摘要
本发明提供一种基于图像特征编码的车桥耦合振动数据生成方法,属于图像特征编码技术领域,利用模拟信号与实际工程信号搭建振动数据训练集,并划分为不同工况条件下的训练子集;然后,对原始振动信号进行预处理,并通过短时傅里叶变换获得时频图像;接着,利用卷积Transformer编码器提取图像空间特征,生成图像隐空间特征向量;随后,通过扩散概率模型对特征向量进行增强采样,生成新的特征向量;再利用卷积Transformer解码器重构生成拟真的振动信号;通过端到端联合训练优化模型,进一步提高生成信号的质量。本方法可生成大量统计特性真实的振动数据,有效提升了车桥耦合振动信号分析的精度与泛化能力,有望应用于结构健康监测、桥梁异常检测及缺陷智能诊断领域。
技术关键词
车桥耦合振动
图像特征编码
数据生成方法
交叉注意力机制
前馈神经网络
卷积模块
信号
非线性
图像特征数据
短时傅里叶变换
结构健康监测
输出特征
重构
异常数据
解码
生成对抗网络
缺陷智能
系统为您推荐了相关专利信息
变化检测模型
变化检测方法
变化检测算法
前馈神经网络
轮廓
图像颜色特征提取
纺纱线
表征方法
空间特征提取
前馈神经网络
反射技术
测试数据生成方法
生成随机
生成测试数据
变量
视频检索方法
深度神经网络模型
视觉特征
文本
RGB特征
状态空间模型
前馈神经网络
编码器
元学习算法
模型预测控制技术