汪欣
- 作品数：12 被引量：33H指数：2
- 供职机构：中国科学院上海高等研究院更多>>
- 发文基金：中国科学院重点实验室基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种水下机器人定位导航装置与方法
- 本发明涉及一种水下定位导航装置，具体涉及一种水下机器人定位导航装置与方法，用于三维空间定位位于水下的水下机器人，包括：浮标导航器浮于水面，且通过通信电缆与水下机器人相连；浮标导航器上设置定位传感器，用于定位浮标导航器；信...
- 刘张驰姚盼盼汪欣周文晋
- 变电站噪声响度级测量方法、装置、电子产品和介质
- 本申请公开了变电站噪声响度级测量方法、装置、电子产品和介质。本发明通过获取变电站噪声源周围各测点的现场声压测量数据，并对各测点的现场声压测量数据进行修正得到各测点的纯净噪声声压数据，采用测点的纯净噪声声压数据计算测点各频...
- 汪欣周文晋马裕超莫娟肖清明杨臻李想吴杨韩利钱勇徐金李毅刚
- 一种基于稀疏自编码器的电机故障诊断方法被引量：10
- 2019年
- 在电机故障诊断研究领域,基于人工智能技术和现代信号处理方法相结合的故障诊断技术正逐步成为目 前的研究热点。一般的模式识别方法往往对信号的数据采集和处理有较高要求,且往往因模型泛化能力有限而受到 制约。为解决这一问题,提出一种基于稀疏自编码器的故障诊断方法,利用Hilbert包络谱信号训练稀疏自编码器,自 适应将大数据的内在特征提炼为简单的特征函数,通过特征函数表达实现电机状况的智能诊断。实验结果表明,相比 BP(Back propagation,BP)神经网络和支持向量机分类算法,本方法可快速、有效地提高故障分类的准确度,对电机故障 精准诊断具有重要意义。
- 王黎阳杜翀汪欣翟旭平
- 关键词：故障诊断模式识别特征提取
- 基于双传声器和深度学习的变压器状态识别被引量：2
- 2024年
- 针对单传感器状态识别算法存在漏检、误检的缺陷,文章提出一种基于双传声器和深度学习的变压器状态识别算法,即基于一维卷积神经网络和双传声器数据融合算法(1D-CNN based dual microphones fusion algorithm,1D-CNN-DMF)。利用2个传声器分别同时采集变压器声信号,通过一维卷积神经网络对2个传声器采集到的声信号分别进行特征提取,并利用全连接层对特征进行融合,最终通过softmax分类器进行分类。通过采集500 kV变压器的声信号构建数据集进行验证,结果表明1D-CNN-DMF算法可以有效地对变压器不同状态进行分类,分类准确率高于1D-CNN-LSTM、1D-CNN、FFT-BP、SVM和FFT-SAE等算法。最后利用t-SNE可视化工具揭示了1D-CNN-DMF算法的内在机制。
- 马裕超汪欣钱勇莫娟韩利
- 关键词：声信号处理卷积神经网络
- 一种水下机器人定位导航装置与方法
- 本发明涉及一种水下定位导航装置，具体涉及一种水下机器人定位导航装置与方法，用于三维空间定位位于水下的水下机器人，包括：浮标导航器浮于水面，且通过通信电缆与水下机器人相连；浮标导航器上设置定位传感器，用于定位浮标导航器；信...
- 刘张驰姚盼盼汪欣周文晋
- 基于声信号和一维卷积神经网络的电机故障诊断研究被引量：23
- 2021年
- 针对电机故障诊断问题,设计一种新型的一维卷积神经网络结构(1D-CNN),提出一种基于声信号和1DCNN的电机故障诊断方法。为了验证1D-CNN算法在电机故障识别领域的有效性,以一组空调故障电机作为实验对象,搭建电机故障诊断平台,对4种状态的空调电机进行声信号采集实验,制作电机故障声信号数据集,并运用1DCNN算法对数据集进行分类,计算出基于该算法的电机故障识别准确率。实验结果表明,1D-CNN算法作为一种新型结构深度学习算法,能够对电机故障声信号进行很好分类,分类准确率高于FFT-BP、SVM、FFT-SAE等算法。为了探究1D-CNN算法内在机制,还对1D-CNN算法性能进行t-SNE可视化分析。
- 汪欣汪欣毛东兴
- 关键词：故障诊断卷积神经网络电机故障
- 有轨车辆轴承故障在线检测装置及方法
- 本发明提供一种有轨车辆轴承故障在线检测装置及方法，包括：低噪声轨道，位于待检测有轨车辆经过的路径上；振动传感模块，包括至少一个振动传感器单元及信号输出端，振动传感模块位于低噪声轨道上；传声器模块，包括至少一个传声器单元及...
- 周文晋汪欣蒋银男梅劲松石峥映李晓东
- 文献传递
- 一种移动机器人环境探测装置与一种探测设备
- 本发明涉及一种目标探测系统，具体涉及一种移动机器人环境探测装置与一种探测设备，包括控制单元、功率放大器、超声波换能器、波导管和超声波吸收模块；控制单元发出驱动信号，经功率放大器放大至超声波换能器，换能器激发的超声波沿波导...
- 刘张驰姚盼盼汪欣周文晋
- 基于弹性振动和深度学习的变压器状态识别
- 2024年
- 针对当前传统的变压器状态识别算法需要人工干预的问题,研究了一种能够自动提取特征并分类的一维卷积神经网络算法。该算法通过3层卷积池化层自动提取信号特征,并通过全连接层展为一维矢量,最终通过Softmax层进行分类。鉴于弹性振动信号抗干扰能力较强,选择弹性振动信号作为信号处理研究对象,运用基于一维卷积神经网络和弹性振动的方法对变压器状态进行识别,并通过采集500kV变压器的弹性振动信号获取的数据集进行验证,结果表明该算法的准确率优于BP、SVM和SAE算法,能对变压器的不同状态实现自动有效识别。
- 马裕超汪欣周文晋王旭潘文
- 关键词：变压器模式识别
- 恒虚警检测及精细化多维特征融合处理
- 传统的恒虚警检测往往采用基于单点目标估计,忽略了发射波形和目标尺度已知特点,这种处理方法易受环境中尖脉冲干扰,针对此问题提出了一种结合回波尺度的恒虚警改进算法,可有效抑制尖脉冲干扰,提高系统检测的可靠性;同时利用回波信号...
- 马裕超汪欣钱勇莫娟韩利
- 关键词：恒虚警处理
