教学课程资源库 更多>>

关键词： 输油管道缺陷识别   信号分析与处理   长短期记忆网络   卷积神经网络  

摘要： 管道作为油气运输的重要部件,其安全性对整个油气工艺流程及接卸传输任务具有极为重要的意义。针对处理输油管道检测信号过程中遇到的噪声复杂、缺陷信号数据集不足、缺陷类型不明确等问题,本文基于现场采集的磁应力信号数据、脉冲磁涡流信号数据以及五类实验室检测的缺陷信号数据,详细分析并对比了不同管道缺陷信号以及信号异常点的特征,基于连续小波变换、LSTM、CNN等方法实现了对输油管道缺陷类型的识别,主要研究内容如下:(1)基于粒子群优化算法对小波阈值降噪方法进行了优化,该方法具有自适应选择阈值并能避免结果落入局部最优的优点。针对检测设备多通道的特点,对采集的输油管道信号数据进行了相关性分析,结果显示不同通道的检测信号之间均呈现强相关性。(2)基于变点检测算法建立了4种针对输油管道异常信号的检测模型,实现了对输油管道异常信号的自动捕捉。实验结果揭示多数缺陷信号段采样点集中在500～800之间,异常点的处的电压与缺陷深度成正比,与缺陷尺寸成反比。(3)为扩充输油管道缺陷信号数据集,建立了基于LSTM神经网络的信号动态预测模型。利用现场管道信号数据集对模型性能进行测试,两个信号数据集合格样本的平均预测准确率分别为93.8%和94.6%。结果证明该模型可以捕捉到输油管道信号的变化趋势和数据的前后关联性,为后续数据增强工作提供了理论支撑。(4)基于连续小波变换法将输油管道信号转换为时频图,增强了在原始信号中不可见的模式,强化了缺陷信号特征。针对带标签的输油管道缺陷信号数据,建立了基于卷积神经网络的缺陷信号分类模型。同时,利用LSTM预测模型扩充了输油管道缺陷样本集,将缺陷信号分类准确率从74.8%提高到了81.0%。

关键词： 对分课堂   信号分析与处理   教学模式  

摘要： 针对我校自动化学院电气工程及其自动化专业的实际情况,结合“对分课堂”的优点和可实施性以及新时代学生的特点,本教改项目将“对分课堂”教学模式应用到“信号分析与处理”课程体系中,提出了隔堂对分及当堂对分的教学模式。本项目分别针对两种模式进行了探索。实践证明,隔堂对分模式适合比较系统的知识点,学生课后进行内化吸收,下次课进行分组讨论;而当堂对分适合小而独立的知识点,学生带着问题当堂内化吸收,再进行分组讨论。这种新的教学模式都有效增强了学生的主动性,激发学生主动学习,其课堂效果显著。

关键词： 信号分析   信号处理   课程思政   核心价值观  

摘要： 理工科课程专业性强,在发挥思想政治教育方面具有一定难度。本文通过信号分析与处理课程来构建协同育人课堂,设计“课程思政”映射与融入点,将社会主义核心价值观的培育和塑造以“基因式”融入课程,提升了信号分析和处理课程的教学效果。使理工科课程的课堂,不仅给学生传授专业理论知识,也培养了学生的综合能力,同时在帮学生树立正确的核心价值观方面起到了一定的作用。

ISBN: (纸本)9787302575030

关键词： 煤矿智能化   煤矿机电设备故障诊断   智能化维护   预测性维护   故障机理   设备状态监测   信号分析与处理  

摘要： 煤矿机电设备智能化维护是智慧矿山建设的重要组成部分。从煤矿机电设备故障机理、设备状态监测、信号分析与处理、故障诊断与预测算法4个方面总结了煤矿机电设备的智能故障诊断与预测性维护研究现状:①设备故障机理研究主要是针对不同设备,采用不同方法建立设备故障的分析模型,并对模型施加激励以获得设备故障动态响应,从而为后续的故障诊断提供评判依据;②设备状态监测研究针对煤矿机电设备建立了较为完备的状态监测系统,能够准确及时地获取设备参数,为设备的故障诊断提供数据支持;③信号分析与处理研究除了采用传统的时域、频域和时频域分析方法外,还将多种方法结合的手段用于信号处理与特征提取,提高了信号处理效率和处理结果的可靠性;④故障诊断与预测算法主要采用人工神经网络及机器学习、深度学习等智能算法建立设备故障诊断与预测模型,从而实现故障的智能诊断和预测。指出煤矿机电设备智能化维护研究存在的问题:①设备故障机理的研究缺少多故障复合状态下的故障机理研究,需要更多地对设备某部分的故障带来的连锁反应进行研究;②模拟环境下所获得的故障数据不能完全真实反映设备实际的运行状况,需长时间不断采集现场监测数据,最好是设备全生命周期数据;③目前采用组合式的算法研究较少,并且研究对象更多局限在设备某个部分或零部件。最后给出煤矿机电设备智能化维护的发展趋势:①研究应用灵敏度更高的智能传感器来监测设备,结合随机共振、盲源分离等方法从强噪声中提取微弱的特征信号,及时地识别出设备早期故障,从而实现预测性维护;②采用独立的诊断方法已经不能适应实际设备的诊断需求,基于多传感器信息融合技术的诊断和预测可准确有效地识别出设备存在的所有故障;③将迁移学习算法作为“桥梁”,建立仿真、试验数据与现场数据的相关性,为解决仿真与试验条件和现场条件差异的问题提供数据支持和保障。

关键词： 一流课程   信号分析与处理   工程教育专业认证   混合式教学  

摘要： 《信号分析与处理》课程是针对电气工程及其自动化专业所开设的一门重要技术基础课程,在课程体系中起着承上启下的作用。本文以上海海洋大学的《信号分析与处理》课程为例,针对课程教学中存在的问题,对一流课程的建设举措进行阐述,并指明了课程改革过程中需进一步解决的问题及改进措施,以期为一流课程建设提供参考。

摘要： 本文介绍了基于"MOOC+SPOC+翻转课堂"信号分析与处理课程混合式教学的实施过程,基于慕课、SPOC和翻转课堂进行教学改革,同时开展课程思政教育,探索以学生为中心的教学方法和手段。改革实践表明,这种教学模式提升了教学质量,调动了学生自主学习的积极性,提高了学生的创新能力,实现了全方位育人。

关键词： 鸟类识别   信号分析与处理   数据增强   深度学习  

摘要： 鸟类的观察与监测是生物多样性保护行动中的重要环节。基于鸣声进行鸟类的观测识别,由于其干扰性低、监测范围广、采集高效等优势,更是具有广泛的应用前景。本文针对实际环境下的鸟类鸣声识别进行了研究,主要的工作内容如下:（1）鸣声信号预处理及特征提取研究,将基本谱减法降噪进行自适应化,辅以自适应双门限法提取音节,以适应复杂的采集环境,并采用基于自适应最优核时频分析的方法,进行特征提取,将得到的包含能量信息的时频特征图作为识别模型的输入。（2）分析当前常用的音频信号分类模型的优缺点,在此基础上,基于Dense Net网络,进行了分类识别模型设计,针对其学习率以及结构深度,优化设计了不同的微型网络。选取我国居民区及农田中常见的30种鸟类构成样本库进行实验,在该样本数据库下,较优模型达到95.01%的识别准确度。（3）采用基于音频以及图像的联合数据增强策略。音频数据增强,进行了叠加和调音处理;图像数据增强,基于生成对抗式网络,采用DCGAN网络结构,设计了不同结构的生成器,通过实验对其生成图像质量进行了分析,并选取生成图像质量较好的结构作为生成器模型,对特征图进行数据扩充。在经过数据增强后的样本库上,较优分类模型的识别准确率达到96.7%。（4）建立基于移动终端的鸟类识别系统,以Jetson Xavier NX板卡作为移动终端,采用Python的Qt库进行图形交互界面的制作,结合深度学习模型,经测试,可以有效进行本地和实时的鸟类鸣声的分类识别。从实验结果来看,本方法能够适应不同的采集环境,缓解实际情况下鸟类鸣声交错叠加、远近不同,以及鸣声样本相对较少这几类问题对识别模型及结果的影响,且复杂度较低,具有较好的实时性,对鸟类监测识别工作存在着启发及意义。

关键词： 雨课堂   信号分析与处理   教学设计  

摘要： 伴随着中国信息化和数字化时代的飞速发展,将传统授课与线上软件有效的结合起来,实现更高效率的双向互动教学成为当下教学模式的热点。教师和学生进行线上线下的教学与交流不仅使得学生可以及时的反馈他们对知识的掌握程度,还能够让老师更好的分析并进制定下一步的教学计划。本文以"信号分析与处理"课程为背景,结合"雨课堂",分析并尝试了其在教学方法、教学内容以及考核方式三个方面的设计与应用。该教学模式以其灵活的教育方式,实现了师生共同发展,有效改善了教学氛围。

关键词： 方捆机   草捆   动态称量   信号分析  

摘要： 为实现小型方捆机草捆动态称量系统的准确测量,降低地面颠簸和机械传动引起的振动对草捆质量测量精度的影响,分析了打捆机作业速度、拖拉机PTO启停对草捆动态称量系统压力和角度噪声信号的作用机理。当系统采样频率为40 Hz时,压力噪声信号频率主要在0.1~16 Hz;角度噪声信号频率主要在3~4 Hz和16~17 Hz;打捆机作业速度与噪声信号强度呈正相关。在信号分析基础上,研究了信号处理方法。为提高滤波精度,首先采用基于3σ准则的双阈值动态滤波方法对信号进行预处理,消除奇异值影响,再利用分段线性插值补充空缺点,最后设计一种巴特沃斯带阻滤波器对噪声信号进行消除。田间试验结果表明,采用该方法对信号进行处理后,草捆质量预测相对误差为-4.15%~4.17%,优于均值滤波得到的结果,且该滤波方法适应性更好,更符合实际生产需要。