一种基于稀疏分解的重加权分步正则化轴承故障诊断方法.pdf
梅雪****67
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于稀疏分解的重加权分步正则化轴承故障诊断方法.pdf
一种基于稀疏分解的重加权分步正则化轴承故障诊断方法,涉及轴承故障诊断。包括以下步骤:1)建立稀疏分解问题模型:通过引入合适的罚函数替代0范数,借助正则化,转化为无约束的最优化问题;2)构造替代函数,使替代函数具备与目标函数相近的最优解;3)优化替代函数,通过迭代构造和缩减替代函数,时间索引参数逐渐收敛至实际冲击发生的位置,稀疏系数也逐渐逼近真实值;4)更新正则化参数和剔除冗余原子,当收敛误差小于设定的收敛阈值时,结束迭代,完成重加权分步正则化轴承故障诊断。能够兼具强稀疏促进能力和高拟合精度,具有更高的信号
稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法.pdf
本发明涉及一种稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法,包括以下步骤:通过加速度传感器拾取齿轮箱振动信号;对拾取的原始振动信号利用稀疏正则化滤波方法进行滤波;利用自适应稀疏分解方法对滤波信号进行分解,得到高频振荡信号与低频周期性瞬时脉冲信号;利用Hilbert包络解调方法对低频周期性瞬时脉冲信号进行包络解调,提取故障特征频率及其倍频,与理论计算故障特征频率对比,最终确定齿轮故障类型。本发明能够大幅度滤除背景噪声成分,有效提取周期性故障瞬时脉冲序列,可以清晰检测出比较微弱的齿轮故障特征信息,准确性
一种基于稀疏正则化的图像去噪方法.pdf
本发明涉及一种基于稀疏正则化的图像去噪方法。其充分利用图像的梯度信息以及非局部自相似构建稀疏正则化去噪模型,并采用迭代直方图规范化算法求解该模型。在求解的过程中,首先将图像进行分块,其次根据结构相似程度将这些图像块分簇,最后对于每一个给定的图像块,使用稀疏K-SVD字典进行训练。一方面改善了字典的结构性,另一方面训练得到的过完备字典能更好地对图像块进行稀疏表示。本发明能有效对图像进行去噪,对图像纹理结构的保留能力更强,得到的图像视觉效果更佳,并进一步降低了计算复杂度,提高了运算速度。
一种基于稀疏正则化约束的盲解卷积信号重构方法.pdf
一种基于稀疏正则化约束的盲解卷积信号重构方法,本发明涉及基于稀疏正则化约束的盲解卷积信号重构方法。本发明的目的是为了解决现有稀疏盲解卷积信号重构方法对观测点需求多、信号重构准确率低、误差大的问题。过程为:1、设置<base:Imagehe=@77@wi=@137@file=@DDA0003642931690000011.JPG@imgContent=@drawing@imgFormat=@JPEG@orientation=@portrait@inline=@yes@/>的初始值;2、定义损失函数,迭代<b
基于加权低秩和邻域组稀疏分解的运动目标检测方法.pdf
本发明公开一种基于加权低秩和邻域组稀疏分解的移动目标检测方法,包括:一取每帧图像的灰度图,并将像素归一化到[0,1]区间;二根据像素的圆形邻域,构造每个视频帧的重叠局部图像组,并给出邻域组稀疏诱导范数的表达式;三将D分解为低秩背景矩阵B、结构化稀疏前景S以及高斯噪声矩阵E;四以S的结构信息和背景减除后的残差噪声建模结果,构造权重W;五根据上述过程建立最终的加权低秩和邻域组稀疏分解模型;六对第五步的模型以交替方向乘子法求解,在迭代过程中更新权重,最终得到前景目标。本本发明可检测出短暂或较长时间停滞的前景对象