声纹极易被环境噪声掩盖;同时,托辊异常样本获取困难、标注成本高,使得基于传统监督学习的托辊异常状态检测方法难以有效... 在井下复杂工况下,胶带摩擦与煤流冲击产生的机械噪声、风流扰动噪声及多设备耦合噪声相互叠加,导致托辊故障特征声纹极易被环境噪声掩盖;同时,托辊异常样本获取困难、标注成本高,使得基于传统监督学习的托辊异常状态检测方法难以有效推广。针对上述问题,提出一种基于多粒度声谱图与注意力自编码器(MG-AAE)的无监督托辊异常状态检测方法,该方法仅利用正常工况托辊声音训练模型,无需故障标签。构建由Mel声谱图与Mel频率倒谱系数(MFCCs)组成的多粒度复合声谱特征,兼顾能量轮廓与细粒度声纹;在编码器中引入高斯差分金字塔(GDP)与多头注意力机制(MHA),通过多尺度建模与自适应加权融合,抑制稳态背景噪声并突出关键故障频带;以多维重构均方误差作为异常判据,实现托辊异常状态的自动识别。实验结果表明,在仅使用正常样本训练的前提下,MG-AAE模型在跨设备与真实工况评估中均展现出优异性能。基于MIMII数据集4类典型设备的评估显示,在0 dB强噪声工况下,MG-AAE模型的平均特征曲线下的面积(AUC)与局部AUC(pAUC)分别达到84.2%和70.4%,较自编码器模型提升7.3%和5.6%。在真实托辊数据上,AUC达95.47%,异常样本重构误差约为正常样本的1.40倍。说明该方法具有良好的跨设备泛化与低误报率特性,可为煤矿带式输送机托辊状态异常检测提供有效技术支撑。 展开更多
关键词 托辊 无监督异常检测 多粒度声谱图 Mel声谱图 Mel频率倒谱系数 自编码器 复合声学特征
暂未订购 下载PDF
基于双低秩调整训练的船舶辐射噪声识别 认领 引用
10
作者 马治勋 汤宁 +1 位作者 李璇 郝程鹏 《水下无人系统学报》 2026年第1期47-56,共10页
针对深度学习模型在船舶辐射噪声识别中由数据短缺、域偏移导致的泛化能力受限问题,文中提出了一种权重-特征双低秩自适应迁移学习框架。该框架从模型权重和特征表达2个维度协同开展低秩优化:在权重空间,冻结预训练权重,通过轻量化低秩... 针对深度学习模型在船舶辐射噪声识别中由数据短缺、域偏移导致的泛化能力受限问题,文中提出了一种权重-特征双低秩自适应迁移学习框架。该框架从模型权重和特征表达2个维度协同开展低秩优化:在权重空间,冻结预训练权重,通过轻量化低秩权重调整(WLoRA)模块构建可学习低秩权重参数,以较少参数量完成权重微调,从而降低过拟合风险;在特征空间,基于船舶辐射噪声Mel时频谱的内在低秩结构,通过低秩特征调整(FLoRA)模块对特征进行压缩和重构,从而显式约束模型学习低秩特征。该框架充分考虑了Mel时频谱的固有低秩结构,深入挖掘预训练模型潜力,有效提升了迁移学习性能。通过在ShipsEar和Deepship公开数据集上的实验表明,相对于直接微调预训练模型,所提方法能够有效提升迁移学习在船舶辐射嗓声分类模型中的性能。进一步的消融实验验证了2个低秩模块的有效性。 展开更多
关键词 船舶辐射噪声 双低秩 迁移学习 Mel时频谱
暂未订购 下载PDF
基于Mel频谱图和CNN的电网涉鸟故障鸟声识别 认领 引用 被引量：13
11
作者 邱志斌 卢祖文 +1 位作者 王海祥 况燕军 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第2期129-136,共8页
为了提高电网渉鸟故障防治的针对性,提出了一种基于Mel频谱图和卷积神经网络(CNN)的鸟声识别方法。建立常见渉鸟故障对应的40类代表性鸟种的鸣声样本集,对鸟鸣信号进行分帧、加窗与降噪等预处理,计算每帧信号在各个Mel滤波器中的能量,... 为了提高电网渉鸟故障防治的针对性,提出了一种基于Mel频谱图和卷积神经网络(CNN)的鸟声识别方法。建立常见渉鸟故障对应的40类代表性鸟种的鸣声样本集,对鸟鸣信号进行分帧、加窗与降噪等预处理,计算每帧信号在各个Mel滤波器中的能量,根据能量大小与颜色深浅的映射关系提取鸟鸣信号的Mel频谱图。以电网涉鸟故障相关鸟种的Mel频谱图作为输入,通过CNN反复执行卷积-池化过程提取Mel频谱图特征,并进行多次迭代训练调整网络内部参数,得到最优模型用于鸟种识别。算例结果表明,40类鸟种的识别准确率达96.1%,识别效果优于其他迁移学习模型。文中研究结果可为输电线路运维人员正确识别相关鸟种、开展渉鸟故障差异化防治提供参考。 展开更多
关键词 输电线路 涉鸟故障 鸟种识别 Mel频谱图 降噪 卷积神经网络
暂未订购 下载PDF
光声光谱联合深度学习的NO浓度预测方法 认领 引用
12
作者 方智成 周孟然 +2 位作者 胡锋 陈正伟 闻悦 《佳木斯大学学报（自然科学版）》 CAS 2026年第6期159-162,共4页
为解决燃煤烟气中一氧化氮(NO)浓度预测精度不足的问题,提出一种融合光谱-空间注意力模块(SSA)的深度学习模型(SSAE-NET),以提升NO浓度预测的准确性。通过光声光谱实验系统采集数据,采用生成对抗网络(WGAN)进行数据增强,并将一维光谱数... 为解决燃煤烟气中一氧化氮(NO)浓度预测精度不足的问题,提出一种融合光谱-空间注意力模块(SSA)的深度学习模型(SSAE-NET),以提升NO浓度预测的准确性。通过光声光谱实验系统采集数据,采用生成对抗网络(WGAN)进行数据增强,并将一维光谱数据转换为梅尔频谱图以适配卷积神经网络。模型以EfficientNet-B0为框架,引入设计的光谱-空间注意力模块,构建了SSAE-NET,增强光谱特征与空间特征的提取能力。实验结果表明,SSAE-NET在测试集上的决定系数(R2)达0.9277,均方根误差(RMSE)和平均绝对误差(MAE)分别为0.0761和0.0508,性能优于其他主流模型。研究验证了所提模型在光谱图像回归任务中的有效性,为燃煤烟气污染物的高精度预测提供了可行的技术路径。 展开更多
关键词 光声光谱 一氧化氮检测 深度学习 梅尔频谱图 注意力机制
暂未订购 下载PDF
基于Mel声谱图与改进SEResNet的鱼类行为识别 认领 引用 被引量：9
13
作者 杨雨欣 于红 +3 位作者 杨宗轶 涂万 张鑫 林远山 《渔业现代化》 CSCD 北大核心 2024年第1期56-63,共8页
养殖环境中饲料投放、水流变化等刺激源导致鱼类声音分辨难,使行为识别准确率不高,为解决上述问题,提出基于Mel声谱图(Mel spectrogram)与改进SEResNet的鱼类行为识别模型TAP-SEResNet。首先针对鱼类行为声音频率波动大、特征差异小,造... 养殖环境中饲料投放、水流变化等刺激源导致鱼类声音分辨难,使行为识别准确率不高,为解决上述问题,提出基于Mel声谱图(Mel spectrogram)与改进SEResNet的鱼类行为识别模型TAP-SEResNet。首先针对鱼类行为声音频率波动大、特征差异小,造成特征提取难的问题,采用高分辨率、特征表示较好的Mel声谱图以捕捉鱼类声音的频谱特征。其次针对鱼类声音特征关键信息易丢失的难题,提出在SEResNet模型中融合时序聚合池化层(Temporal Aggregated Pooling,TAP),提取池化区域的最大值和平均值,保留鱼类行为更多细粒度声音特征,提高识别准确率。为验证所提模型的有效性,分别设计了消融试验和模型性能对比试验,试验结果显示:TAP-SEResNet相比SEResNet在不降低检测速度的条件下准确率提升了3.23%;相比PANNS-CNN14、ECAPA-TDNN及MFCC+ResNet等先进声音识别模型,TAP-SEResNet在准确率上分别提升了5.32%、2.80%和1.64%。所提模型有助于养殖过程中对鱼类行为实现精准监测,对精准养殖具有重要的推动作用。 展开更多
关键词 鱼类行为识别 被动水声信号 Mel声谱图 SEResNet
暂未订购 下载PDF
基于变压器声纹Mel语谱图-ResNet的铁心松动故障诊断 认领 引用 被引量：10
14
作者 何萍 李勇 +3 位作者 陈寿龙 许洪华 朱雷 王凌燕 《电机与控制应用》 2022年第9期75-80,共6页
为实现变压器铁心松动故障的识别,提出基于变压器声纹的ResNet卷积神经网络(CNN)用作铁心松动故障的识别,分别比较了相同卷积神经网络ResNet在交叉熵损失函数(SE-ResNet-Dense)和特征表达的角度空间中最大化分类界限的加性角度裕度损失... 为实现变压器铁心松动故障的识别,提出基于变压器声纹的ResNet卷积神经网络(CNN)用作铁心松动故障的识别,分别比较了相同卷积神经网络ResNet在交叉熵损失函数(SE-ResNet-Dense)和特征表达的角度空间中最大化分类界限的加性角度裕度损失函数(SE-ResNet-ArcLoss)不同表现效果。通过变压器空载试验采集变压器铁心在额定预紧力、松动20%、松动40%时的噪声信号,通过离散傅里叶变换将采集的声纹信号生成时频矩阵,并使用Mel滤波器对时频矩阵降维生成尺寸大大缩小的Mel-语谱图。将采集的噪声信号制作成数据集后输入到两种模型中训练,最终测试集在模型SE-ResNet-Dense上的预测结果为90.753%,在模型SE-ResNet-ArcLoss上的预测结果为97.541%。结果验证SE-ResNet-ArcLoss最适用于变压器铁心松动故障识别。 展开更多
关键词 变压器声纹 铁心松动故障 Mel语谱图 卷积神经网络 故障识别
暂未订购 下载PDF
基于Mel-GADF与ConvNeXt-T的变压器铁心松动故障诊断方法 认领 引用 被引量：14
15
作者 万可力 马宏忠 +1 位作者 崔佳嘉 王健 《电力自动化设备》 EI CSCD 北大核心 2024年第3期217-224,共8页
为解决传统梅尔(Mel)时频谱图对变压器铁心松动程度识别率较低的问题,提出一种基于梅尔-格拉姆角差场(Mel-GADF)时频谱图与ConvNeXt-T网络相结合的变压器铁心松动故障诊断模型。将变压器声纹信号生成Mel时频谱图,同时将原始声纹数据经... 为解决传统梅尔(Mel)时频谱图对变压器铁心松动程度识别率较低的问题,提出一种基于梅尔-格拉姆角差场(Mel-GADF)时频谱图与ConvNeXt-T网络相结合的变压器铁心松动故障诊断模型。将变压器声纹信号生成Mel时频谱图,同时将原始声纹数据经过格拉姆角场(GAF)变换得到格拉姆角和场(GASF)与GADF这2种时频谱图;生成Mel-GASF与Mel-GADF这2种特征融合的时频谱图来弥补Mel时频谱图的低频缺失问题;将3种时频谱图放入ConvNeXt-T网络进行训练对比,选出效果最佳的诊断模型。以型号为S13-M-200/10的变压器为对象进行空载试验,对不同铁心松动程度下的声纹信号进行分析,分析结果表明,将Mel-GADF作为特征时频谱图结合ConvNeXt-T网络,可将测试集准确率从传统Mel时频谱图的98.273%提升至99.500%,提升了1.227个百分点。 展开更多
关键词 变压器 铁心松动 Mel时频谱图 格拉姆角场 卷积神经网络 迁移学习
暂未订购 下载PDF
基于动态风车卷积和残差注意力的航空噪声识别方法 认领 引用
16
作者 郭二崇 原霞 +1 位作者 王玉帅 管鲁阳 《机械设计与制造工程》 2026年第4期79-85,共7页
针对复杂背景噪声下航空噪声识别困难的问题,提出一种基于动态风车卷积和残差注意力的航空噪声识别方法。该方法以Log-Mel频谱图为输入,通过动态风车卷积-残差注意力分支与Transformer分支协同分别提取局部时频特征与全局时序依赖关系,... 针对复杂背景噪声下航空噪声识别困难的问题,提出一种基于动态风车卷积和残差注意力的航空噪声识别方法。该方法以Log-Mel频谱图为输入,通过动态风车卷积-残差注意力分支与Transformer分支协同分别提取局部时频特征与全局时序依赖关系,经自适应融合机制实现特征高效融合,完成对航空噪声的识别和分类。基于机场周边实地采集的航空噪声及城市环境噪声构建数据集,将所提方法与8种主流识别方法及3种代表性双分支网络进行对比实验,并通过消融实验验证各核心模块有效性。实验结果表明,该方法在准确率(99.52%)、精确率(99.78%)及F1分数(99.84%)上均优于对比方法,能有效感知噪声时变特性、抑制背景干扰,可为航空噪声实时监测与精准溯源提供可靠技术支撑。 展开更多
关键词 航空噪声识别 动态风车卷积 残差注意力机制 Log-Mel频谱图
暂未订购 下载PDF
基于梅尔频谱图和卷积神经网络的语音端点检测算法 认领 引用
17
作者 赵丽霞 程玉柱 《长沙民政职业技术学院学报》 2026年第2期121-126,共6页
随着人工智能等技术的快速发展,包括智能康复机器人在内的各类辅助机器人日益普及。人机语音交互是机器人应用的核心组成部分之一。作为语音信号处理的重要预处理步骤,语音端点检测通过判断是否存在人声信号,为基于语音的音频处理提供... 随着人工智能等技术的快速发展,包括智能康复机器人在内的各类辅助机器人日益普及。人机语音交互是机器人应用的核心组成部分之一。作为语音信号处理的重要预处理步骤,语音端点检测通过判断是否存在人声信号,为基于语音的音频处理提供关键支持,精准的端点检测是语音识别系统高准确率的前提条件。本文提出了一种基于梅尔频谱图和卷积神经网络(CNN)的语音端点检测算法(CNN-LMel)。基于梅尔频谱图设计了一种对数梅尔频谱特征(LMel),该特征更适合卷积神经网络架构。通过优化卷积神经网络架构,利用对数梅尔频谱特征进行了基于CNN的语音端点检测实验。实验结果表明,在低信噪比环境下,提取到的对数梅尔频谱特征能更好地体现人声和非人声的特点,将频谱图特征输入CNN进行检测,可实现高精度检测。 展开更多
关键词 语音端点检测 卷积神经网络 梅尔频谱图 对数梅尔频谱特征 低信噪比
暂未订购 下载PDF
基于梅尔频谱图的串联锂电池损伤诱因识别 认领 引用
18
作者 宋宗阳 程志 +1 位作者 刘洋 谢家乐 《电力科学与工程》 2026年第7期62-70,共9页
为解决极端工况下锂离子电池早期内部微小损伤难以精准追溯的难题,创新性地融合了信号特征转换与深度学习技术,构建了高效的数据驱动型损伤诱因识别框架。首先,通过引入自适应噪声抑制与遗忘机制,构建了增强型皮尔逊相关系数,以量化串... 为解决极端工况下锂离子电池早期内部微小损伤难以精准追溯的难题,创新性地融合了信号特征转换与深度学习技术,构建了高效的数据驱动型损伤诱因识别框架。首先,通过引入自适应噪声抑制与遗忘机制,构建了增强型皮尔逊相关系数,以量化串联电池间的电压同步异常;随后,将一维增强型皮尔逊相关系数序列映射为二维梅尔频谱图,从而有效锐化并突出与损伤相关的时频特征;最终,采用残差神经网络对时频图像进行特征提取与分类去实现电池损伤识别。实验设置了过充、过放、热过载及机械振动等多重损伤工况。测试结果表明,该方法对损伤诱因类型的识别准确率达88.64%,在损伤强度精细化分类任务中准确率达85.93%。该方法有效突破了早期微弱退化信号难以检测的瓶颈,实现了数据高效性与模型可解释性兼备的智能诊断,为储能系统的安全稳定运行提供了可靠支撑。 展开更多
关键词 锂离子电池 梅尔频谱图 残差神经网络 损伤诱因识别 故障诊断
暂未订购 下载PDF
基于改进MobileNetV3的笼养蛋鸡声音分类识别方法 认领 引用 被引量：4
19
作者 衡一帆 盛哲雅 +3 位作者 严煜 谷月 周昊博 王树才 《农业机械学报》 EI CAS CSCD 北大核心 2025年第4期427-435,共9页
为实现笼养蛋鸡声音的准确分类,实现蛋鸡健康、情绪、生产状态等信息的智能化、非接触式检测,提出了一种基于改进MobileNetV3的笼养蛋鸡声音分类识别方法。以欣华二号蛋鸡为研究对象,采集蛋鸡在笼养条件下发出的热应激声、惊吓声、产蛋... 为实现笼养蛋鸡声音的准确分类,实现蛋鸡健康、情绪、生产状态等信息的智能化、非接触式检测,提出了一种基于改进MobileNetV3的笼养蛋鸡声音分类识别方法。以欣华二号蛋鸡为研究对象,采集蛋鸡在笼养条件下发出的热应激声、惊吓声、产蛋声以及鸣唱声,经过声音预处理将一维声音信号转化为三维梅尔频谱图,建立了包括8541幅梅尔频谱图的蛋鸡声音数据集。通过在MobileNetV3中引入高效通道注意力(Efficient channel attention,ECA)模块,提高了笼养蛋鸡声音分类准确率。试验结果表明,MobileNetV3-ECA模型准确率、召回率、精确率以及F1分数分别达到95.25%、95.16%、95.02%、95.08%,相比原始模型分别提高1.99、2.08、2.00、2.04个百分点。通过与分别引入坐标注意力(Coordinate attention,CA)、卷积块注意力模块(Convolutional block attention module,CBAM)的模型对比,引入ECA模块后模型准确率分别提高2.11、2.03个百分点,其他指标同样有更明显的提高。与ShuffleNetV2、DesNet121和EfficientNetV2模型相比,MobileNetV3-ECA准确率分别提高1.99、2.03、2.50个百分点。本文提出的基于MobileNetV3-ECA的蛋鸡声音分类识别方法,能够有效且准确地实现对包括热应激声在内的不同种类蛋鸡声音分类识别,为蛋鸡规模化养殖中的自动化、智能化声音检测提供了算法支持,为禽舍巡检机器人功能优化提供了参考,同时为规模化笼养蛋鸡热应激预警开辟了思路。 展开更多
关键词 笼养蛋鸡 声音分类 MobileNetV3 高效通道注意力 梅尔频谱图 卷积神经网络
暂未订购 下载PDF
基于改进EfficientNet的煤矸音频分类方法 认领 引用 被引量：5
20
作者 宋庆军 焦守悦 +2 位作者 姜海燕 宋庆辉 郝文超 《工矿自动化》 CSCD 北大核心 2025年第1期138-144,共7页
针对煤矸音频特征提取过程中设备运行噪声干扰严重及单一提取方法易导致信息丢失的问题,提出了一种基于改进EfficientNet的煤矸音频分类方法。采用基于Mel频谱和Gammatone倒谱系数的特征提取方法,有效捕捉矸石声音中的低频信息和细节特... 针对煤矸音频特征提取过程中设备运行噪声干扰严重及单一提取方法易导致信息丢失的问题,提出了一种基于改进EfficientNet的煤矸音频分类方法。采用基于Mel频谱和Gammatone倒谱系数的特征提取方法,有效捕捉矸石声音中的低频信息和细节特征。选择EfficientNet-B0作为骨干网络,并对其进行以下改进:将原有的多尺度通道注意力模块换成卷积块注意力模块,得到卷积注意力特征融合(CAFF)模块,通过网络自学习为不同空间位置的特征分配不同的权重信息,生成新的有效特征;在原有的MBConv模块中并行嵌入频域通道注意力(FCA)模块,加强特征图的表达能力,从而提高整个网络的性能。实验结果表明:引入CAFF模块后,模型准确率提升了0.61%,F1得分提升了0.52%,且模型收敛更快,说明CAFF模块有效提升了模型对频谱特征的捕捉能力;引入FCA模块后,准确率提升了0.45%,F1得分提升了0.62%,说明模块的叠加可以进一步提高模型的泛化能力和处理复杂特征的能力;改进EfficientNe模型的准确率为91.90%,标准差为0.108,显著优于同类对比音频分类模型。 展开更多
关键词 综放开采 煤矸识别 音频特征提取 EfficientNet Mel频谱特征 Gammatone倒谱系数 注意力机制
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈