CN112668183A - 一种长时间历程振动信号的雨流计数处理方法 - Google Patents

一种长时间历程振动信号的雨流计数处理方法 Download PDF

Info

Publication number
CN112668183A
CN112668183A CN202011589409.3A CN202011589409A CN112668183A CN 112668183 A CN112668183 A CN 112668183A CN 202011589409 A CN202011589409 A CN 202011589409A CN 112668183 A CN112668183 A CN 112668183A
Authority
CN
China
Prior art keywords
signal
data
vibration
point
block
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011589409.3A
Other languages
English (en)
Other versions
CN112668183B (zh
Inventor
王轲
顾秀聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202011589409.3A priority Critical patent/CN112668183B/zh
Publication of CN112668183A publication Critical patent/CN112668183A/zh
Application granted granted Critical
Publication of CN112668183B publication Critical patent/CN112668183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Complex Calculations (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种长时间历程振动信号的雨流计数处理方法，包括：进行有效的数据分块：选择相同振动水平点为分块的选择起点，以分块信号时间长度的2倍为初始时间长度，对数据分块进行傅里叶变换计算，得到数据功率谱密度分布；使其在各频率点上与振动功率谱误差应小于指定量值；基于多处理器计算机硬件与软件编程，对各振动数据分块进行雨流并行处理，得到各数据分块的疲劳分级谱。最后再对全部数据分块的各幅值分级的次数计数进行平均计算，最终获得整个振动信号的疲劳谱。本发明提高了雨流计数处理的计算速度和精度，特别适用于振动作用时间长、大时域样本数据振动信号的雨流计数处理。

Description

一种长时间历程振动信号的雨流计数处理方法
技术领域
本发明涉及通过处理长时间历程振动信号构建分级疲劳谱的方法，尤其是一种长时间历程振动信号的雨流计数处理方法。
背景技术
1982年，中国的阎楚良院士在论文中通过用雨流计数法对随机载荷时间历程统计处理程序的研究，系统地讨论了随机疲劳载荷的统计处理及其物理模型，其中包括对随机载荷时间历程的压缩处理、峰谷值的检测、雨流计数法的图解模型等，为雨流计数的基本理论。现代对雨流计数的应用也多基于此理论。
对于振动疲劳问题，工程实际中的振动信号载荷历程普遍较长，时域样本规模较大，特别是对于含有低频分量的信号更是如此。对于这类信号进行传统的雨流计数处理，其计算效率低下，计算时间过长。因此，亟需研究开发一种能够处理长时间历程振动信号的有效处理方法。
发明内容
本发明的目的在于克服现有技术存在的缺陷，提供一种长时间历程振动信号的雨流计数处理方法，通过处理振动信号获得疲劳谱，用于振动谱激励下结构疲劳寿命预估，可有效提高长时间历程振动信号的处理效率。
为解决上述技术问题，本发明采用以下技术方案。
一种长时间历程振动信号的雨流计数处理方法，包括：设定将长时间历程振动信号数据分块的判别准则：选择相同振动水平点为分块的选择起点，以分块信号时间长度的2倍为初始时间长度，对数据分块进行傅里叶变换计算，得到数据功率谱密度分布，在各频率点上与振动功率谱误差应小于指定量值3dB。若误差较大，则通过增加振动信号分块长度进行处理；在所述判别准则下，自动建立有效的各数据分块；基于多处理器计算机硬件与软件编程，对满足要求的各振动数据分块进行雨流并行处理，从而得到各数据分块的疲劳分级谱；最后对全部数据分块的各幅值分级的次数计数进行平均计算，获得振动信号的最终雨流计数结果。
上述方法具体包括以下步骤：
步骤1.获得长时间历程振动信号后，根据所述的对长时间历程振动信号数据分块的判别准则，判断所需分块的个数和分块的起始点；分块起始点要求在相同的振动水平且将分块后的各分块信号长度差控制在10％以内，以分块后分块信号周期对应的2倍为初始信号长度；
步骤2.分别处理每个振动信号数据分块信号，对数据分块进行傅里叶变换，计算其功率谱密度，对比初始信号功率谱密度，判断是否符合在各频率点上与原振动功率谱误差小于指定的判别准则的指定量值3dB；若不符合，逐次增加信号长度并判断是否符合判别准则，每次增加信号长度为数据分块信号的四分之一长度；
步骤3.对载荷进行循环提取：在载荷循环提取时，首先判断首点为峰值还是谷值；若为峰值，则令首点和尾点都为首点和尾点之间的较大值；若为谷值，则令首点和尾点都为首点和尾点之间的较小值；将峰谷值数列X(t)从最大峰值处截开，首尾相接构成新的峰谷值数列X'(t)再进行循环提取；
步骤4.对各数据分块进行并行雨流计数处理：通过可进行并行编程预计算的软件平台Matlab，来实现并行计算的编程；但要求循环中处理的数据不会出现数据的依赖，且循环内部不能出现数据的传递。
进一步地，在步骤2中所述的对数据分块进行傅里叶变换的过程包括：
对于离散时域信号xn，数据总数为N，采用以下公式进行离散傅里叶变换：
Figure BDA0002868425730000021
离散状态下的频率分辨率为Δf，则第k根谱线处的自功率谱密度值为
Figure BDA0002868425730000022
对比各数据分块功率谱与原振动功率谱在整数频率点上的误差，若均满足小于指定量值3dB要求，则可进行该分块数据的雨流计数处理。
进一步地，在步骤3所述的数据分块的载荷循环提取条件为：
在载荷循环提取时，对于相邻的峰谷点XI、XI+1、XI+2、XI+3，
若XI＜XI+1、XI≤XI+2且XI+1≤XI+3，则
SA＝|XI+2-XI+1|
SM＝(XI+2+XI+1)/2
N＝1
若XI＞XI+1、XI≥XI+2且XI+1≥XI+3，则
SA＝|XI+2-XI+1|
SM＝(XI+2+XI+1)/2
N＝1
式中，SA为变程循环，SM为相对变程循环的平均值，N为变程循环次数；
计完一次循环后，从计算机内存中抹去XI+1和XI+2两点，继续判断XI、XI+3、XI+4、XI+5；
若不符合上述循环提取条件，则后移判断XI+1、XI+2、XI+3、XI+4，并将XI存放于Xs(t)数组中；
对剩余的峰谷值数列X2(t)再进行循环提取，直到所有循环提取结束；若循环提取结束时剩余的峰谷值点为Xs1、Xs2、Xs3，则对剩余点以半循环给出，即SAs1＝|Xs1-Xs2|/2、SAs2＝|Xs2-Xs3|/2；
最后，得到循环次数N、循环幅值SA、循环均值SM。
进一步地，在步骤4中所述的对各数据分块进行并行雨流计数处理的过程包括：
将各个数据分块信号记为：X1(t)、X2(t)、X3(t)、X4(t)、X5(t)......Xn(t)，n＝1，2，3...,n，为分块个数；并行计算中首先开启并行线程，为最大限度利用计算机算力，所开启的线程数应和计算机CPU核数相同；然后利用并行循环语句同时对n个数据分块信号进行雨流计数循环提取；在得到每个数据分块信号的循环次数N1、N2、N3.....Nn、循环幅值SA1、SA2、SA3......SAn、循环均值SM1、SM2、SM3......SMn后，将其全部根据幅值大小存放于不同的分级中；最后将各分级中的循环次数除以信号分块数n，即得到最终的疲劳谱。
与现有技术相比，本发明具有以下优点和有益效果：
1、本发明适用振动载荷长时间作用、大时域样本数据信号的雨流计数处理，特别适用于解决含低频平稳随机振动的结构载荷-应力疲劳谱的构造。
2、本发明建立长时间、大时域样本数据信号的分块方法。选择相同振动水平点为分块的起点，以分块后分段信号的两倍时间长度为初始时间长度，依据以下评估规则自动增加样本长度建立有效的数据分块：该评估规则基于功率谱密度误差分析建立。对数据分块进行傅里叶变换等计算，得到数据功率谱密度分布，当在各频率点上与振动功率谱误差小于指定量值(如3dB)，即满足要求。根据上述分块准则，构建了时域信号的分块，且各个分块信号的信号长度远小于原时域信号，同时通过评估准则控制了后续构建疲劳谱进行疲劳计算时相对于原信号的误差。
3、本发明配合多处理器计算机，利用其多个处理器与可进行并行编程预计算的软件平台，可以对多个分块信号数据进行并行雨流循环计数处理，得到各分块数据的分级载荷计数，对各块信号数据分级计数结果进行平均，建立对应于长时间、大时域样本数据的疲劳载荷谱。对分块信号进行并行雨流计数处理可以提高计算机的性能利用率，提高计算效率。
附图说明
图1是本发明的一种实施例的方法流程图。
图2是本发明的一种实施例的雨流计数的载荷循环提取示意图。其中，图2a是第一次载荷循环提取(3号点应力-4号点应力-3号点应力)，图2b是第二次载荷循环提取(2号点应力-5号点应力-2号点应力)，图2c是第三次载荷循环提取(8号点应力-7号点应力-8号点应力)，图2d是剩余存入Xs(t)中的峰谷值。
具体实施方式
本发明公开了一种长时间历程振动信号的雨流计数处理方法，通过处理长时间历程振动信号来构建分级疲劳谱，为振动谱激励下结构疲劳寿命预估的实现创造条件。本方法提高了雨流计数处理的计算速度和精度，适用于振动作用时间长、大时域样本数据振动信号的雨流计数处理，特别适用于解决含低频平稳随机振动的结构载荷-应力疲劳谱的构造。本发明方法规定了一种将长时间历程振动信号数据分块的判别准则：选择相同振动水平点为分块的选择起点，以分块信号时间长度的2倍为初始时间长度，对数据分块进行傅里叶变换等计算，得到数据功率谱密度分布，在各频率点上与振动功率谱误差应小于指定量值(如3dB)。若误差较大，则通过增加振动信号分块长度进行处理。在此评估准则下，自动建立有效的数据分块。再基于多处理器计算机硬件与软件编程，对满足要求的振动数据各分块进行雨流并行处理，从而得到各数据分块的疲劳分级谱。最后再对全部数据分块的各幅值分级的次数计数进行平均计算，获得振动信号的最终雨流计数结果，即整个振动信号的疲劳谱。此疲劳谱可用于振动谱激励下结构疲劳寿命预估。
下面结合附图对本发明做进一步详细说明。
图1是本发明的一种实施例的方法流程图。如图1所示，本实施例方法包括以下步骤：
步骤1.获得时域振动信号后，根据所述的对长时间历程振动信号数据分块的判别准则，判断所需分块的个数和分块的起始点。分块起始点要求在相同的振动水平且将分块后的各分块信号长度差控制在10％以内，以分块后分块信号周期对应的2倍为初始信号长度；
步骤2.分别处理每个振动信号数据分块信号，对数据分块进行傅里叶变换，计算其功率谱密度，对比初始信号功率谱密度，判断其是否在各频率点上与原振动功率谱误差小于指定量值(如3dB)，若不符合，逐次增加信号长度并判断是否符合判别准则，每次增加信号长度为分块信号的四分之一长度；
对离散时域信号xn，数据总数为N，其进行离散傅里叶变换的公式如下
Figure BDA0002868425730000041
离散状态下的频率分辨率为Δf，则第k根谱线处的自功率谱密度值为
Figure BDA0002868425730000051
对比各分块功率谱与原振动功率谱在整数频率点上的误差，若均满足小于指定量值(如3dB)要求，则可进行该分块数据的雨流计数处理。
步骤3.对载荷进行循环提取。依据损伤当量等效原则，一列载荷时间历程所造成的损伤影响，都可以看作在大循环叠加一系列小循环的损伤影响复合而成。基于此原则，可以对步骤2得到的每个数据分块分别进行雨流计数处理，得到各个数据分块的载荷循环的幅值，载荷循环的均值和载荷循环的次数，即各数据分块的疲劳谱。如图2所示，是本发明的一种实施例的雨流计数的载荷循环提取示意图。其中，图2a是第一次载荷循环提取(3号点应力-4号点应力-3号点应力)，图2b是第二次载荷循环提取(2号点应力-5号点应力-2号点应力)，图2c是第三次载荷循环提取(8号点应力-7号点应力-8号点应力)，图2d是剩余存入Xs(t)中的峰谷值。载荷循环提取时首先判断首点为峰值还是谷值，若为峰值，则令首点和尾点都为首点和尾点之间的较大值，若为谷值，则令首点和尾点都为首点和尾点之间的较小值。将峰谷值数列X(t)从最大峰值处截开，首尾相接构成新的峰谷值数列X'(t)再进行循环提取。传统雨流计数对首轮循环提取后剩余的发散收敛波是以半循环配对形式给出，带来的计数误差较大，而本发明的上述处理可以避免这个问题。本发明的数据分块的载荷循环提取条件如下：
在载荷循环提取时，对相邻的峰谷点XI、XI+1、XI+2、XI+3
若XI＜XI+1、XI≤XI+2且XI+1≤XI+3，则
SA＝|XI+2-XI+1|
SM＝(XI+2+XI+1)/2
N＝1
若XI＞XI+1、XI≥XI+2且XI+1≥XI+3，则
SA＝|XI+2-XI+1|
SM＝(XI+2+XI+1)/2
N＝1
式中，SA为变程循环，SM为相对变程循环的平均值，N为变程循环次数。
计完一次循环后，从计算机内存中抹去XI+1和XI+2两点，继续判断XI、XI+3、XI+4、XI+5。
若不符合上述循环提取条件，则后移判断XI+1、XI+2、XI+3、XI+4，并将XI存放于Xs(t)数组中。
对剩余的峰谷值数列X2(t)再进行循环提取，直到所有循环提取结束。若循环提取结束时剩余的峰谷值点为Xs1、Xs2、Xs3,则对剩余点以半循环给出，即SAs1＝|Xs1-Xs2|/2、SAs2＝|Xs2-Xs3|/2。
综上所述，便得到了循环次数N、循环幅值SA、循环均值SM。
步骤4.结合上述信号分块和雨流计数过程，实施各数据分块并行雨流计数处理。并行计算的编程实现可通过可进行并行编程预计算的软件平台实现，例如在Matlab平台上用“parfor”语句实现。该语句可以看作是并行的“for”循环语句，但要求循环中处理的数据不会出现数据的依赖，例如循环内部不能出现数据的传递等。
在本发明中，经过振动信号数据分块和增长后的各个数据分块信号可以看作是独立的时域信号，对其进行雨流计数处理也是相互独立的过程，所以可以使用并行雨流计数。假设经过信号分块后，将各个振动数据分块信号记为：X1(t)、X2(t)、X3(t、)X4(t)、X5(t)......Xn(t)(n＝1，2，3...,n，为分块个数)，并行计算中首先开启并行线程，为最大限度利用计算机算力，所开启的线程数应和计算机CPU核数相同。然后利用并行循环语句同时对n个数据分块信号进行上述的雨流计数循环提取。在得到每个数据分块信号的循环次数N1、N2、N3.....Nn、循环幅值SA1、SA2、SA3......SAn、循环均值SM1、SM2、SM3......SMn后，将其全部根据幅值大小存放于不同的分级中。最后将各分级中的循环次数除以信号数据分块数n，即得到最终的疲劳谱。

Claims (6)

1.一种长时间历程振动信号的雨流计数处理方法，其特征在于：设定将长时间历程振动信号数据分块的判别准则：选择相同振动水平点为分块的选择起点，以分块信号时间长度的2倍为初始时间长度，对数据分块进行傅里叶变换计算，得到数据功率谱密度分布，在各频率点上与振动功率谱误差应小于指定量值；若误差较大，则通过增加振动信号分块长度进行处理；在所述判别准则下，自动建立有效的各数据分块；基于多处理器计算机硬件与软件编程，对满足要求的各振动数据分块进行雨流并行处理，从而得到各数据分块的疲劳分级谱；最后对全部数据分块的各幅值分级的次数计数进行平均计算，获得振动信号的最终雨流计数结果。
2.根据权利要求1所述的一种长时间历程振动信号的雨流计数处理方法，其特征在于，具体包括以下步骤：
步骤1.获得长时间历程振动信号后，根据所述的对长时间历程振动信号数据分块的判别准则，判断所需分块的个数和分块的起始点；分块起始点要求在相同的振动水平且将分块后的各分块信号长度差控制在10％以内，以分块后分块信号周期对应的2倍为初始信号长度；
步骤2.分别处理每个振动信号数据分块信号，对数据分块进行傅里叶变换，计算其功率谱密度，对比初始信号功率谱密度，判断是否符合在各频率点上与原振动功率谱误差小于指定的判别准则的指定量值；若不符合，逐次增加信号长度并判断是否符合判别准则，每次增加信号长度为数据分块信号的四分之一长度；
步骤3.对载荷进行循环提取：在载荷循环提取时，首先判断首点为峰值还是谷值；若为峰值，则令首点和尾点都为首点和尾点之间的较大值；若为谷值，则令首点和尾点都为首点和尾点之间的较小值；将峰谷值数列X(t)从最大峰值处截开，首尾相接构成新的峰谷值数列X'(t)再进行循环提取；
步骤4.对各数据分块进行并行雨流计数处理：通过可进行并行编程预计算的软件平台Matlab，来实现并行计算的编程；但要求循环中处理的数据不会出现数据的依赖，且循环内部不能出现数据的传递。
3.根据权利要求2所述的一种长时间历程振动信号的雨流计数处理方法，其特征在于，所述的指定量值为3dB。
4.根据权利要求2或3所述的一种长时间历程振动信号的雨流计数处理方法，其特征在于，在步骤2中，所述的对数据分块进行傅里叶变换的过程包括：
对于离散时域信号xn，数据总数为N，采用以下公式进行离散傅里叶变换：
Figure FDA0002868425720000021
离散状态下的频率分辨率为Δf，则第k根谱线处的自功率谱密度值为
Figure FDA0002868425720000022
对比各数据分块功率谱与原振动功率谱在整数频率点上的误差，若均满足小于指定量值3dB要求，则可进行该分块数据的雨流计数处理。
5.根据权利要求2所述的一种长时间历程振动信号的雨流计数处理方法，其特征在于，在步骤3所述的数据分块的载荷循环提取条件为：
在载荷循环提取时，对于相邻的峰谷点XI、XI+1、XI+2、XI+3，
若XI＜XI+1、XI≤XI+2且XI+1≤XI+3，则
SA＝|XI+2-XI+1|
SM＝(XI+2+XI+1)/2
N＝1
若XI＞XI+1、XI≥XI+2且XI+1≥XI+3，则
SA＝|XI+2-XI+1|
SM＝(XI+2+XI+1)/2
N＝1
式中，SA为变程循环，SM为相对变程循环的平均值，N为变程循环次数；
计完一次循环后，从计算机内存中抹去XI+1和XI+2两点，继续判断XI、XI+3、XI+4、XI+5；
若不符合上述循环提取条件，则后移判断XI+1、XI+2、XI+3、XI+4，并将XI存放于Xs(t)数组中；
对剩余的峰谷值数列X2(t)再进行循环提取，直到所有循环提取结束；若循环提取结束时剩余的峰谷值点为Xs1、Xs2、Xs3，则对剩余点以半循环给出，即SAs1＝|Xs1-Xs2|/2、SAs2＝|Xs2-Xs3|/2；
最后，得到循环次数N、循环幅值SA、循环均值SM。
6.根据权利要求2所述的一种长时间历程振动信号的雨流计数处理方法，其特征在于，在步骤4中所述的对各数据分块进行并行雨流计数处理的过程包括：
将各个数据分块信号记为：X1(t)、X2(t)、X3(t)、X4(t)、X5(t)......Xn(t)，n＝1，2，3...,n，为分块个数；并行计算中首先开启并行线程，为最大限度利用计算机算力，所开启的线程数应和计算机CPU核数相同；然后利用并行循环语句同时对n个数据分块信号进行雨流计数循环提取；在得到每个数据分块信号的循环次数N1、N2、N3.....Nn、循环幅值SA1、SA2、SA3......SAn、循环均值SM1、SM2、SM3......SMn后，将其全部根据幅值大小存放于不同的分级中；最后将各分级中的循环次数除以信号分块数n，即得到最终的疲劳谱。
CN202011589409.3A 2020-12-29 2020-12-29 一种长时间历程振动信号的雨流计数处理方法 Active CN112668183B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011589409.3A CN112668183B (zh) 2020-12-29 2020-12-29 一种长时间历程振动信号的雨流计数处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011589409.3A CN112668183B (zh) 2020-12-29 2020-12-29 一种长时间历程振动信号的雨流计数处理方法

Publications (2)

Publication Number Publication Date
CN112668183A true CN112668183A (zh) 2021-04-16
CN112668183B CN112668183B (zh) 2024-07-05

Family

ID=75411658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011589409.3A Active CN112668183B (zh) 2020-12-29 2020-12-29 一种长时间历程振动信号的雨流计数处理方法

Country Status (1)

Country Link
CN (1) CN112668183B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115878985A (zh) * 2023-02-17 2023-03-31 湖南云箭科技有限公司 机载装备振动耐久试验条件的分段确定系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105022860A (zh) * 2015-05-20 2015-11-04 工业和信息化部电子第五研究所 Pcb焊点随机振动疲劳寿命预测方法与系统
CN105547711A (zh) * 2016-01-05 2016-05-04 上海机动车检测中心 基于道路模拟台架的摩托车加速疲劳耐久试验方法
CN106844958A (zh) * 2017-01-19 2017-06-13 沈阳航空航天大学 基于改进雨流计数法的薄壁结构热声疲劳寿命预估方法
CN111950094A (zh) * 2020-07-01 2020-11-17 燕山大学 一种多载荷疲劳寿命约束的拓扑优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105022860A (zh) * 2015-05-20 2015-11-04 工业和信息化部电子第五研究所 Pcb焊点随机振动疲劳寿命预测方法与系统
CN105547711A (zh) * 2016-01-05 2016-05-04 上海机动车检测中心 基于道路模拟台架的摩托车加速疲劳耐久试验方法
CN106844958A (zh) * 2017-01-19 2017-06-13 沈阳航空航天大学 基于改进雨流计数法的薄壁结构热声疲劳寿命预估方法
CN111950094A (zh) * 2020-07-01 2020-11-17 燕山大学 一种多载荷疲劳寿命约束的拓扑优化方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115878985A (zh) * 2023-02-17 2023-03-31 湖南云箭科技有限公司 机载装备振动耐久试验条件的分段确定系统及方法
CN115878985B (zh) * 2023-02-17 2023-06-09 湖南云箭科技有限公司 机载装备振动耐久试验条件的分段确定系统及方法

Also Published As

Publication number Publication date
CN112668183B (zh) 2024-07-05

Similar Documents

Publication Publication Date Title
Kukharchuk et al. Discrete wavelet transformation in spectral analysis of vibration processes at hydropower units
CN110348574B (zh) 一种基于zynq的通用卷积神经网络加速结构及设计方法
CN111427750B (zh) 一种计算机平台的gpu功耗估计方法、系统及介质
CN104807534B (zh) 基于在线振动数据的设备固有振动模式自学习识别方法
CN108074015B (zh) 一种风电功率超短期预测方法及系统
RU2004101179A (ru) Анализ ямр-данных многократных измерений на основе максимальной энтропии
CN110376290B (zh) 基于多维核密度估计的声发射源定位方法
CN111695624B (zh) 数据增强策略的更新方法、装置、设备及存储介质
WO2018027706A1 (zh) Fft处理器及运算方法
CN101763336A (zh) 一种具有激励噪声添加参数选取功能的集合经验模态分解方法
CN112668183A (zh) 一种长时间历程振动信号的雨流计数处理方法
CN112286864A (zh) 加速可重构处理器运行的稀疏化数据处理方法及系统
CN110705099B (zh) 一种检定风电场出力相关性的方法
Yu et al. Towards latency-aware dnn optimization with gpu runtime analysis and tail effect elimination
CN113139250B (zh) 哥林柱疲劳寿命预测方法、装置、设备及计算机可读介质
CN113094899A (zh) 一种随机潮流计算方法、装置、电子设备及存储介质
Yu et al. A memory-efficient hardware architecture for deformable convolutional networks
CN116365511A (zh) 有源配电网模型构建方法、装置、终端及存储介质
CN116306359A (zh) 一种多维空间非平稳非均匀风场的随机波模拟方法
CN112749683B (zh) 一种保留载荷时序的雨流计数方法
CN116184238A (zh) 一种电池阻抗测量方法、装置、电子设备和存储介质
CN106547722A (zh) 一种大数据并行优化方法
CN111488649B (zh) 一种联合收割机零部件载荷分布的非参数估计方法
CN112464811A (zh) 一种抽水蓄能机组振摆信号中高频随机噪声精准滤除方法
CN113128680B (zh) 一种神经网络训练方法、系统、设备以及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant