基于自适应小波能量的旋转机械故障特征提取方法.pdf
景山****魔王
亲,该文档总共14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
基于自适应小波能量的旋转机械故障特征提取方法.pdf
本发明为基于自适应小波能量的旋转机械故障特征提取方法,本发明首先在机械故障综合模拟实验台上采集转子振动信号,然后针对信号能量特征受转速和采样频率影响的问题,采用一种新的自适应小波能量特征提取方法,完成对旋转机械的转子不平衡故障、不对中故障、轴承座松动故障的有效特征提取。同时为了保留旋转机械振动信号更多的原始特征,并且克服传统去噪方法在阈值处分别存在恒定偏差和不连续以及参数不可调的问题,在该方法中嵌入了一种新型的阈值函数进行去噪。该方法在机械故障模拟实验台上取得了较好的效果,提取的能量特征能有效区分出不同的
一种基于先验小波组策略融合的旋转机械故障诊断方法.pdf
本发明公开了一种基于先验小波组策略融合的旋转机械故障诊断方法,步骤如下:首先通过设计小波卷积收缩网络并配合预训练,对各小波的特性进行初步测试。将测试结果作为先验,指导后续针对不同输入信号时的小波组策略选取。小波组策略选取基于训练一个小波组选择智能体,智能体可以为每一个输入的信号样本选取一组合适的小波进行小波卷积,然后将卷积输出的结果进行融合。最后,结合智能体对之前预训练的分类网络进行微调。本发明根据小波函数多样的特点,选取多个小波构成小波组,与现有技术相比在特征选择方面更具合理性,且模型具有更高的鲁棒性,
基于小波的车牌汉字特征提取.pdf
基于小波多尺度和熵在图像字符特征提取方法的改进.docx
基于小波多尺度和熵在图像字符特征提取方法的改进摘要:提出了一种基于小波和熵提取图像字符特征的方法。该方法利用小波变换对图像字符进行多尺度分解,用marr零交叉边缘检测算子提取边缘;用基于判别熵最小化提取每一尺度图像的边界特征,小波的“数字显微镜”的优点与熵能确切地表达各类的交叠状况且能直接表达错误率的特征相结合。与其它方法相比,该方法提取的特征向量稳定、识别率高、算法快,非常有利于分类,且特征提取的方法有人类视觉的特点。关键词:多尺度分析Marr边缘检测算子判别熵特征提取在线签名验证是通过计算机采集和验证
一种旋转机械故障趋势预测的特征提取方法.pdf
本发明涉及一种旋转机械故障趋势预测的特征提取方法,其步骤为:(1)利用远程在线监测诊断中心进行工业现场数据采集,通过布置在旋转机械设备上的多个传感器采集多个通道的振动信号xj(t);(2)根据FastICA算法对振动信号xj(t)进行盲源分离,得到原始独立振动源sj(t)的近似信号源yj(t);(3)对近似信号源yj(t)的向量信号Y进行时频域基于小波包的特征频带分解,提取故障敏感特征频带。本发明由于采用独立成分分析(ICA)处理可以识别出混叠成采集信号的原始的独立信号源,对独立信号源进行基于小波包的特征