您现在的位置: 首页> 研究主题> 快速傅里叶变换

快速傅里叶变换

快速傅里叶变换的相关文献在1986年到2022年内共计1926篇,主要集中在无线电电子学、电信技术、自动化技术、计算机技术、电工技术 等领域,其中期刊论文1674篇、会议论文85篇、专利文献410215篇;相关期刊656种,包括电子科技大学学报、电测与仪表、电工技术学报等; 相关会议78种,包括第十九届计算机工程与工艺年会暨第五届微处理器技术论坛、2015年全国天线年会、甘肃省电机工程学会2014年学术年会等;快速傅里叶变换的相关文献由5104位作者贡献,包括张为、张勇、滕召胜等。

快速傅里叶变换—发文量

期刊论文>

论文:1674 占比:0.41%

会议论文>

论文:85 占比:0.02%

专利文献>

论文:410215 占比:99.57%

总计:411974篇

快速傅里叶变换—发文趋势图

快速傅里叶变换

-研究学者

  • 张为
  • 张勇
  • 滕召胜
  • 梁煜
  • 汪旭明
  • 陈颖频
  • 刘开培
  • 刘波
  • 刘爱军
  • 吴嗣亮
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

作者

    • 刘繁; 崔江; 林华
    • 摘要: 利用快速傅里叶变换(FFT)研究了一种角度轨迹监测技术,并将其用于航空发电机旋转整流器故障特征提取及在线诊断应用中。首先,连续采集发电机交流励磁机励磁电流信号,每相邻两次数据采集间隔同样的时间。其次,对每次采集的数据均进行FFT处理以获取故障特征信息,该过程在每两次数据采集的间隔内完成。每次处理得到的故障特征信息会形成连续的变化轨迹,通过对该轨迹的研究可以在线监测并诊断旋转整流器的故障模式。最后,通过试验对所提方法进行了验证。
    • 陈晓; 刘秋菊; 王仲英
    • 摘要: 在传统的故障诊断方法中,往往先要基于先验知识求取原始振动信号的特征,并将其输入到智能分类器中进行模式识别,其中容易出现信息丢失,且依靠人为经验进行判断不够准确,针对这一问题,提出了基于快速傅里叶变换(FFT)与流行学习联合的智能故障诊断模型。首先,采用FFT变换将原始数据从时域转换到频域,获得了高维特征数据;然后,使用3种流形学习算法,即多维尺度变换(MDS)、核主成分分析(KPCA)、线性局部切空间排列(LLTSA),获得了低维表征信息;最后,基于故障诊断试验平台系统,对轴承及齿轮工作数据信息进行了获取与处理,将其数据样本输入到智能分类器中,进行了训练和测试。研究结果表明:FFT降维变换可以有效地减少人为选择因素引起的样本衰减现象,同时最近邻域估计算法可以提高智能分类器的测试准确率,使得基于FFT与流行学习的联合智能分类模型对状态数据识别率在80%以上,其中FFT+LLTSA联合智能分类模型的识别率最高可达到87%以上;该结果可验证该分类模型在机械传动系统故障检测中具有的有效性。
    • 魏震波; 余雷
    • 摘要: 针对电力负荷序列非线性、随机性等特点引起的电力负荷预测精度低问题,提出一种基于快速傅里叶变换(FFT)、密度层次聚类算法(DC-HC)与长短时记忆(LSTM)神经网络相结合的短期负荷预测方法。首先,采用FFT计算出所有原始电力负荷序列对应的期望频率,并以之作为负荷聚类的特征量。然后采用DC-HC算法对负荷进行聚类,将原始数据分拆成具有特征属性的数据分量组;运用LSTM模型对各分量组进行负荷预测,再将各分量组预测结果进行叠加,得到最终负荷预测值;最后,采用爱尔兰实际电力负荷数据进行算例分析,结果表明所提方法能够有效提高负荷预测精度。
    • 姚建云; 应晓霖; 许富洋; 吴琼; 张海花; 李勇
    • 摘要: 为提高大尺寸计算机制全息图的计算速度,通过对层析法菲涅尔全息图计算模型的分析,根据其特点提出一种新的计算机制菲涅尔全息图快速算法。对每一层物体首先分别计算系数行、列分量;然后用快速傅里叶变换计算积分项的一个周期;最后将计算的积分项在全息面上进行周期延拓,同时每个采样点的积分项与由行、列正交分量组合成的系数相乘得到衍射场在全息面上的分布。将所有层的衍射场求和并与参考光干涉,经编码得到全息图。实验结果表明全息图尺寸越大,快速算法的速度提高越明显;在体积样点为1174×1174×41,全息图分辨率为11700×11700像素时,该算法将计算速度提到传统层析法的13倍。制作了分辨率为54197×399087像素的全息图,并对其进行光学再现,再现像与传统层析法结果无明显差异。
    • 代煜; 王景港; 曹广威; 张建勋; 贾宾
    • 摘要: 易变形结构在钻削过程中因受力而产生形变,不能根据刀具的钻削距离判断刀具所处状态。钻削过程中刀具切入易变形结构不同的位置会产生不同幅度的振动,通过对加速度传感器采集到的振动信号进行快速傅里叶变换(fastFouriertransform,简称FFT),将钻削过程分为5个状态。通过计算系统基频整数次谐波分量幅值的变异系数,选取部分谐波分量的幅值作为特征量进行阶段监测。选用线性转换和对数转换相结合的方式实现输入数据的归一化,输入到支持向量机与多层前馈(backpropagation,简称BP)神经网络进行钻削状态分类。实验表明:支持向量机在所有钻削状态的识别准确率在85%以上,部分钻削状态的识别准确率达到了100%;BP神经网络分类器的识别准确率略低于支持向量机。根据所识别的状态控制刀具在即将钻透时停止,测量易变形结构剩余厚度验证了该方法的精确性。
    • 黄嘉诚; 彭勇; 岳兴春; 周钰琛; 宋威
    • 摘要: 声学的应用广泛且存在于各种领域,有关声音的检测与强度的测量一直受到人们的高度重视。前置放大采用跨阻运算器,分贝转化采取真有效值法与交流采样法,通过软硬件的结合与对比,设计了一款声音检测电路。在50 Hz到15 kHz的频率范围内,测试40 dB到80 dB的声压信号并转化为有效值输出,相比于传统的平均值电路,整体精度提升了4%,且在人耳适宜区域误差仅为0.3%,并提高了测量范围。其中真有效值法适用于测量环境分贝,交流采样法可以实现主频甚至多频率信号分贝测量。实验的最终仿真结果误差较小、测量成本低且性价比高。
    • 陈庆光; 邢振想; 姜忠瑞; 张永超
    • 摘要: 为探究对旋风机失速流动信号的瞬态特征,将对流场信号的瞬时特征具有良好辨识能力的小波分析法引入到对旋风机失速特征的分析中,提出一种FFT技术与小波-时频分析相结合的失速诊断方法。首先,基于出口节流阀模型,对小流量失速工况下对旋风机内部的三维非定常流动进行数值模拟与分析;然后,利用所提出的失速诊断方法,对对旋风机在失速发生时流场中的静压信号进行处理和分析。结果表明:对旋风机在10个旋转周期后进入失速状态,伴随着前缘溢流与尾缘反流的出现而发生。另外,FFT技术从频域角度确定出失速特征表现为70Hz及140Hz频率分量的出现,而小波-时频分析从时频角度发现对旋风机在第10个旋转周期开始出现70Hz及140Hz频率分量,证明了所提出的方法对对旋风机失速流动特征具有较好的诊断分析能力。
    • 邓志祥; 潘建兵; 黄灿英; 刘伟博; 魏向向; 郭亮; 郭紫华; 郝钰; 王晓卫
    • 摘要: 针对现有配电网故障选线准确率与可靠性均偏低的问题,提出了一种基于傅里叶变换与关联距离相结合的故障选线新方法。当发生单相接地故障时,利用快速傅里叶变换(fast fourier transformation,FFT)提取暂态零序电流第2个周期内的稳态工频分量,反演后得到暂态零序电流的整体工频分量;剔除暂态零序电流中工频分量后得到非工频自由振荡分量,在此基础上,利用非工频自由振荡分量构建基于关联距离的故障选线新判据;将具备最大关联距离所对应的线路判定为故障线路,与此同时,将其他线路判定为健全线路。仿真结果表明,该方法不受故障电阻、故障相角与故障位置的影响,同时还可抵抗噪声干扰,具有较强的鲁棒性。
    • 汪士杰; 孙晓茜; 杨延钧; 张建华
    • 摘要: 为了克服配电混合网络线路结构的复杂性及单相接地故障区段定位通信量大的问题,文中提出利用多点测量暂态相电流信息进行故障区段定位的方法。首先将各馈线线路测量点采集的暂态相电流信息上传到对应线路的馈线终端装置(FTU),利用快速傅里叶变换(FFT)对暂态相电流信息进行谐波变换,得到相应的幅值谱和相位谱;然后计算相邻测量点幅值谱的欧氏距离和相位谱的余弦相似度,作为故障区段定位的数据特征,并将处理后的数据特征上传到主站,利用局部异常因子(LOF)算法进行分析,从而实现故障区段定位;最后通过PSCAD仿真实验表明,能够较好地判别不同工况下的故障区段,且能适应于分布式电源并网、调整中性点运行方式和部分测量点被噪声干扰的情况。
    • 甄超; 田宇; 季坤; 张征凯; 黄道友
    • 摘要: 针对风电机组齿轮箱油温数值的非线性与相关性,为实现油温的准确预测,提出一种基于快速傅里叶变换(Fast Fourier Transform,FFT)的深度神经网络(Deep Neural Network,DNN)的预测方法。首先,对油温数据进行时间序列特性分析,选择时间窗口对信息进行排列,然后对信息进行FFT并提取其高频幅特征,并把这些特征输入DNN模型中进行训练,最后对输出的结果进行评价。采用实测数据对该方法进行验证,并选用常见模型进行对比,结果验证了该方法的有效性。该方法可以在齿轮箱运行状态异常前预警,降低设备功能性的故障,减少风电机组故障停机的损失,具有实用价值。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号