基于稀疏分解与邻域蜂群算法的电机故障诊断方法.pdf
是你****芹呀
亲,该文档总共28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
基于稀疏分解与邻域蜂群算法的电机故障诊断方法.pdf
本发明公开了一种基于稀疏分解与邻域蜂群算法的电机故障诊断方法,利用IM‑HHT提取直流电机特征及信号分析。将电机采样信号经稀疏分解去噪处理,利用正交匹配追踪算法对电机信号进行处理前去噪,从过完备字典中选择若干最优原子线性组合;利用经验模态分解,将给定的信号分解为若干IMF,再利用相关性参数,去除假性IMF,最后进行Hilbert变换,得到原始信号的Hilbert谱;基于聚类型欧氏距离判定方法特征选取;利用方形邻域选择人工蜂群算法完成对电机信号特征因子的排序;通过径向基分类器对电机故障进行分类识别。与现有技
基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法.pdf
本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法,首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量,剔除含有宽带信号的低共振分量;将含有行星齿轮箱振动信号的高共振分量作为观测信号,再对观测信号进行一次共振稀疏分解,构成虚拟通道信号;利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理,分离出有效的故障特征分量,从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率,解决经验模态分解EMD去噪过程中故障信息丢失、模态混叠的问题,同时也可以解决ICA中源信
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
基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法.pdf
本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法,包括如下步骤:1)首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量,剔除含有宽带信号的低共振分量;2)将含有行星齿轮箱的高共振分量作为观测信号,再对观测信号进行一次共振稀疏分解,构成虚拟通道信号;3)利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理,分离出有效的故障特征分量,从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率,解决EMD去噪过程中故障信息丢失、模态混叠的问题,同时也可以解决ICA
基于蜂群算法的排班方法.pdf
本发明提供一种基于蜂群算法的排班方法,包括:(1)建立清洁工排班模型,目标为所有清洁区域的每时期的工作时总和与每时期的所有清洁区域的平均工作时之差的平方和最小;其约束如下:同一区域、同一排班周期内,级别高与级别低的清洁工作相遇,则保留级别高的清洁工作,丢弃级别低的清洁工作;同一区域内,不同级别的清洁工作在其清洁周期内,安排一次对应的清洁工作,除非同一时间内,已经安排了更高级别清洁工作;(2)利用蜂群算法求解排班模型获得最优值,使每周平均工时相同的情况下,总工时尽可能的最小;(3)将获得最优值的解作为基准排