基于稀疏编码的振动信号特征提取算法与实验研究

发布时间：2018-05-06 06:26

  本文选题：特征提取 + 稀疏编码　； 参考：《振动与冲击》2014年15期

【摘要】：针对海量冗余数据中设备状态信息特征提取问题,借鉴生物感知系统"冗余度压缩"的信息处理原则,基于神经科学研究中的稀疏编码算法,提出了连续长时间采样时振动信号有效特征提取方法。介绍了稀疏编码算法及其模型,详细研究了稀疏编码的系数求解和字典学习两大问题。基于人工轴承故障数据集进行了实验研究,实验表明:基于稀疏编码的振动信号特征提取算法不仅能有效提取设备状态特征,而且稀疏特征具有良好的可分性。该方法可用于设备故障诊断,为基于状态的设备智能维护提供有效工具。
[Abstract]:Aiming at the problem of feature extraction of equipment state information from massive redundant data, this paper uses the principle of "redundancy compression" for information processing in biosensory system, and bases on sparse coding algorithm in neuroscience research. An effective feature extraction method for vibration signals during continuous long time sampling is proposed. The sparse coding algorithm and its model are introduced, and the two problems of sparse coding coefficient solving and dictionary learning are studied in detail. The experimental results based on the fault data set of artificial bearing show that the feature extraction algorithm based on sparse coding not only can extract the state feature of equipment effectively, but also has good separability. This method can be used for equipment fault diagnosis and provides an effective tool for state-based intelligent maintenance of equipment.
【作者单位】： 上海大学机电工程与自动化学院;上海交通大学机械与动力工程学院;
【基金】：上海市基础研究重点项目(12JC1404100) 上海市科研创新项目(12YZ010) 产业化重点项目(11CH-05)资助
【分类号】：TN911.7

【相似文献】

相关期刊论文 前10条

1 杜军;;基于稀疏编码和ICA的带噪混叠语音盲分离[J];山东师范大学学报(自然科学版);2008年04期

2 凌洁;刘琚;赵彩华;杜军;;基于稀疏编码的语音增强方法研究[J];电路与系统学报;2008年06期

3 杜军;;基于稀疏编码的语音增强方法[J];青岛大学学报(自然科学版);2009年01期

4 陈红艳;李磊民;;基于ICA的极化SAR图像相干斑抑制[J];电子科技大学学报;2006年04期

5 庄永文;;关于稀疏编码理论及其应用[J];现代电子技术;2008年07期

6 尚丽;杜吉祥;翟传敏;;稀疏编码算法概述[J];苏州市职业大学学报;2009年01期

7 陈红艳;付毓生;张睿;皮亦鸣;;基于ICA-SCS算法的极化SAR图像相干斑抑制[J];电子与信息学报;2007年04期

8 孙海英;王晓凯;李锋;;基于多项式拟合的稀疏编码图像去噪算法研究[J];计算机工程与设计;2011年03期

9 孔薇,杨杰,周越;基于独立成分分析的强背景噪声去噪方法[J];上海交通大学学报;2004年12期

10 尚丽,郑春厚;基于稀疏编码的自然图像特征提取及去噪[J];系统仿真学报;2005年07期

相关会议论文 前4条

1 卢清;赵治栋;;基于稀疏编码阈值的平移不变法心电信号去噪[A];浙江省信号处理学会2011学术年会论文集[C];2011年

2 钱乐乐;高隽;徐小红;;非负性约束的图像稀疏编码[A];第七届全国信息获取与处理学术会议论文集[C];2009年

3 邹琪;罗四维;;模拟视觉系统的稀疏编码神经网络模型[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

4 石自强;杨静;郑铁然;韩纪庆;;基于锚空间的音频场景识别[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年

相关博士学位论文 前5条

1 廖灵芝;稀疏编码算法中的自适应问题研究[D];北京交通大学;2008年

2 关欣;音乐信号自动分类相关算法研究[D];天津大学;2009年

3 杨浩;面向不确定环境的物联网压缩感知问题研究[D];中国科学技术大学;2013年

4 王哲;基于初级视觉机制的图像编码模型研究[D];北京交通大学;2011年

5 姜明新;智能视频监控中的目标跟踪技术研究[D];大连理工大学;2013年

相关硕士学位论文 前10条

1 齐晓锐;稀疏编码的有效算法[D];西安电子科技大学;2013年

2 吕远;基于稀疏编码的极化SAR影像地物分类[D];西安电子科技大学;2014年

3 刘旭;基于稀疏非负矩阵分解的大鼠工作记忆稀疏编码与功能连接的研究[D];天津医科大学;2013年

4 雷煜;基于fMRI的视觉信息编码技术研究[D];解放军信息工程大学;2013年

5 潘秋丰;基于两步稀疏编码和字典学习的SAR图像去斑[D];西安电子科技大学;2013年

6 陈红艳;极化SAR图像相干斑抑制研究[D];电子科技大学;2006年

7 赵彩华;带噪混叠语音信号盲分离方法研究[D];山东大学;2006年

8 何威;机械故障诊断中的微弱信号提取方法的研究[D];北京化工大学;2010年

9 彭泓龙;关键零部件早期裂纹源信号的提取[D];长沙理工大学;2013年

10 卢清;心电信号消嗓算法及R峰定位的研究[D];杭州电子科技大学;2012年

，

本文编号：1851181