苏州大学微纳传感技术研究中心
纸质出版:2022
移动端阅览
颜佟佟, 鲁征浩, 徐大诚. 基于压电振动能量采集器的信息感知与模式识别系统[J]. 传感器与微系统, 2022,(7):37-39+43.
基于压电振动能量采集器的信息感知与模式识别系统[J]. 2022, (7): 37-39+43.
颜佟佟, 鲁征浩, 徐大诚. 基于压电振动能量采集器的信息感知与模式识别系统[J]. 传感器与微系统, 2022,(7):37-39+43. DOI: 10.13873/J.1000-9787(2022)07-0037-03.
基于压电振动能量采集器的信息感知与模式识别系统[J]. 2022, (7): 37-39+43. DOI: 10.13873/J.1000-9787(2022)07-0037-03.
压电振动能量采集器不仅能高效收集环境振动能量,同时也可感知振动信息,通过进一步信息处理也可识别出振动的模式。在充分研究振动能量采集器输出特征的基础上,构建了一种振动信息感知以及振动模式识别系统。根据能量采集器输出的信号特征,采用卷积神经网络(CNN)算法给出了振动模式识别方法,并通过现场可编程门阵列(FPGA)的算法运行实现了振动模式的实时快速识别。实验结果表明:采用卷积神经网络算法的模式识别准确率可达96.7%
基于FPGA的识别系统能在能量采集器触发后的0.6 s内完成振动模式的快速识别。
压电振动能量采集器不仅能高效收集环境振动能量,同时也可感知振动信息,通过进一步信息处理也可识别出振动的模式。在充分研究振动能量采集器输出特征的基础上,构建了一种振动信息感知以及振动模式识别系统。根据能量采集器输出的信号特征,采用卷积神经网络(CNN)算法给出了振动模式识别方法,并通过现场可编程门阵列(FPGA)的算法运行实现了振动模式的实时快速识别。实验结果表明:采用卷积神经网络算法的模式识别准确率可达96.7%
基于FPGA的识别系统能在能量采集器触发后的0.6 s内完成振动模式的快速识别。
Deep learning for time series classification: a review [J] . Hassan Ismail Fawaz,Germain Forestier,Jonathan Weber,Lhassane Idoumghar,Pierre-Alain Muller. Data Mining and Knowledge Discovery . 2019 (4)
A Wireless Sensor System for Real-Time Monitoring and Fault Detection of Motor Arrays [J] . Jonathan Medina-García,Trinidad Sánchez-Rodríguez,Juan Antonio Gómez Galán,Aránzazu Delgado,Fernando Gómez-Bravo,Raúl Jiménez,Gonzalo Pajares Martinsanz. Sensors . 2017 (3)
SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <1MB model size. [J] . Forrest N. Iandola,Matthew W. Moskewicz,Khalid Ashraf,Song Han,William J. Dally,Kurt Keutzer. CoRR . 2016
Deep learning. [J] . LeCun Yann,Bengio Yoshua,Hinton Geoffrey. Nature . 2015 (7553)
Energy-Harvesting Wearables for Activity-Aware Services [J] . Khalifa, Sara,Hassan, Mahbub,Seneviratne, Aruna,Das, Sajal K.. IEEE internet computing . 2015 (5)
Dropout: a simple way to prevent neural networks from overfitting. [J] . Nitish Srivastava,Geoffrey E. Hinton,Alex Krizhevsky,Ilya Sutskever,Ruslan Salakhutdinov. Journal of Machine Learning Research . 2014 (1)
Adam: A Method for Stochastic Optimization. [J] . Diederik P. Kingma,Jimmy Ba. CoRR . 2014
A Wireless Sensor Network‐Based Structural Health Monitoring System for Highway Bridges [J] . Xiaoya Hu,Bingwen Wang,Han Ji. Computer‐Aided Civil and Infrastructure Engineering . 2012 (3)
0
浏览量
289
下载量
0
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621