基于自适应随机共振和稀疏编码收缩算法的齿轮故障诊断方法
本文关键词:基于自适应随机共振和稀疏编码收缩算法的齿轮故障诊断方法
更多相关文章: 随机共振 相关峭度 稀疏编码收缩 冲击特征提取
【摘要】:针对强背景噪声下齿轮故障冲击特征提取问题,提出了一种基于自适应随机共振和稀疏编码收缩算法的齿轮故障诊断方法。该方法选用相关峭度作为随机共振检测周期性冲击分量的测度函数,借助遗传算法实现信号中周期性冲击特征的自适应提取;在此基础上,利用稀疏编码收缩算法对随机共振检测结果做进一步降噪处理,从而凸显冲击特征,提高故障识别精度。试验和工程实例分析结果表明,该方法可实现齿轮故障冲击特征的增强提取,为齿轮故障诊断提供依据。
【作者单位】: 燕山大学;北京汉能华科技股份有限公司;
【关键词】: 随机共振 相关峭度 稀疏编码收缩 冲击特征提取
【基金】:国家自然科学基金资助项目(51505415) 中国博士后科学基金资助项目(2015M571279) 秦皇岛市科技支撑计划资助项目(201502A008)
【分类号】:TH132.41
【正文快照】:
【相似文献】
中国期刊全文数据库 前10条
1 程东阳;蒋兴浩;孙锬锋;;基于稀疏编码和多核学习的图像分类算法[J];上海交通大学学报;2012年11期
2 邹柏贤;苗军;;自然图像稀疏编码模型研究综述[J];郑州大学学报(工学版);2013年03期
3 唐峰;孙锬锋;蒋兴浩;陆欢;;基于改进稀疏编码模型的图像分类算法[J];上海交通大学学报;2012年09期
4 郑歆慰;胡岩峰;孙显;王宏琦;;基于空间约束多特征联合稀疏编码的遥感图像标注方法研究[J];电子与信息学报;2014年08期
5 苗中华;周广兴;刘海宁;刘成良;;基于稀疏编码的振动信号特征提取算法与实验研究[J];振动与冲击;2014年15期
6 郝凯;宋明黎;卜佳俊;陈纯;;局部稀疏编码的自然灰度图像着色方法[J];计算机辅助设计与图形学学报;2011年08期
7 王斌;王媛媛;肖文华;王炜;张茂军;;基于判别稀疏编码视频表示的人体动作识别[J];机器人;2012年06期
8 欧阳琰;桑农;黄锐;;基于鲁棒稀疏编码的表情识别方法[J];武汉理工大学学报(信息与管理工程版);2013年03期
9 史骏;姜志国;冯昊;张浩鹏;孟钢;;基于弹性网稀疏编码的空间目标识别[J];航空学报;2013年05期
10 ;[J];;年期
中国重要会议论文全文数据库 前3条
1 尚丽;;使用正态可逆高斯密度模型的非负稀疏编码收缩技术实现图像消噪[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年
2 刘扬;程健;卢汉清;;基于目标局部特征的迁移式学习[A];第十四届全国图象图形学学术会议论文集[C];2008年
3 张莹莹;梁培基;;视网膜神经元的高效信息处理[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年
中国博士学位论文全文数据库 前10条
1 唐海峰;基于信号稀疏表征的故障诊断方法研究[D];上海交通大学;2014年
2 孙宇平;基于稀疏表征和自相似性的视觉数据识别关键技术及应用[D];华南理工大学;2015年
3 李清勇;视觉感知的稀疏编码理论及其应用研究[D];中国科学院研究生院(计算技术研究所);2006年
4 季昊;稀疏编码研究及其在模式识别中的应用[D];北京邮电大学;2012年
5 孙俊;人脸图像分析和识别方法研究[D];清华大学;2001年
6 朱秋平;基于稀疏编码的织物瑕疵检测算法研究[D];武汉大学;2014年
7 罗敏楠;T-S模糊推理系统的结构稀疏编码辨识理论与方法[D];清华大学;2014年
8 谢锦生;基于动态感知与异常注意的目标描述方法研究[D];中国科学技术大学;2012年
9 刘小白;图像及视频语义解析的关键技术研究[D];华中科技大学;2012年
10 丁昕苗;基于多示例学习的恐怖视频识别技术研究[D];中国矿业大学(北京);2013年
中国硕士学位论文全文数据库 前10条
1 柏文强;基于局部特征提取和稀疏编码的人脸识别算法研究[D];燕山大学;2015年
2 李明;目标检测与识别算法研究与应用[D];中央民族大学;2015年
3 许涛;面向视频管理的指纹特征提取技术研究[D];电子科技大学;2015年
4 鲍珍珍;基于多路分层稀疏编码的遥感图像场景分类[D];西安电子科技大学;2014年
5 覃晓冰;基于稀疏编码的语音去噪技术研究[D];电子科技大学;2015年
6 谢易道;大规模人脸图像编码及其在人脸验证中的应用研究[D];电子科技大学;2015年
7 勾珍珍;基于空间约束和稀疏编码的高光谱图像分类[D];西安电子科技大学;2014年
8 黄成;基于非负稀疏编码的视频拷贝检测方法研究[D];湘潭大学;2015年
9 张文义;基于智能监控系统的图像质量增强算法的研究[D];南京邮电大学;2015年
10 丁文秀;基于分层深度学习的行人分类方法研究[D];合肥工业大学;2015年
,本文编号:749733
本文链接:https://www.wllwen.com/kejilunwen/jixiegongcheng/749733.html