导航切换
噪声与振动控制
首页
关于本刊
出版伦理
编委会
专家中心
评审表
自荐评审人
作者中心
投稿指南
论文模板
版权转让协议
期刊订阅
广告合作
联系我们
期刊
出版年
关键词
结果中检索
(((李波[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
Select
1.
Lamb波概率加权成像的复合板损伤检测方法
王高平, 陈云, 李波, 关可庆
噪声与振动控制 2023, 43 (
4
): 149-156.
摘要
(
97
)
PDF(pc)
(2402KB)(
298
)
可视化
收藏
超声Lamb波因其传播距离长衰减慢等特点被广泛应用于复合板的损伤检测中。针对概率加权成像算法在成像过程中因布置密集的传感器导致损伤检测效率大幅度降低的问题,提出一种概率加权成像算法结合四点圆弧法的损伤检测技术,通过ABAQUS有限元软件建立复合板模型,布置密集的传感器网络,先利用四点圆弧法确定缺陷所在的区域,然后在有效区域内进行概率加权成像。结果表明该方法能在保持较高定位精度的情况下大幅减少数据处理量,提高复合板的损伤检测效率。
相关文章
|
多维度评价
Select
2.
基于PSO-LSSVM球磨机负荷参数预测及监测系统开发
罗小燕, 黄耀锋, 李波波, 刘吉顺
噪声与振动控制 2022, 42 (
4
): 144-151.
摘要
(
324
)
PDF(pc)
(1864KB)(
588
)
可视化
收藏
针对球磨机筒体振动信号中存在非线性、非平稳性及环境噪声强等问题,提出一种基于粒子群优化最小二乘支持向量机(PSO-LSSVM)球磨机负荷参数(填充率和料球比)预测方法,并开发基于LabVIEW的球磨机负荷参数监测系统。通过粒子群(PSO)优化最小二乘支持向量机(LSSVM)算法中的正则化参数y 和核函数宽度,简化求解过程,提高模型训练速度。以球磨机筒体振动信号的Hilbert-边际谱样本熵为输入,以球磨机筒体内部的填充率和料球比为输出,建立基于PSO-LSSVM的磨机负荷参数预测模型。与LSSVM预测结果比较,该模型的预测精度较高,填充率平均绝对误差降低0.05、平均绝对百分误差降低8.09 %;料球比平均绝对误差降低0.04、平均绝对百分误差降低2.76 %。在线测试结果表明该在线监测系统准确率为64.37 %,且系统运行一次的平均时间为45 s,可实现球磨机负荷参数的实时预测。
相关文章
|
多维度评价