cnjs1994的博客

范德波尔方程是单自由度线性振动系统附加非线性阻尼项动力学方程，是最基本的自激振动方程，为典型的振动方程之一，又称为范德波尔振子或范德波尔系统。 本博客对范德波尔方程进行了详细介绍，同时做了一个简单的Python实现测试。

随着GPU芯片的不断更新换代，大规模并行计算正在信息时代逐渐普及，相比于CPU计算，GPU的并行计算到底有哪些特点和优势呢？本博客以图像处理为例子，深入浅出的说明了GPU并行计算在图像预处理等任务上的应用优势。

*引言：**你可能听说过被称为物理先验嵌入的神经网络（PINN）的强大工具。PINN是一种将物理定律与神经网络架构相结合来解决复杂问题的深度学习模型。在这篇博客文章中，我们将讨论这些网络是什么，以及如何在你的研究中使用它们。并且准备了足够的背景知识，使得初学者对于PINN能够有更为清晰、完备的认知。我们还将提供一个使用PyTorch框架的示例来演示此类模型的训练过程可视化。

概述：该论文通过扩展传统chirplet变换, 开发了一种新的时频分析方法，称为标度基chirplet变换。这使得相应的小啁啾能够在任何窗口长度内精确匹配多分量信号的每个轨迹的目标斜率。通过SBCT获得的TF表示可以实现显著更高的能量浓度，即使是对于具有密集频率和高背景噪声水平的多分量信号。通过分析从齿轮箱试验台获得的数字多分量信号和振动信号，证明了所提出的SBCT方法的有效性。

全局协方差池化在卷积网络中相比于一阶方法取得了显著进展。最近的工作表明，矩阵平方根正则化在实现最佳性能中扮演了重要角色。然而，由于EIG和SVD在GPU上的适配性较差， 而现存的方法却强烈依赖于特征分解（EIG）或者奇异值分解(SVD)方法。基于这个问题现状，这篇提出了一种迭代式的矩阵平方根归一化方法，用于快速的协方差池化网络训练。由于只涉及到矩阵乘法，提出方法相比于基于EIG的方法和SVD的方法速度更快，适用于在GPU上并行实现。此外，提出方法在ResNet结构中的测试效果表明提出方法能够加速模型与训练。

阶次用于量化旋转机械在变转速工况下的噪声和振动情况。阶次是指频率是参考旋转速度的某个倍数。

详细而简单易理解的GAN网络处理振动信号

通过SHAP方法和Pytorch框架，实现MobileNetv2模型的事后可解释性分析，给出了完整代码以及其对应详细说明。

实现了卷积神经网络的事后可解释性分析

基于matlab算法实现了对CWRU轴承数据集的CWT时频特征提取，本系列将不定时持续更新！

非平稳振动信号分析方法基础

时序信号处理相关内容

渥太华变转速轴承数据集信号特征提取

从技术原理到matlab、python语言的方法实现，本文细致讲解了包络谱的生成、基于谱峭度的窗参数选择，以及在公开数据集上的测试效果。通过轴承故障频率函数，求解并验证了方法的可行性。

基于tensorflow2实现了WGAN模型的训练与测试