帮帮文库

返回

基于BP神经网络的电梯噪声评价方法(论文原稿) 基于BP神经网络的电梯噪声评价方法(论文原稿)

格式:word 上传:2022-08-17 08:26:30

《基于BP神经网络的电梯噪声评价方法(论文原稿)》修改意见稿

1、“.....采样频率为,量化比特为位,每次采样时长超过分钟。判断算法迭代误差是否满足要求,若不满足,返回步骤若满足,则训练结束。实验步骤原始数据采集。通过多功能声级计采集振动噪声信号共组和组,采样频率为与人耳听力感受模型并不致。要建立与人体相适应的生理学噪声感受模型较为困难,而基于数据驱动的模型可以在忽略复杂的人体听力感受内在机理,通过大数据训练建立以噪声特征为输入和评价结果为输出的噪声评价模型。基于神经网络的电梯噪声评价方法论文原稿。神经网络算法模拟人脑运行机理......”

2、“.....神基于神经网络的电梯噪声评价方法论文原稿接权值。模型在使用前通过如下步骤进行训练得以确定各连接权值。网络初始化。令为误差函数为误差上限和为最大学习次数。给连接权值和,隐含层阈值,输出层阈值随机生成范围为的初始值。声级取消了对低频进行衰减,有利于电梯噪声的评价。但其通过整体等效声级评价的策略会淹没低频突出但高频弱化的电梯噪声真实值。国际标准化组织提出的集中在低频段,在整个频谱空间分布并不均匀,因此噪声评价通过对多个倍频带分别进行评价优于整体评价......”

3、“.....但是电梯主要产生的低频噪声与人身体共振频率相近,人对低频噪声的主观感受与人耳听力感受模型并不致。要建立与人体相适应的生理学噪声感受模型较为困难,而基于数据驱动的模型可以在忽略复杂的现状,设计种基于的电梯噪声评价方法。首先提取电梯噪声信号的倍频程声压级特征,然后构建以该特征为输入而主观评价值为输出的模型,最后进行实验以验证方法的有效性。算法描述算法流程图如图所示,其中第步为提取振动噪声特征,第步通过构建模型计算出评价结果......”

4、“.....若不满足,返回步骤若满足,则训练结束。实验步骤原始数据采集。通过多功能声级计采集振动噪声信号共组和组,采样频率为,量化比特为位,每次采样时长超过分钟,每组测量位臵为电梯桥厢内和电梯房相邻的房间,测量时间为白天工作时间和晚上点至点,采集信号符合和的规定。数据声压级计算。根量中倍频程与倍频程频谱的关系与计算噪声与振动控制,杨庆红,张仁亮,李红霞倍频计权声级噪声评价分析电声技术,李晗......”

5、“.....权值更新。根据预测误差更新权值和。其中为学习效率。阈值更新。根据预测误差更新阈值和。基于神经网络的电梯噪声评价方法论文原稿。,看出,昼间误差均值为,夜间误差均值为,总平均值为。夜間误差较大,是因为夜间训练样本较多且夜间背景噪声值较小。结论针对此电梯噪声特点,本文设计种基于的电梯噪声评价方法。实验结果表明,本文提出的方法与居民主观感受昼间误差为,夜间误差为,主客观性致性优于声级计和评价标准。参考文献张明铎计权声级在噪声测量与评价中,不足声学技术,伍先俊......”

6、“.....赵欢高层住宅电梯噪声主客观致性量化研究西安长安大学,卢庆普,翁仪璧,熊文波,等室内低频噪声评价探讨声级与声级的关系全国环境声学电磁辐射环境学术会议咸爱清,唐笋翀环境噪声评价与方法年全国声学设计与演艺建筑工程学术会议王孚懋,王建春噪声基于神经网络的电梯噪声评价方法论文原稿与居民主观感受致。本文方法得分为,与主观评价得分仅存在的偏差。通过声级计得分样本和样本相差,噪声强度存在明显差异,但居民感受却差异极小。这是因为昼间环境背景噪声较大,而夜间背景噪声较小......”

7、“.....电梯噪声与环境背景噪声存在强相关性。笔者统计全部测试样本并计算相对误差均值如表所示,从表可,量化比特为位,每次采样时长超过分钟,每组测量位臵为电梯桥厢内和电梯房相邻的房间,测量时间为白天工作时间和晚上点至点,采集信号符合和的规定。数据声压级计算。根据算法第步提取出对应的各倍频程的声压级,并通过人工对中心频率的各倍频程进行修正以产生声级计值相同但各倍频程声压存在差异信号共组。权值更新。根网络在按照误差逆向传播算法训练的多层前馈神经网络......”

8、“.....为此,本文针对电梯噪声评价现状,设计种基于的电梯噪声评价方法。首先提取电梯噪声信号的倍频程声压级特征,然后构建以该特征为输入而主观评价值为输出的模型,最后进行实验以验证方法的有效性。算法描述算法流程图如图所示,其中第步为提取噪声评价标准,将噪声频谱分为个倍频带,分别评价每个倍频带的等效声级,并判断是否超过限定值。由于电梯噪声频谱主要集中在低频段,在整个频谱空间分布并不均匀,因此噪声评价通过对多个倍频带分别进行评价优于整体评价。声级是基于人耳听力感受模型进行噪声评价......”

9、“.....人对低频噪声的主观感体听力感受内在机理,通过大数据训练建立以噪声特征为输入和评价结果为输出的噪声评价模型。基于神经网络的电梯噪声评价方法论文原稿。模型模型结构如图所示,网络共分输入层隐藏层和输出层。输入层为经傅里叶反变换计算各倍频程带声压级,隐藏层为,输出层为主观评价得分,为输入层至隐藏层连接权值,为隐藏层至输入层的振动噪声信号,采样频率为,量化比特为位,每次采样时长超过分钟。声级取消了对低频进行衰减,有利于电梯噪声的评价......”

下一篇
温馨提示:手指轻点页面,可唤醒全屏阅读模式,左右滑动可以翻页。
基于BP神经网络的电梯噪声评价方法(论文原稿).doc预览图(1)
1 页 / 共 10
基于BP神经网络的电梯噪声评价方法(论文原稿).doc预览图(2)
2 页 / 共 10
基于BP神经网络的电梯噪声评价方法(论文原稿).doc预览图(3)
3 页 / 共 10
基于BP神经网络的电梯噪声评价方法(论文原稿).doc预览图(4)
4 页 / 共 10
基于BP神经网络的电梯噪声评价方法(论文原稿).doc预览图(5)
5 页 / 共 10
基于BP神经网络的电梯噪声评价方法(论文原稿).doc预览图(6)
6 页 / 共 10
基于BP神经网络的电梯噪声评价方法(论文原稿).doc预览图(7)
7 页 / 共 10
基于BP神经网络的电梯噪声评价方法(论文原稿).doc预览图(8)
8 页 / 共 10
基于BP神经网络的电梯噪声评价方法(论文原稿).doc预览图(9)
9 页 / 共 10
基于BP神经网络的电梯噪声评价方法(论文原稿).doc预览图(10)
10 页 / 共 10
预览结束,喜欢就下载吧!
  • 内容预览结束,喜欢就下载吧!
温馨提示 电脑下载 投诉举报

1、手机端页面文档仅支持阅读 15 页,超过 15 页的文档需使用电脑才能全文阅读。

2、下载的内容跟在线预览是一致的,下载后除PDF外均可任意编辑、修改。

3、所有文档均不包含其他附件,文中所提的附件、附录,在线看不到的下载也不会有。

  • Hi,我是你的文档小助手!
    你可以按格式查找相似内容哟
DOC PPT RAR 精品 全部
小贴士:
  • 🔯 当前文档为word文档,建议你点击DOC查看当前文档的相似文档。
  • ⭐ 查询的内容是以当前文档的标题进行精准匹配找到的结果,如果你对结果不满意,可以在顶部的搜索输入框输入关健词进行。
帮帮文库
换一批

搜索

客服

足迹

下载文档