CN113405747A - 一种基于小波分析及阈值处理的监测信号滤波方法 - Google Patents
一种基于小波分析及阈值处理的监测信号滤波方法 Download PDFInfo
- Publication number
- CN113405747A CN113405747A CN202110456128.9A CN202110456128A CN113405747A CN 113405747 A CN113405747 A CN 113405747A CN 202110456128 A CN202110456128 A CN 202110456128A CN 113405747 A CN113405747 A CN 113405747A
- Authority
- CN
- China
- Prior art keywords
- coefficient
- layer
- wavelet
- threshold
- signal data
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 title claims abstract description 32
- 238000001914 filtration Methods 0.000 title claims abstract description 16
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0008—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of bridges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0066—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by exciting or detecting vibration or acceleration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0075—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by means of external apparatus, e.g. test benches or portable test systems
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种基于小波分析及阈值处理的监测信号滤波方法，包括以下步骤：获取信号数据s，通过布设传感器，实时监测并获得传感器的信息监测数据，将获得传感器的信息监测数据将作为信号数据s；选取小波函数对信号数据s进行n层小波分解，分别得到近似系数和n个层的细节系数wjk；利用软硬阈值折中与模处理相结合的阈值方法对第
到n层细节系数进行阈值处理，得到各层细节系数w′jk和近似系数；利用处理后得到的各层细节系数w′jk和近似系数，对获取信号数据s进行小波重构，得到抑制噪音后的信号数据s’。本发明具有监测精度高的特点，能准确的反应桥梁的健康状况。
Description
技术领域
本发明涉及桥梁结构、高速铁路路基、杆塔倾斜、边滑坡、泥石流方面的监测信号滤波处理技术领域，具体为一种基于小波分析及阈值处理的监测信号滤波方法。
背景技术
随着我国经济实力的迅速提升，桥梁、高速铁路路基、杆塔、边滑坡建设数量逐年增长，大中型桥梁建设比重逐年增加。然而由于结构退化、自然因素破坏、外力及环境突变等众多因素引起的桥梁、高速铁路路基、杆塔边滑坡损伤甚至坍塌等事故也逐年增多，。因此需要对桥梁、高速铁路路基、杆塔、边滑坡的健康状况进行监测，现有的是通过在桥梁、高速铁路路基、杆塔、边滑坡设置传感器来对自身的应力、以及形变进行监测，桥梁、高速铁路路基、杆塔边滑坡健康监测信号隐含结构的健康状态信息，在此利用传感器对桥梁、高速铁路路基、杆塔边滑坡健康状况进行监测时，因为车辆动荷载、周围环境振动等的影响，会导致监测数据跳动；而使得利用传感器监测的数据不能客观的反应桥梁、高速铁路路基、杆塔边滑坡监康状况，并且在防泥石流监测上效果不佳，监测误差较大。因此我们对此做出改进，提出一种基于小波分析及阈值处理的监测信号滤波方法。
发明内容
为了解决上述技术问题，本发明提供了如下的技术方案：
本发明一种基于小波分析及阈值处理的监测信号滤波方法，包括以下步骤：
步骤S1：获取信号数据s，通过布设传感器，实时监测并获得传感器的信息监测数据，将获得传感器的信息监测数据将作为信号数据s；
步骤S2：选取小波函数对信号数据s进行n层小波分解，分别得到近似系数和n个层的细节系数wjk；
步骤S3：利用软硬阈值折中与模处理相结合的阈值方法对第
到n层细节系数wjk进行阈值处理，得到各层细节系数w′jk和近似系数；
步骤S4：利用处理后得到的各层细节系数W′jk和近似系数，对获取信号数据s进行小波重构，得到抑制噪音后的信号数据s’。
作为本发明的一种优选技术方案，所述的步骤S1中信息监测数据包括桥梁结构、高速铁路路基、杆塔、边滑坡的变形、角度、应力等监测数据。
作为本发明的一种优选技术方案，所述步骤S3中利用软硬阈值折中与模处理相结合的阈值方法的方法是，通过公式
获得第
到n层中每层的阈值λj，其中Nj为第j层细节系数的个数，σj为第j层细节系数的方差；
然后，对每层的阈值λj进行软硬阈值折中法进行处理，得到近似小波系数w′jk，软硬阈值折中的方法是，
其中，a为折减系数，0≤a≤1；为第j层的阈值；
最后，对得到近似小波系数w′jk进行模平方处理，模平方处理的方法是，
则有
则得到处理后的细节系数w′jk和近似系数。
作为本发明的一种优选技术方案，所述的步骤S3中第
层细节系数均取0。
本发明的有益效果是：该种基于小波分析及阈值处理的监测信号滤波方法，通过在桥梁布设传感器，实时监测并获得桥梁结构、高速铁路路基、杆塔、边滑坡的变形、角度、应力等信息监测数据，将获得桥梁的桥梁的变形、角度、应力等信息监测数据将作为信号数据s，然后利用小波分解的方法对信号数据s进行初步的滤波，在桥梁监测时，因为车辆动荷载、周围环境振动等的影响，会导致监测数据跳动，通过小波分解，可以将数据曲线在不同频率带上分解，得到的系数值与该频率尺度上的小波函数的相似度成正相关，通过阈值处理，将小于阈值的系数(表明与对应时段的数据曲线相似度小)，进行抑制，(噪声对应的小波系数Wj，k中部分的幅值随着尺度(尺度越大，即指频率越小，波动越小)的增加而有所减小)，尤其是较高频率抑制多一些，较低频率抑制少一些，可以更精准地抑制噪声(动荷载导致的振动等)的干扰，过软硬阈值处理相结合方式处理，令|w′jk||取介于|wjk|-λ和|wjk||之间的数值，会使处理出来的小波系数更接近真实信号，因此通过因子α(0＜α＜1)来调整，可以获得较好的去噪效果；然后进行模平方处理，主要目的是进一步抑制系数较小的部分，收缩或保存系数较大的部分，因为经过过软硬阈值处理处理后得到的小波系数w′jk仍然存在一刀切的情况，即小波系数w′jk在αλ处不是连续的，处理出来的信号同样会存在震荡的现象，同时也没有考虑尺度越大指频率越小，波动越小)噪音成分有所减小的因素，因此需要对每个频段下分解得到的小波系数进行再次处理，因此对每层(不同频率尺度)的小波系数：较小值(噪音成分相对大)进行较大程度抑制，较大值进行较小程度抑制(噪音成分相对小)，同时在αλ处处理成0值，使处理后的信号数据更加平滑，与原始信号更一致。进而设监测的信号更加的反应桥梁的健康状况。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于小波分析及阈值处理的监测信号滤波方法对信号数据s处理后的桥梁监测曲线图；
图2是传感器监测的信号数据曲线图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例：如图1-2所示，本发明一种基于小波分析及阈值处理的监测信号滤波方法，步骤S1：通过布设传感器，实时监测并获得传感器的信息监测数据，将获得传感器的信息监测数据将作为信号数据s；
因为鉴于桥梁的情况，较为随机的高频振动往往是噪声，或者动荷载造成，将所获得的监测数据看作由信号、噪声、异常值三者共同组成，噪声特点：高频系数占比较大，低频系数占比较小，同频中，某些特定位置wjk(小波分解后第j层的第k的细节系数)有较大的值，这些点对应于原始信号的畸变位置或者重要信息位置，而其他部分位置wjkk值较小。
噪声对应的小波系数wjk中部分的幅值随着尺度的增加而有所减小，通常的方法是寻找以合适的λ作为阈值，把低于λ的系数，设为0(主要由n(k)引起)，对于高于λ的系数(主要由信号引起)，则予以保留或收缩，从而得到估计的小波系数w′jk，然后用w′jk进行重构。
所述的步骤S1中信息监测数据包括桥梁结构、高速铁路路基、杆塔、边滑坡的变形、角度、应力等监测数据。
步骤S2：选取小波函数(如db9)对信号数据s进行n层(如8层)小波分解，分别得到近似系数和n个层的细节系数wjk；(近似系数和细节系数表示字母，不同的资料表示符号不同，没有统一规定，这里能够区分开就行吧，w是wavelet首字母，j表示第j层，k表示第j层的第k个系数)
步骤S3：利用软硬阈值折中与模处理相结合的阈值方法对第
到n层细节系数wjk进行阈值处理，得到各层细节系数w′jk和近似系数；
步骤S4：利用处理后得到的各层细节系数w′jk和近似系数，对获取信号数据s进行小波重构，得到抑制噪音后的信号数据s。
其中，所述的步骤S1中信息监测数据包括桥梁的变形、角度、应力等监测数据。
其中，所述步骤S3中利用软硬阈值折中与模处理相结合的阈值方法的方法是，通过公式
获得第
到n层中每层的阈值λj，其中Nj为第j层细节系数的个数，σj为第j层细节系数的方差；
然后，对每层的阈值λj进行软硬阈值折中法进行处理，得到近似小波系数w′jk，软硬阈值折中的方法是，
其中，a为折减系数，0≤a≤1；为第j层的阈值；
最后对得到近似小波系数w′jk进行模平方处理，模平方处理的方法是，
则有
则得到处理后的细节系数
和近似系数。
其中，所述的步骤S3中第
层细节系数均取。
将图1与图2对比可对，通过布设传感器，桥梁结构、高速铁路路基、杆塔、边滑坡的变形、角度、应力等监测数据，将获得桥梁结构、高速铁路路基、杆塔、边滑坡的变形、角度、应力等监测数据将作为信号数据s，然后利用小波分解的方法对信号数据s进行初步的滤波，在桥梁监测时，因为车辆动荷载、周围环境振动等的影响，会导致监测数据跳动，通过小波分解，可以将数据曲线在不同频率带上分解，得到的系数值与该频率尺度上的小波函数的相似度成正相关，通过阈值处理，将小于阈值的系数(表明与对应时段的数据曲线相似度小)，进行抑制，(噪声对应的小波系数Wj，k中部分的幅值随着尺度(尺度越大，即指频率越小，波动越小)的增加而有所减小)，尤其是较高频率抑制多一些，较低频率抑制少一些，可以更精准地抑制噪声(动荷载导致的振动等)的干扰，过软硬阈值处理相结合方式处理，令|wjk||取介于|wjk|-λ和|wjk||之间的数值，会使处理出来的小波系数更接近真实信号，因此通过因子α(0＜α＜1)来调整，可以获得较好的去噪效果；然后进行模平方处理，主要目的是进一步抑制系数较小的部分，收缩或保存系数较大的部分，因为经过过软硬阈值处理处理后得到的小波系数w′jk仍然存在一刀切的情况，即小波系数w′jk在αλ处不是连续的，处理出来的信号同样会存在震荡的现象，同时也没有考虑尺度越大指频率越小，波动越小)噪音成分有所减小的因素，因此需要对每个频段下分解得到的小波系数进行再次处理，因此对每层(不同频率尺度)的小波系数：较小值(噪音成分相对大)进行较大程度抑制，较大值进行较小程度抑制(噪音成分相对小)，同时在αλ处处理成0值，使处理后的信号数据更加平滑，与原始信号更一致。进而设监测的信号更加的反应桥梁的健康状况。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于小波分析及阈值处理的监测信号滤波方法，其特征在于，包括以下步骤：
步骤S1：获取信号数据s，通过布设传感器，实时监测并获得传感器的信息监测数据，将获得传感器的信息监测数据将作为信号数据s；
步骤S2：选取小波函数对信号数据s进行n层小波分解，分别得到近似系数和n个层的细节系数wjk；
步骤S3：利用软硬阈值折中与模处理相结合的阈值方法对第
到n层细节系数wjk进行阈值处理，得到各层细节系数w′jk和近似系数；
步骤S4：利用处理后得到的各层细节系数w′jk和近似系数，对获取信号数据s进行小波重构，得到抑制噪音后的信号数据s’。
2.根据权利要求1所述的一种基于小波分析及阈值处理的监测信号滤波方法，其特征在于，所述的步骤S1中信息监测数据包括桥梁结构、高速铁路路基、杆塔、边滑坡的变形、角度、应力等监测数据。
3.根据权利要求1所述的一种基于小波分析及阈值处理的监测信号滤波方法，其特征在于，所述步骤S3中利用软硬阈值折中与模处理相结合的阈值方法的方法是，首先通过公式
获得第
到n层中每层的阈值λj，其中Nj为第j层细节系数的个数，σj为第j层细节系数的方差；
然后对每层的阈值λj进行软硬阈值折中法进行处理，得到近似小波系数w′jk，软硬阈值折中的方法是，
其中，a为折减系数，0≤a≤1；为第j层的阈值；
最后，对得到近似小波系数w′jk进行模平方处理，模平方处理的方法是，
则有
则得到处理后的细节系数w′jk和近似系数。
4.根据权利要求1所述的一种基于小波分析及阈值处理的监测信号滤波方法，其特征在于，所述的步骤S3中第
层细节系数均取0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110456128.9A CN113405747B (zh) | 2021-04-26 | 2021-04-26 | 一种基于小波分析及阈值处理的监测信号滤波方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110456128.9A CN113405747B (zh) | 2021-04-26 | 2021-04-26 | 一种基于小波分析及阈值处理的监测信号滤波方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113405747A true CN113405747A (zh) | 2021-09-17 |
| CN113405747B CN113405747B (zh) | 2024-06-28 |
Family
ID=77677695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110456128.9A Active CN113405747B (zh) | 2021-04-26 | 2021-04-26 | 一种基于小波分析及阈值处理的监测信号滤波方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113405747B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114515151A (zh) * | 2022-02-28 | 2022-05-20 | 韩宏光 | 基于人工智能的心电信号采集系统及处理方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2618269A1 (en) * | 2012-01-17 | 2013-07-24 | Siemens Aktiengesellschaft | A method for processing of measurements from several sensors |
| CN103234720A (zh) * | 2013-04-10 | 2013-08-07 | 东南大学 | 一种不同荷载类型所致应变的分离与提取方法 |
| CN103471623A (zh) * | 2013-09-24 | 2013-12-25 | 重庆邮电大学 | 一种基于邻域小波系数的mzi信号去噪方法 |
| CN103901474A (zh) * | 2014-04-18 | 2014-07-02 | 成都新核中创信息科技有限公司 | 一种基于折中小波阈值分析的微地震弱信号提取方法 |
| WO2017197123A1 (en) * | 2016-05-11 | 2017-11-16 | Cornell University | Systems, methods and programs for denoising signals using wavelets |
| CN108985179A (zh) * | 2018-06-22 | 2018-12-11 | 福建和盛高科技产业有限公司 | 一种基于改进小波阈值函数的电能质量信号去噪方法 |
| CN109409281A (zh) * | 2018-10-22 | 2019-03-01 | 河南科技大学 | 一种基于改进的小波阈值函数的降噪方法 |
| CN111680548A (zh) * | 2020-04-27 | 2020-09-18 | 哈尔滨工程大学 | 一种小波在线去噪的无失真边界延拓方法 |
-
2021
- 2021-04-26 CN CN202110456128.9A patent/CN113405747B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2618269A1 (en) * | 2012-01-17 | 2013-07-24 | Siemens Aktiengesellschaft | A method for processing of measurements from several sensors |
| CN103234720A (zh) * | 2013-04-10 | 2013-08-07 | 东南大学 | 一种不同荷载类型所致应变的分离与提取方法 |
| CN103471623A (zh) * | 2013-09-24 | 2013-12-25 | 重庆邮电大学 | 一种基于邻域小波系数的mzi信号去噪方法 |
| CN103901474A (zh) * | 2014-04-18 | 2014-07-02 | 成都新核中创信息科技有限公司 | 一种基于折中小波阈值分析的微地震弱信号提取方法 |
| WO2017197123A1 (en) * | 2016-05-11 | 2017-11-16 | Cornell University | Systems, methods and programs for denoising signals using wavelets |
| CN108985179A (zh) * | 2018-06-22 | 2018-12-11 | 福建和盛高科技产业有限公司 | 一种基于改进小波阈值函数的电能质量信号去噪方法 |
| CN109409281A (zh) * | 2018-10-22 | 2019-03-01 | 河南科技大学 | 一种基于改进的小波阈值函数的降噪方法 |
| CN111680548A (zh) * | 2020-04-27 | 2020-09-18 | 哈尔滨工程大学 | 一种小波在线去噪的无失真边界延拓方法 |
Non-Patent Citations (3)
| Title |
|---|
| ZHI-FEIGAO AND XIE, YUAN AND XU, YONG-BIN AND WANG, YONG-HAI: "Research of wind turbine gearbox vibration signal based on the wavelet analysis", 2015 INTERNATIONAL CONFERENCE ON WAVELET ANALYSIS AND PATTERN RECOGNITION (ICWAPR)}, 12 October 2015 (2015-10-12), pages 58 - 63 * |
| 安周鹏;肖志怀;孙召辉;陈宇凡;卢娜;: "改进小波阈值降噪算法在水电机组信号处理中的应用", 中国农村水利水电, no. 12, 15 December 2014 (2014-12-15), pages 170 - 173 * |
| 赵瑞珍, 宋国乡, 王红: "小波系数阈值估计的改进模型", 西北工业大学学报, no. 04, 30 November 2001 (2001-11-30), pages 139 - 142 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114515151A (zh) * | 2022-02-28 | 2022-05-20 | 韩宏光 | 基于人工智能的心电信号采集系统及处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113405747B (zh) | 2024-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108426713B (zh) | 基于小波变换和深度学习的滚动轴承微弱故障诊断方法 | |
| CN110470477B (zh) | 一种基于ssae和ba-elm的滚动轴承故障诊断方法 | |
| CN110879254B (zh) | 一种基于改进最小二乘生成式对抗网络的钢轨裂纹声发射信号检测方法 | |
| CN108303258A (zh) | 一种滚动轴承性能退化评估的特征提取方法 | |
| CN111397901A (zh) | 基于小波和改进pso-rbf神经网络的滚动轴承故障诊断方法 | |
| CN113405747A (zh) | 一种基于小波分析及阈值处理的监测信号滤波方法 | |
| CN115169401A (zh) | 一种基于多尺度DenseNet-ResNet-GRU模型的刀具磨损量预测方法 | |
| CN114371009A (zh) | 基于改进随机森林的高速列车轴承故障诊断方法 | |
| CN116353660B (zh) | 一种基于bwo-vmd的高速铁路车轮多边形故障检测方法及系统 | |
| CN108763678A (zh) | 一种具备自适应性的振动信号有效分量提取方法 | |
| CN112683233A (zh) | 一种建筑物沉降检测方法 | |
| CN116992217A (zh) | 基于多尺度动态加权多维残差卷积的机械信号降噪方法 | |
| CN116720059A (zh) | CEEMDAN-Grey-SSA弱信号提取方法 | |
| CN110160790A (zh) | 一种基于改进k-svd的滚动轴承故障冲击信号提取方法及系统 | |
| CN113758708B (zh) | 一种基于l1范数与组范数约束的滚动轴承信号的频域故障诊断方法 | |
| CN112364386B (zh) | 一种结合压缩感知和dwt的音频篡改检测与恢复方法 | |
| CN112762886A (zh) | 一种基于小波分析提取北斗桥梁变形监测动态特性的方法 | |
| CN104299048A (zh) | 一种轨道交通引起的建筑物振动水平预测方法 | |
| CN114626412A (zh) | 用于无人值守传感器系统的多类别目标识别方法及系统 | |
| CN114254679B (zh) | 基于滤波器的特征增强方法 | |
| KR101579689B1 (ko) | 음향 방출 신호의 잡음 제거 방법 및 장치 | |
| CN110542925B (zh) | 一种基于峰值包络线的地震数据尖峰噪声识别及压制方法 | |
| CN115510566B (zh) | 基于改进逻辑回归的地铁车站地震损伤预警方法及系统 | |
| CN112651147B (zh) | 基于希尔伯特黄变换和支持向量机的海洋平台故障诊断方法 | |
| CN117874436B (zh) | 基于复合多尺度双向多样熵船用燃油系统诊断方法及介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220322 Address after: 518000 307, building 27, Queshan Industrial Zone, Taoyuan community, Dalang street, Longhua District, Shenzhen, Guangdong Applicant after: Shenzhen Jiegan Technology Co.,Ltd. Address before: 518048 b1c1, 12th floor, Tianxiang building, Tianan Digital City, 12 Tairan 5th Road, Tianan community, Shatou street, Futian District, Shenzhen City, Guangdong Province Applicant before: Shenzhen Huaxing Zhigan Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant |