-
公开(公告)号：CN112748140A
公开(公告)日：2021-05-04
申请号：CN202011534473.1
申请日：2020-12-23
Applicant: 电子科技大学
IPC: G01N23/223 , G06K9/00
Abstract: 本发明公开了一种基于迭代离散小波背景扣除的痕量元素XRF测定方法，将待测样品的原始检测谱线信号做L层一维离散小波分解，得到每层的一次低频逼近系数，选择最优分解层及对应的一次低频逼近系数av；然后对一次低频逼近系数av进行迭代离散小波分解，当连续N次相邻两次迭代结果的差值均小于预设精度时，停止迭代，并将最近一次迭代结果作为近似背景信号，进而得到扣除背景后信号；分别计算康普顿峰散射强度和目标元素的特征X射线荧光强度，近似处理后，得到目标元素的定量分析值。本发明所述方法可有效避免峰值的偏移和原谱图信号峰面积的影响，提升痕量元素的定量检测精度，将检测信噪比提升三倍以上，降低痕量元素的检出限。
-
公开(公告)号：CN111504640B
公开(公告)日：2021-08-06
申请号：CN202010361308.4
申请日：2020-04-30
Applicant: 电子科技大学
IPC: G01M13/04 , G01M13/045 , G06K9/00
Abstract: 本发明涉及轴承故障诊断领域，公开了一种加权滑动窗二阶同步压缩S变换轴承故障诊断方法，用于提升轴承故障特征提取与故障类型辨识的精度。本发明根据轴承故障振动信号特征构建最优加权滑动窗模块，将二阶同步压缩S变换融入多个步长模块中，通过优化算法在信号时频分析过程中自适应地获得与故障特征信号最佳匹配的高斯窗，利用所获的时频分析Rényi熵计算权值，然后实现总体信号重构输出。通过时频谱图对轴承故障特征进行准确提取与故障类型的精确辨识，适用于滚动轴承故障诊断。
-
公开(公告)号：CN112801936A
公开(公告)日：2021-05-14
申请号：CN202011559937.4
申请日：2020-12-25
Applicant: 电子科技大学
IPC: G06T7/00 , G06N3/12 , G06N3/04 , G01N23/223
Abstract: 本发明公开了一种X射线荧光光谱自适应本底扣除方法，涉及X射线荧光光谱分析领域。本发明利用高斯卷积核与X射线荧光光谱进行离散卷积运算并通过不断迭代，直至达到较好的本底拟合及扣除效果。本底扣除效果利用若干标样中某一特定元素在谱图中的计数峰面积与样品中的实际含量线性回归后得出的拟合优度作为标准。融合遗传优化算法，优化迭代高斯卷积滤波器中的迭代次数与高斯卷积核中高斯函数的标准差参量，以获得更好的拟合优度，从而使本底扣除效果达到最优。本发明适用于X射线荧光光谱分析。
-
公开(公告)号：CN112801936B
公开(公告)日：2022-07-29
申请号：CN202011559937.4
申请日：2020-12-25
Applicant: 电子科技大学
IPC: G06T7/00 , G06N3/12 , G06N3/04 , G01N23/223
Abstract: 本发明公开了一种X射线荧光光谱自适应本底扣除方法，涉及X射线荧光光谱分析领域。本发明利用高斯卷积核与X射线荧光光谱进行离散卷积运算并通过不断迭代，直至达到较好的本底拟合及扣除效果。本底扣除效果利用若干标样中某一特定元素在谱图中的计数峰面积与样品中的实际含量线性回归后得出的拟合优度作为标准。融合遗传优化算法，优化迭代高斯卷积滤波器中的迭代次数与高斯卷积核中高斯函数的标准差参量，以获得更好的拟合优度，从而使本底扣除效果达到最优。本发明适用于X射线荧光光谱分析。
-
公开(公告)号：CN111680581A
公开(公告)日：2020-09-18
申请号：CN202010441409.2
申请日：2020-05-22
Applicant: 电子科技大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G01M13/04 , G01M13/045
Abstract: 本发明公开了一种极限学习端点延拓的改进LCD机械故障特征提取方法，来提升轴承故障特征信息的提取精度。本发明根据轴承故障振动信号特征利用极限学习预测信号两端的变化进行信号延拓，通过多次迭代自适应地将延拓信号分解为若干个ISC分量，并将分解后的ISC分量舍去两端超出原信号长度的部分，然后对ISC分量进行包络谱分析，进而实现轴承故障特征频率的提取和故障类别辨识，解决了LCD方法产生的端点效应导致分解信号失真的问题。本发明适用于轴承故障诊断。
-
Patent Agency Ranking
公开(公告)号：CN113866204A
公开(公告)日：2021-12-31
申请号：CN202111132874.9
申请日：2021-09-27
Applicant: 电子科技大学
IPC: G01N23/223 , G06N3/08 , G06N7/00
Abstract: 本发明提供一种基于贝叶斯正则化的土壤重金属定量分析方法，利用离散小波对土壤样品的X荧光光谱样品进行去噪和背景扣除，得到处理后的光谱信息；利用康普顿归一化法计算处理后的光谱信息中重金属元素及预设的干扰元素的组分信息，将重金属元素和干扰元素的组分信息分别作为BP神经网络的输入，并将对应重金属元素的实际含量作为模型的输出；其中，完成BP神经网络训练的超参数通过贝叶斯正则化确定，训练过程中BP神经网络采用正则化修正的误差函数作为目标函。本发明提出的方法可以有效提高土壤重金属元素定量分析的准确性，与传统BP神经网络的方法相比具有优势。
-
公开(公告)号：CN115112699A
公开(公告)日：2022-09-27
申请号：CN202210655528.7
申请日：2022-06-10
Applicant: 电子科技大学
IPC: G01N23/223 , G06K9/62 , G06N3/00
Abstract: 本发明的目的在于提供一种XRF土壤重金属元素定量分析方法，属于X射线荧光光谱分析领域。该方法首先利用小波变换对得到的X荧光光谱样品进行去噪，同时基于非对称加权惩罚最小二乘法(arPLS)进行背景扣除；再通过提取出重金属元素的特征峰以及相关基体效应、谱线干扰的元素的特征峰信息，进行康普顿归一化处理得到其组分信息；通过CARS算法构建了不同重金属元素的特征组分信息选取模型；最后采用粒子群算法(PSO)优化的SVR分别建立了基于特征组分的土壤重金属定量反演模型，并将CARS算法选出的特征组分作为输入，待分析重金属元素的实际含量作为输出，实现土壤重金属元素的准确定量分析。
-
公开(公告)号：CN112748140B
公开(公告)日：2022-05-03
申请号：CN202011534473.1
申请日：2020-12-23
Applicant: 电子科技大学
IPC: G01N23/223 , G06K9/00
Abstract: 本发明公开了一种基于迭代离散小波背景扣除的痕量元素XRF测定方法，将待测样品的原始检测谱线信号做L层一维离散小波分解，得到每层的一次低频逼近系数，选择最优分解层及对应的一次低频逼近系数av；然后对一次低频逼近系数av进行迭代离散小波分解，当连续N次相邻两次迭代结果的差值均小于预设精度时，停止迭代，并将最近一次迭代结果作为近似背景信号，进而得到扣除背景后信号；分别计算康普顿峰散射强度和目标元素的特征X射线荧光强度，近似处理后，得到目标元素的定量分析值。本发明所述方法可有效避免峰值的偏移和原谱图信号峰面积的影响，提升痕量元素的定量检测精度，将检测信噪比提升三倍以上，降低痕量元素的检出限。
-
公开(公告)号：CN111582128B
公开(公告)日：2022-05-03
申请号：CN202010361288.0
申请日：2020-04-30
Applicant: 电子科技大学
IPC: G06K9/00 , G06N3/00 , G01M13/04 , G01M13/045
Abstract: 本发明公开了一种基于狼群参数化联合字典的机械故障稀疏表示方法，属于机械故障诊断技术领域。本发明结合稀疏表示原理提出一种基于联合字典的灰狼优化稀疏方法，将优化算法融入正交匹配追踪，通过内积运算选取与故障最匹配的联合字典原子，利用最优原子对故障信号进行重构，然后对重构信号进行包络分析，从而实现信号中瞬态特征成分的提取，有效表征故障信息，更准确地判断故障类型。本发明适用于滚动轴承故障诊断。
-
公开(公告)号：CN111582128A
公开(公告)日：2020-08-25
申请号：CN202010361288.0
申请日：2020-04-30
Applicant: 电子科技大学
IPC: G06K9/00 , G06N3/00 , G01M13/04 , G01M13/045
Abstract: 本发明公开了一种基于狼群参数化联合字典的机械故障稀疏表示方法，属于机械故障诊断技术领域。本发明结合稀疏表示原理提出一种基于联合字典的灰狼优化稀疏方法，将优化算法融入正交匹配追踪，通过内积运算选取与故障最匹配的联合字典原子，利用最优原子对故障信号进行重构，然后对重构信号进行包络分析，从而实现信号中瞬态特征成分的提取，有效表征故障信息，更准确地判断故障类型。本发明适用于滚动轴承故障诊断。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
