内容提供者
基于数学形态学滤波的漏磁信号预处理方法研究.pptx
2024-10-03
20金币
2.2MB
23页
快乐****蜜蜂
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共23页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于数学形态学滤波的漏磁信号预处理方法研究.pptx
基于数学形态学滤波的漏磁信号预处理方法研究目录数学形态学滤波基础数学形态学基本概念形态学滤波器原理形态学滤波器应用场景漏磁信号特性分析漏磁信号产生机理漏磁信号特点漏磁信号处理难点基于数学形态学滤波的漏磁信号预处理方法形态学滤波器设计滤波器参数选择滤波器性能评估实验验证与结果分析实验平台搭建实验数据采集实验结果分析方法优缺点分析结论与展望研究结论研究不足与展望THANKYOU
2024-10-03
20
2.2MB
钢轨漏磁信号滤波方法及装置.pdf
本发明公开了一种钢轨漏磁信号滤波方法及装置，该方法包括：确定待检测钢轨纵向传感器的阵列间距，待检测钢轨纵向传感器的阵列为钢轨顶面处平行于钢轨延伸方向的等间距放置的多个霍尔传感器；根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号；根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号；利用自适应滤波参考信号对钢轨顶面的漏磁信号进行滤波，以获取待检测钢轨纵向传感器阵列的每个通道的滤波结果。本发明可以对待检测钢轨纵向传感器阵列的漏磁信号实现最优滤波，滤波效果较好。
2024-01-09
10
1.3MB
基于机器学习的漏磁信号异常检测方法研究.docx
基于机器学习的漏磁信号异常检测方法研究基于机器学习的漏磁信号异常检测方法研究摘要:随着工业自动化水平的提高，电力设备的故障检测和维护工作变得尤为重要。而漏磁信号异常检测是其中的一项关键任务。本论文针对漏磁信号异常检测问题，提出了一种基于机器学习的方法。首先，对漏磁信号进行特征提取，然后使用机器学习算法进行分类和异常检测。实验证明，该方法在漏磁信号异常检测中具有较好的性能，能够有效地提高电力设备的安全和可靠性。关键词：漏磁信号；异常检测；机器学习1.引言电力设备的故障会严重影响到生产和运营效率，甚至会引发火
2024-10-18
5
11KB
基于形态滤波的漏磁信号基线漂移在线处理.pdf
2024-06-30
10
231KB
基于漏磁信号的缺陷轮廓反演方法.pdf
本发明公开了一种基于漏磁信号的缺陷轮廓反演方法，包括：获取待求解的目标缺陷漏磁信号；通过边缘检测得到目标缺陷漏磁信号对应的缺陷开口轮廓形状；得到N个沿垂直于磁化方向排列的矩形；构成N个长方体的子缺陷；获取各子缺陷对应的缺陷漏磁信号；对各子缺陷对应的缺陷漏磁信号进行位移变换操作；得到在当前预测深度序列下的预测缺陷漏磁信号；获取预测缺陷漏磁信号与目标缺陷漏磁信号的误差，且在误差大于或等于预设阈值时，更新当前预测深度序列，并返回步骤S5继续迭代，否则停止迭代，当前预测深度序列作为最终反演的缺陷深度序列；得到最终
2023-08-31
10
1.3MB