阀门在工业和家庭管道系统中被广泛使用。然而,在其运行过程中,它们可能会遭受空化现象的发生,这可能会导致巨大的噪音、振动和对阀门内部组件的损坏。因此,监测阀门内部的流动状态对防止空化现象引起的额外费用是非常有益的。本文提出了一个新颖的声学信号空化检测框架--基于XGBoost与自适应选择特征工程。首先,开发了一种非重叠滑动窗口(NOSW)的数据增强方法来解决本研究中涉及的小样本问题。然后,通过快速傅里叶变换(FFT)对每段时域声学信号进行变换,并提取其统计特征,作为自适应选择特征工程(ASFE)程序的输入,在此过程中进行自适应特征聚合和特征交叉。最后,利用选定的特征对XGBoost算法进行空化检测的训练,并在Samson AG(法兰克福)提供的阀门声学信号数据上进行测试。我们的方法已经取得了最先进的结果。在二元分类(空化和无空化)和四元分类(空化窒息流、恒定空化、初生空化和无空化)上的预测性能令人满意,比传统的XGBoost算法的准确率提高了4.67%和11.11%。
对超声心动图的2ch和4ch视图进行分割,并根据分割结果进行
基于人工智能技术,对心脏CTA图像进行组织和冠脉三维重建,组
车辆检测项目主要完成车辆外观检验、车辆部件检验、车内仪表状态
全是自动化实现功能脚本,一步实现生成数据分析excel文件,
该项目为人工智能在医疗影像中的直接应用,收到国家项目支持。利
这个作品,打造的面向对象颇广,因为我们考虑到的不仅仅是日常会
需求方专属客服,免费梳理匹配
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如当前档期不合,也可免费为您推荐相似案例作者