典型文献
基于STFT和DCNN的伤损识别方法
文献摘要：
为解决脉冲涡流检测(PECT)信号特征提取耗时且需要专家经验等问题,提出了一种基于短时傅里叶变换(STFT)和两层深度卷积神经网络(T-DCNN)的智能伤损识别方法.该法采用短时傅里叶变换将一维的PECT信号转换为二维时频信号;构建由两层卷积层、BN层、池化层和全连接层构成的DCNN,并将二维时频信号作为输入,进行端对端伤损识别.结果表明,该法与其他经典网络构架的伤损识别方法(VGG11、VGG16)相比,具有精度高、耗时短等优点,更符合工程领域应用需求.
文献关键词：
伤损识别;脉冲涡流检测;短时傅里叶变换;两层深度卷积神经网络
中图分类号：
作者姓名：
刘宝玲;胡慧玲;姚先哲
作者机构：
南昌工程学院江西省高压大功率电力电子与电网智能量测工程研究中心,江西南昌330099
文献出处：
引用格式：
[1]刘宝玲;胡慧玲;姚先哲-.基于STFT和DCNN的伤损识别方法)[J].南昌工程学院学报,2022(06):41-46
A类：
伤损识别,PECT,两层深度卷积神经网络
B类：
STFT,DCNN,脉冲涡流检测,信号特征提取,专家经验,短时傅里叶变换,信号转换,时频信号,卷积层,BN,池化,全连接层,端对端,构架,VGG11,VGG16,工程领域,应用需求
AB值：
0.209851
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
