国产bbaaaaa片,成年美女黄网站色视频免费,成年黄大片,а天堂中文最新一区二区三区,成人精品视频一区二区三区尤物

您現(xiàn)在的位置： 首頁> 研究主題> 快速傅里葉變換

快速傅里葉變換

快速傅里葉變換的相關(guān)文獻(xiàn)在1986年到2022年內(nèi)共計(jì)1926篇，主要集中在無線電電子學(xué)、電信技術(shù)、自動(dòng)化技術(shù)、計(jì)算機(jī)技術(shù)、電工技術(shù) 等領(lǐng)域，其中期刊論文1674篇、會(huì)議論文85篇、專利文獻(xiàn)410215篇；相關(guān)期刊656種，包括電子科技大學(xué)學(xué)報(bào)、電測(cè)與儀表、電工技術(shù)學(xué)報(bào)等； 相關(guān)會(huì)議78種，包括第十九屆計(jì)算機(jī)工程與工藝年會(huì)暨第五屆微處理器技術(shù)論壇、2015年全國天線年會(huì)、甘肅省電機(jī)工程學(xué)會(huì)2014年學(xué)術(shù)年會(huì)等；快速傅里葉變換的相關(guān)文獻(xiàn)由5104位作者貢獻(xiàn)，包括張為、張勇、滕召勝等。

快速傅里葉變換—發(fā)文量

期刊論文>

論文：1674篇 占比：0.41%

會(huì)議論文>

論文：85篇 占比：0.02%

專利文獻(xiàn)>

論文：410215篇 占比：99.57%

總計(jì)：411974篇

快速傅里葉變換—發(fā)文趨勢(shì)圖

快速傅里葉變換

-研究學(xué)者

  • 張為
  • 張勇
  • 滕召勝
  • 梁煜
  • 汪旭明
  • 陳穎頻
  • 劉開培
  • 劉波
  • 劉愛軍
  • 吳嗣亮
  • 期刊論文
  • 會(huì)議論文
  • 專利文獻(xiàn)

搜索

排序：

學(xué)科

年份

期刊

作者

    • 劉繁； 崔江； 林華
    • 摘要： 利用快速傅里葉變換(FFT)研究了一種角度軌跡監(jiān)測(cè)技術(shù),并將其用于航空發(fā)電機(jī)旋轉(zhuǎn)整流器故障特征提取及在線診斷應(yīng)用中。首先,連續(xù)采集發(fā)電機(jī)交流勵(lì)磁機(jī)勵(lì)磁電流信號(hào),每相鄰兩次數(shù)據(jù)采集間隔同樣的時(shí)間。其次,對(duì)每次采集的數(shù)據(jù)均進(jìn)行FFT處理以獲取故障特征信息,該過程在每?jī)纱螖?shù)據(jù)采集的間隔內(nèi)完成。每次處理得到的故障特征信息會(huì)形成連續(xù)的變化軌跡,通過對(duì)該軌跡的研究可以在線監(jiān)測(cè)并診斷旋轉(zhuǎn)整流器的故障模式。最后,通過試驗(yàn)對(duì)所提方法進(jìn)行了驗(yàn)證。
    • 陳曉； 劉秋菊； 王仲英
    • 摘要： 在傳統(tǒng)的故障診斷方法中,往往先要基于先驗(yàn)知識(shí)求取原始振動(dòng)信號(hào)的特征,并將其輸入到智能分類器中進(jìn)行模式識(shí)別,其中容易出現(xiàn)信息丟失,且依靠人為經(jīng)驗(yàn)進(jìn)行判斷不夠準(zhǔn)確,針對(duì)這一問題,提出了基于快速傅里葉變換(FFT)與流行學(xué)習(xí)聯(lián)合的智能故障診斷模型。首先,采用FFT變換將原始數(shù)據(jù)從時(shí)域轉(zhuǎn)換到頻域,獲得了高維特征數(shù)據(jù);然后,使用3種流形學(xué)習(xí)算法,即多維尺度變換(MDS)、核主成分分析(KPCA)、線性局部切空間排列(LLTSA),獲得了低維表征信息;最后,基于故障診斷試驗(yàn)平臺(tái)系統(tǒng),對(duì)軸承及齒輪工作數(shù)據(jù)信息進(jìn)行了獲取與處理,將其數(shù)據(jù)樣本輸入到智能分類器中,進(jìn)行了訓(xùn)練和測(cè)試。研究結(jié)果表明:FFT降維變換可以有效地減少人為選擇因素引起的樣本衰減現(xiàn)象,同時(shí)最近鄰域估計(jì)算法可以提高智能分類器的測(cè)試準(zhǔn)確率,使得基于FFT與流行學(xué)習(xí)的聯(lián)合智能分類模型對(duì)狀態(tài)數(shù)據(jù)識(shí)別率在80%以上,其中FFT+LLTSA聯(lián)合智能分類模型的識(shí)別率最高可達(dá)到87%以上;該結(jié)果可驗(yàn)證該分類模型在機(jī)械傳動(dòng)系統(tǒng)故障檢測(cè)中具有的有效性。
    • 魏震波； 余雷
    • 摘要： 針對(duì)電力負(fù)荷序列非線性、隨機(jī)性等特點(diǎn)引起的電力負(fù)荷預(yù)測(cè)精度低問題,提出一種基于快速傅里葉變換(FFT)、密度層次聚類算法(DC-HC)與長(zhǎng)短時(shí)記憶(LSTM)神經(jīng)網(wǎng)絡(luò)相結(jié)合的短期負(fù)荷預(yù)測(cè)方法。首先,采用FFT計(jì)算出所有原始電力負(fù)荷序列對(duì)應(yīng)的期望頻率,并以之作為負(fù)荷聚類的特征量。然后采用DC-HC算法對(duì)負(fù)荷進(jìn)行聚類,將原始數(shù)據(jù)分拆成具有特征屬性的數(shù)據(jù)分量組;運(yùn)用LSTM模型對(duì)各分量組進(jìn)行負(fù)荷預(yù)測(cè),再將各分量組預(yù)測(cè)結(jié)果進(jìn)行疊加,得到最終負(fù)荷預(yù)測(cè)值;最后,采用愛爾蘭實(shí)際電力負(fù)荷數(shù)據(jù)進(jìn)行算例分析,結(jié)果表明所提方法能夠有效提高負(fù)荷預(yù)測(cè)精度。
    • 姚建云； 應(yīng)曉霖； 許富洋； 吳瓊； 張海花； 李勇
    • 摘要： 為提高大尺寸計(jì)算機(jī)制全息圖的計(jì)算速度,通過對(duì)層析法菲涅爾全息圖計(jì)算模型的分析,根據(jù)其特點(diǎn)提出一種新的計(jì)算機(jī)制菲涅爾全息圖快速算法。對(duì)每一層物體首先分別計(jì)算系數(shù)行、列分量;然后用快速傅里葉變換計(jì)算積分項(xiàng)的一個(gè)周期;最后將計(jì)算的積分項(xiàng)在全息面上進(jìn)行周期延拓,同時(shí)每個(gè)采樣點(diǎn)的積分項(xiàng)與由行、列正交分量組合成的系數(shù)相乘得到衍射場(chǎng)在全息面上的分布。將所有層的衍射場(chǎng)求和并與參考光干涉,經(jīng)編碼得到全息圖。實(shí)驗(yàn)結(jié)果表明全息圖尺寸越大,快速算法的速度提高越明顯;在體積樣點(diǎn)為1174×1174×41,全息圖分辨率為11700×11700像素時(shí),該算法將計(jì)算速度提到傳統(tǒng)層析法的13倍。制作了分辨率為54197×399087像素的全息圖,并對(duì)其進(jìn)行光學(xué)再現(xiàn),再現(xiàn)像與傳統(tǒng)層析法結(jié)果無明顯差異。
    • 代煜； 王景港； 曹廣威； 張建勛； 賈賓
    • 摘要： 易變形結(jié)構(gòu)在鉆削過程中因受力而產(chǎn)生形變,不能根據(jù)刀具的鉆削距離判斷刀具所處狀態(tài)。鉆削過程中刀具切入易變形結(jié)構(gòu)不同的位置會(huì)產(chǎn)生不同幅度的振動(dòng),通過對(duì)加速度傳感器采集到的振動(dòng)信號(hào)進(jìn)行快速傅里葉變換(fastFouriertransform,簡(jiǎn)稱FFT),將鉆削過程分為5個(gè)狀態(tài)。通過計(jì)算系統(tǒng)基頻整數(shù)次諧波分量幅值的變異系數(shù),選取部分諧波分量的幅值作為特征量進(jìn)行階段監(jiān)測(cè)。選用線性轉(zhuǎn)換和對(duì)數(shù)轉(zhuǎn)換相結(jié)合的方式實(shí)現(xiàn)輸入數(shù)據(jù)的歸一化,輸入到支持向量機(jī)與多層前饋(backpropagation,簡(jiǎn)稱BP)神經(jīng)網(wǎng)絡(luò)進(jìn)行鉆削狀態(tài)分類。實(shí)驗(yàn)表明:支持向量機(jī)在所有鉆削狀態(tài)的識(shí)別準(zhǔn)確率在85%以上,部分鉆削狀態(tài)的識(shí)別準(zhǔn)確率達(dá)到了100%;BP神經(jīng)網(wǎng)絡(luò)分類器的識(shí)別準(zhǔn)確率略低于支持向量機(jī)。根據(jù)所識(shí)別的狀態(tài)控制刀具在即將鉆透時(shí)停止,測(cè)量易變形結(jié)構(gòu)剩余厚度驗(yàn)證了該方法的精確性。
    • 黃嘉誠； 彭勇； 岳興春； 周鈺琛； 宋威
    • 摘要： 聲學(xué)的應(yīng)用廣泛且存在于各種領(lǐng)域,有關(guān)聲音的檢測(cè)與強(qiáng)度的測(cè)量一直受到人們的高度重視。前置放大采用跨阻運(yùn)算器,分貝轉(zhuǎn)化采取真有效值法與交流采樣法,通過軟硬件的結(jié)合與對(duì)比,設(shè)計(jì)了一款聲音檢測(cè)電路。在50 Hz到15 kHz的頻率范圍內(nèi),測(cè)試40 dB到80 dB的聲壓信號(hào)并轉(zhuǎn)化為有效值輸出,相比于傳統(tǒng)的平均值電路,整體精度提升了4%,且在人耳適宜區(qū)域誤差僅為0.3%,并提高了測(cè)量范圍。其中真有效值法適用于測(cè)量環(huán)境分貝,交流采樣法可以實(shí)現(xiàn)主頻甚至多頻率信號(hào)分貝測(cè)量。實(shí)驗(yàn)的最終仿真結(jié)果誤差較小、測(cè)量成本低且性價(jià)比高。
    • 陳慶光； 邢振想； 姜忠瑞； 張永超
    • 摘要： 為探究對(duì)旋風(fēng)機(jī)失速流動(dòng)信號(hào)的瞬態(tài)特征,將對(duì)流場(chǎng)信號(hào)的瞬時(shí)特征具有良好辨識(shí)能力的小波分析法引入到對(duì)旋風(fēng)機(jī)失速特征的分析中,提出一種FFT技術(shù)與小波-時(shí)頻分析相結(jié)合的失速診斷方法。首先,基于出口節(jié)流閥模型,對(duì)小流量失速工況下對(duì)旋風(fēng)機(jī)內(nèi)部的三維非定常流動(dòng)進(jìn)行數(shù)值模擬與分析;然后,利用所提出的失速診斷方法,對(duì)對(duì)旋風(fēng)機(jī)在失速發(fā)生時(shí)流場(chǎng)中的靜壓信號(hào)進(jìn)行處理和分析。結(jié)果表明:對(duì)旋風(fēng)機(jī)在10個(gè)旋轉(zhuǎn)周期后進(jìn)入失速狀態(tài),伴隨著前緣溢流與尾緣反流的出現(xiàn)而發(fā)生。另外,FFT技術(shù)從頻域角度確定出失速特征表現(xiàn)為70Hz及140Hz頻率分量的出現(xiàn),而小波-時(shí)頻分析從時(shí)頻角度發(fā)現(xiàn)對(duì)旋風(fēng)機(jī)在第10個(gè)旋轉(zhuǎn)周期開始出現(xiàn)70Hz及140Hz頻率分量,證明了所提出的方法對(duì)對(duì)旋風(fēng)機(jī)失速流動(dòng)特征具有較好的診斷分析能力。
    • 鄧志祥； 潘建兵； 黃燦英； 劉偉博； 魏向向； 郭亮； 郭紫華； 郝鈺； 王曉衛(wèi)
    • 摘要： 針對(duì)現(xiàn)有配電網(wǎng)故障選線準(zhǔn)確率與可靠性均偏低的問題,提出了一種基于傅里葉變換與關(guān)聯(lián)距離相結(jié)合的故障選線新方法。當(dāng)發(fā)生單相接地故障時(shí),利用快速傅里葉變換(fast fourier transformation,FFT)提取暫態(tài)零序電流第2個(gè)周期內(nèi)的穩(wěn)態(tài)工頻分量,反演后得到暫態(tài)零序電流的整體工頻分量;剔除暫態(tài)零序電流中工頻分量后得到非工頻自由振蕩分量,在此基礎(chǔ)上,利用非工頻自由振蕩分量構(gòu)建基于關(guān)聯(lián)距離的故障選線新判據(jù);將具備最大關(guān)聯(lián)距離所對(duì)應(yīng)的線路判定為故障線路,與此同時(shí),將其他線路判定為健全線路。仿真結(jié)果表明,該方法不受故障電阻、故障相角與故障位置的影響,同時(shí)還可抵抗噪聲干擾,具有較強(qiáng)的魯棒性。
    • 汪士杰； 孫曉茜； 楊延鈞； 張建華
    • 摘要： 為了克服配電混合網(wǎng)絡(luò)線路結(jié)構(gòu)的復(fù)雜性及單相接地故障區(qū)段定位通信量大的問題,文中提出利用多點(diǎn)測(cè)量暫態(tài)相電流信息進(jìn)行故障區(qū)段定位的方法。首先將各饋線線路測(cè)量點(diǎn)采集的暫態(tài)相電流信息上傳到對(duì)應(yīng)線路的饋線終端裝置(FTU),利用快速傅里葉變換(FFT)對(duì)暫態(tài)相電流信息進(jìn)行諧波變換,得到相應(yīng)的幅值譜和相位譜;然后計(jì)算相鄰測(cè)量點(diǎn)幅值譜的歐氏距離和相位譜的余弦相似度,作為故障區(qū)段定位的數(shù)據(jù)特征,并將處理后的數(shù)據(jù)特征上傳到主站,利用局部異常因子(LOF)算法進(jìn)行分析,從而實(shí)現(xiàn)故障區(qū)段定位;最后通過PSCAD仿真實(shí)驗(yàn)表明,能夠較好地判別不同工況下的故障區(qū)段,且能適應(yīng)于分布式電源并網(wǎng)、調(diào)整中性點(diǎn)運(yùn)行方式和部分測(cè)量點(diǎn)被噪聲干擾的情況。
    • 甄超； 田宇； 季坤； 張征凱； 黃道友
    • 摘要： 針對(duì)風(fēng)電機(jī)組齒輪箱油溫?cái)?shù)值的非線性與相關(guān)性,為實(shí)現(xiàn)油溫的準(zhǔn)確預(yù)測(cè),提出一種基于快速傅里葉變換(Fast Fourier Transform,FFT)的深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network,DNN)的預(yù)測(cè)方法。首先,對(duì)油溫?cái)?shù)據(jù)進(jìn)行時(shí)間序列特性分析,選擇時(shí)間窗口對(duì)信息進(jìn)行排列,然后對(duì)信息進(jìn)行FFT并提取其高頻幅特征,并把這些特征輸入DNN模型中進(jìn)行訓(xùn)練,最后對(duì)輸出的結(jié)果進(jìn)行評(píng)價(jià)。采用實(shí)測(cè)數(shù)據(jù)對(duì)該方法進(jìn)行驗(yàn)證,并選用常見模型進(jìn)行對(duì)比,結(jié)果驗(yàn)證了該方法的有效性。該方法可以在齒輪箱運(yùn)行狀態(tài)異常前預(yù)警,降低設(shè)備功能性的故障,減少風(fēng)電機(jī)組故障停機(jī)的損失,具有實(shí)用價(jià)值。
    • 查看更多

客服郵箱：kefu@zhangqiaokeyan.com

京公網(wǎng)安備：11010802029741號(hào) ICP備案號(hào)：京ICP備15016152號(hào)-6 六維聯(lián)合信息科技 (北京) 有限公司?版權(quán)所有

  • 客服微信

  • 服務(wù)號(hào)