基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
推导了用于实时控制的动态神经网络数值方法,并应用该方法通过测量关键点的振动加速度信号来识别车内噪声信号,该法既避免了传统自适应有源消声中的声反馈问题,又具有实时性.实验研究表明,由于动态网络具有良好的实时跟踪特性,即使在工况发生改变时,网络也可在短时间内迅速完成跟踪.
推荐文章
基于样本增强的卷积神经网络震相拾取方法
卷积神经网络
样本增强
震相拾取
泛化性能
神经网络技术在车内噪声预测上的应用
神经网络
振动
车内噪声
预测
神经网络方法在车内噪声信号预测中的应用
车辆工程
车内噪声
神经网络
预测
车内噪声主动控制的Elman神经网络方法
汽车
噪声主动控制
神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 动态神经网络方法在车内噪声参考信号拾取上的应用
来源期刊 河北工业科技 学科 工学
关键词 车内噪声 动态神经网络 有源消声 识别
年,卷(期) 2004,(3) 所属期刊栏目 研究与开发
研究方向 页码范围 4-8
页数 5页 分类号 TP535
字数 3258字 语种 中文
DOI 10.3969/j.issn.1008-1534.2004.03.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王登峰 吉林大学汽车学院 125 1707 24.0 34.0
2 常振臣 吉林大学汽车学院 7 244 5.0 7.0
3 薛殿伦 吉林大学汽车学院 4 89 4.0 4.0
4 刘学广 吉林大学汽车学院 7 154 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (11)
参考文献  (3)
节点文献
引证文献  (4)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
车内噪声
动态神经网络
有源消声
识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
河北工业科技
双月刊
1008-1534
13-1226/TM
大16开
河北省石家庄市裕华东路70号
18-327
1984
chi
出版文献量(篇)
2570
总下载数(次)
4
总被引数(次)
14826
论文1v1指导