振动图像
振动图像的相关文献在1996年到2022年内共计108篇,主要集中在力学、教育、物理学
等领域,其中期刊论文78篇、专利文献384484篇;相关期刊44种,包括中国教育技术装备、中学生数理化(高二高三版)、高中数理化等;
振动图像的相关文献由152位作者贡献,包括赵齐浩、汪仁华、吴先球等。
振动图像—发文量
专利文献>
论文:384484篇
占比:99.98%
总计:384562篇
振动图像
-研究学者
- 赵齐浩
- 汪仁华
- 吴先球
- 张珣
- 王玉清
- 伊东阳一
- 余长厅
- 俞丽萍
- 刘德强
- 吴汉锋
- 呼格吉乐
- 尤爱惠
- 张玉波
- 张磊
- 暴可
- 李芳
- 王立斌
- 甘忠通
- 田中章喜
- 舒象喜
- 许冬保
- 赵坚
- 钱亚霖
- 陈显盈
- 陈梁远
- 颜海俊
- 黎大健
- 丁洪良
- 万吉
- 万洪禄
- 严杨
- 任新成
- 任海莉
- 任龙
- 何崇林
- 何琳
- 侯鑫烨
- 关贞珍
- 其他发明人请求不公开姓名
- 冀晓群
- 冯一兵
- 冯佳
- 凯歌
- 刘世军
- 刘东升
- 刘久强
- 刘亚英
- 刘倩
- 刘彬生
- 刘景亭
-
-
-
徐华兵
-
-
摘要:
机械振动与机械波类试题一直是高中物理各类考试的常考试题,高考试题中也常有出现.由于这类试题综合性较强,能很好地考查学生综合分析问题的能力,深受命题者的青睐.笔者分析近年来各类考试机械振动与机械波类试题发现,其考查形式大致有4类:已知某时刻介质中两质点位置类、已知某时刻波形图和介质中某点振动图像类、已知介质中某两质点振动图像类和已知介质中某两个时刻波形图像类.
-
-
成树明
-
-
摘要:
振动图像表示介质中某一质点在各个时刻的位移,波的图像表示介质中所有质点在某一时刻的位移.高考对机械振动和机械波的考查,常以振动图像或波的图像展开,波的形成和传播规律结合波速公式是考查重点,有时涉及多解问题,题型可能是选择题或填空题,也可能是计算题,下面对2021年高考振动和波的图像试题归类赏析.
-
-
刘亚英;
孟卫东
-
-
摘要:
前言:小物和小理是两名普通的高中生,他们酷爱物理,在学习高中物理的过程中,小物经常向小理提出许多刁钻而有趣的问题,了解他们的故事也能让你的物理达到新的高度.
-
-
李金丑;
宋丽飞
-
-
摘要:
机械振动与机械波有着紧密的联系,波的传播具有时间和空间泊周期性,机械波的相关问题具有一定的难度。在解决问题的过程中,只有厘清波长、频率(周期)和波速之间的关系,波的图像与振动图像的关系,波形与传播方向、时间和空间的关系,提取题目中的关键信息,才能破解波动难题。
-
-
朱琰;
黄敏;
王小静;
郑成东
-
-
摘要:
深度神经网络在滚动轴承故障诊断领域得到广泛应用,而将深度神经网络应用于滑动轴承-转子系统故障诊断的研究较少。其中大多数研究假设轴承故障的训练数据与测试数据分布相同,基于该训练数据得到的神经网络能较好地对轴承故障进行描述,但当轴承转子系统的结构和工况发生变化,原神经网络就不能对故障进行准确诊断。提出一种基于改进型联合分布差异(Improved Joint Distribution Discrepancy,IM-JDD)方法的深度卷积迁移学习框架(Deep Convolutional Transfer Learning Network,DCTLN),该框架采用二维振动图像作为网络输入,通过深度卷积神经网络提取图像的可迁移特征,提出的改进型联合分布差异方法实现了不同结构及工况下滑动轴承-转子系统故障特征的迁移学习。最后在结构不同的滑动轴承-转子实验台上进行测试,结果表明,本框架在不同工况下和不同机器间对无标记故障样本具有较强的诊断能力,并优于其他竞争方法。
-
-
张珣;
吴先球
-
-
摘要:
开发基于虚拟仪器的双单摆振动图像的实验装置,运用数据采集卡和LabVIEW软件,改进振动图像的实验方案,提高测量效率和展示效果.实现了两个单摆的实际振动情况和振动图像的实时展示,直观地体现简谐运动中的振幅、周期和频率、相位等概念,并对简谐运动的叠加规律进行了图像上的简单展示.
-
-
张珣;
吴先球
-
-
摘要:
开发基于虚拟仪器的双单摆振动图像的实验装置.运用数据采集卡和LabVIEW软件,改进振动图像的实验方案,提高测量效率和展示效果.实现了两个单摆的实际振动情况和振动图像的实时展示,直观地体现简谐运动中的振幅、周期和频率、相位等概念,并对简谐运动的叠加规律进行了图像上的简单展示.
-
-
庞俊;
刘鑫;
段敏霞;
任海莉;
侯鑫烨
-
-
摘要:
卷积神经网络(Convolution Neural Network,CNN)是一种常用的智能故障诊断方法.针对卷积神经网络结构中参数较多,训练时间长,并且sigmoid和ReLU激活函数运用带来梯度消失和均值偏移.基于以上问题提出了一种改进非线性映射函数的卷积神经网络模型.把振动信号转换成二维振动图像表示其故障纹理,在卷积层中加入了两层残差神经元.再运用该方法对凯斯西储大学和帕德尔伯恩大学轴承数据集进行分析,分别达到预测精度99.18%和100%.
-
-
卢玉斌
-
-
摘要:
根据机械波在两个不同时刻或不同位置的波形或某些物理量,可求出另一些物理量,采用"一分、二看、三找"的方法求解波动图像与振动图像综合类问题,提高学生分析、解决问题的能力,激发学生学习物理的兴趣。