【技术实现步骤摘要】
本专利技术属于管线管道气体/液体流速流量的测量检测，具体涉及一种基于深度学习的噪声频谱处理方法。
技术介绍
1、在管线管道的气体液体流速流量的测量检测仪器里，常见的设备有超声波流量计、涡街流量计、电磁流量计，等等。超声流量计的原理有两类，一类是基于多普勒原理，即根据声波频率的变化推断超声声速的变化，从而测算流体的流速；另一类是时差法，通过逆流顺流的超声传播时差，推断传播速度，并反推流体的速度。涡街流量计的原理为基于流体流速与涡轮振动频率成正比，通过振动频率计算流速。而电磁流量计只能测量导电流体的流速，通过外加磁场作用下导体的电动势来计算流速，是应用电磁感应原理实现的功能。
2、近年来随着工农业设施的发展，规格为400毫米到600毫米口径的大口径流体管道日益普及，随之应运而生的是对大口径管道流量流速的测量。但大口径管道流量计本身并不是传统流量计的尺寸的大型化就能满足目标要求的。一方面，大口径管道内流体有紊流、惴流现象，流速的分布比较复杂，并不是均匀的，这就无法应用传统的小型流量计采集较小区域的流速来估计；而传统小型流量计也面临...
【技术保护点】
1.一种基于深度学习的噪声频谱处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的噪声频谱处理方法，其特征在于，所述步骤S2的具体过程如下：
3.根据权利要求2所述的一种基于深度学习的噪声频谱处理方法，其特征在于，所述使用交叠加法、信号乘窗模式对每2a毫秒长度的信号片段进行傅里叶变换的具体过程如下：
4.根据权利要求1所述的一种基于深度学习的噪声频谱处理方法，其特征在于，所述步骤S3中构建的卷积神经网络采用离线训练，具体过程如下：
5.根据权利要求1所述的一种基于深度学习的噪声频谱处理方法其特...
【技术特征摘要】
1.一种基于深度学习的噪声频谱处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的噪声频谱处理方法，其特征在于，所述步骤s2的具体过程如下：
3.根据权利要求2所述的一种基于深度学习的噪声频谱处理方法，其特征在于，所述使用交叠加法、信号乘窗模式对每2a毫秒长度的信号片段进行傅里叶变换的具体过程如下：
4.根据权利要求1所述...
【专利技术属性】
技术研发人员：陆成刚，沈子强，杨利中，王斌，龙皋月，南哲，白晓迪，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。