一种基于DR-?1-PRLS方法的单载波UWA通信中的自适应均衡技术
陈晓晨、
戴关权、
史阳、
吴飞云
《Sensors》:A DR-?1-PRLS Approach to Adaptive Equalization in Single-Carrier UWA Communication
Xiao-Chen Chen,
Guan-Quan Dai,
Yang Shi and
Fei-Yun Wu
【字体:
大
中
小
】
时间:2026年04月30日
来源:Sensors 3.5
摘要
本文提出了一种基于深度学习的智能定位框架,旨在解决在塔式熔盐聚光太阳能(CSP)电站的接收管超声导波无损检测(NDT)过程中,缺陷识别和定位的准确性和鲁棒性不足的问题。该框架首先使用一维卷积神经网络(1D-CNN)处理原始的时间序列导波信号,实现缺陷段的粗略识别和初步定位;随后利用梅尔频谱图(Mel spectrograms)挖掘时频域的多维特征,并将一维信号转换为二维表示,从而丰富特征多样性。接着设计了一种基于回归的二维卷积神经网络(2D-CNN),用于预测缺陷段的起始和结束点,实现精确的区间定位。此外,还整合了树种子算法(Tree Seed Algorithm, TSA)来共同优化关键超参数,提升训练效率和预测准确性。通过对熔盐接收管的超声导波信号数据集进行实验验证,结果表明:经过TSA优化的Mel+2D-CNN模型表现优异,平均绝对误差(MAE)为75.11个采样点,决定系数(R2)为0.90。在交并比(IoU)阈值为0.3的情况下,该模型的命中率为89.21%,其定位准确性和稳定性明显优于基于一维卷积神经网络的基线模型。这些发现表明,所提出的方法有效提高了细长结构中基于导波的缺陷定位的准确性和鲁棒性。尽管该方法具有潜力,但其泛化能力仍依赖于数据分布和操作条件;未来的工作将重点验证其在多样化、多场景工业环境中的工程适用性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号