基于稀疏编码和LSSVM的轮对轴承检测装置及方法.pdf
盼易****君a
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于稀疏编码和LSSVM的轮对轴承检测装置及方法.pdf
本发明公开了基于稀疏编码和LSSVM的轮对轴承检测装置及方法,包括轮对轴承i、轮对轴承检测装置A、换向装置、轮对轴承检测装置B、分级收纳装置j、加速度传感器A和速度传感器A,所述轮对轴承检测装置A的两侧设有速度传感器A和加速度传感器A,轮对轴承检测装置A的侧边设有换向装置,换向装置的侧边设有轮对轴承检测装置B,轮对轴承检测装置B的两侧设有加速度传感器B和速度传感器B,轮对轴承检测装置B的右侧设有分级收纳装置j。本发明采用稀疏编码结合LSSVM的算法,解决了人为判断存在的主观性,将提高分类结果的可靠性,提高
基于等权局部特征稀疏滤波网络的轮对轴承故障诊断方法.pdf
基于等权局部特征稀疏滤波网络的轮对轴承故障诊断方法,首先获取轮对轴承在不同健康状态下的振动信号,建立基于等权局部特征稀疏滤波网络的故障诊断模型;然后对稀疏滤波网络进行训练,利用训练后的稀疏滤波网络从振动信号中自动提取故障特征;最后基于提取的故障特征,训练Softmax分类器,利用训练后的分类器对轴承故障进行智能诊断,本发明高效、可靠地实现了机车轮对轴承故障特征的自动提取以及健康状态的智能诊断。
基于稀疏自编码器和Softmax的轴承故障诊断方法及系统.pdf
本发明公开了一种基于稀疏自编码器和Softmax的轴承故障诊断方法及系统,在原始稀疏自编码器中引入局部约束,得到改进的稀疏自编码器,在改进的稀疏自编码模型局部约束体现在编码器权重矩阵的归一化以及只保留隐藏层余弦相似度最大的k个激活单元形成原始样本的局部子空间,其对应的特征是样本x的k近邻,解码器通过保留的k个编码单元来重构输入。采集滚动轴承不同运行状态的振动信号作为训练集,用训练集训练局部稀疏自编码器模型和Softmax分类器模型,得到模型参数从而完成故障诊断分类模型的建立,由于考虑了振动信号的局部特征,
轴承装置、检测轴承装置的轴承表面磨损的方法和轴承装置的应用.pdf
一种轴承装置,其包括具有轴承表面(1a)的第一部件(1),具有由导电材料制成的且被布置为与轴承表面(1a)滑动接触的表面的第二部件(2),以及用于检测轴承表面磨损的装置。该磨损检测装置包括布置在第一部件(1)内的传感器(3),该传感器(3)至少部分地由导电材料制成且包括第一区域(3d)和第二区域(3e)。该第一区域(3d)电连接至第二部件(2)的表面使得当轴承表面(1a)完整无损时形成断开的电路,并且当轴承表面(1a)磨损减小至一预定厚度时,该第二区域(3e)与第二部件(2)的表面电接触从而闭合电路。该磨
基于稀疏编码和小波自编码器的极化SAR图像分类方法.pdf
本发明公开了一种基于稀疏编码和小波自编码器的极化SAR图像分类方法,主要解决由于特征提取不合理而造成的边界分类问题和没有考虑空间相关性而导致的区域一致性较差的问题。其主要步骤是:(1)、输入图像;(2)、预处理;(3)、提取图像特征;(4)、稀疏编码;(5)、选取训练样本和测试样本;(6)、训练小波稀疏自编码器;(7)、训练softmax分类器;(8)、调整网络参数;(9)、图像分类;(10)、上色;(11)、输出分类结果图。本发明具有良好的去噪效果,考虑到数据的邻域信息,能更好地从低维特征中学到更高级的