机械设计与研究 ›› 2018, Vol. 34 ›› Issue (04): 18-22.doi: 10.13952/j.cnki.jofmdr.a4663
基于短时信号重构与K-SVD特征提取算法
唐宁;童水光;徐剑;从飞云;张依东;
- 浙江大学热工与动力系统研究所;浙江大学机械设计与自动化研究所;
-
发布日期:2020-07-26
-
Published:2020-07-26
摘要： 以故障信号局部包含信息的差异性为基础,通过短时奇异值分解算法来提取淹没与背景噪声中的故障冲击成分。再结合K-SVD稀疏分解训练算法,提出1种自适应学习字典构建方法,可以有效的自适应表征滚动轴承的故障信号。仿真和试验结果分析论证表明,该故障特征提取技术较常规稀疏匹配算法具更好的识别和提取冲击故障特征能力,有助于实现滚动轴承故障智能诊断。
引用本文
唐宁;童水光;徐剑;从飞云;张依东;. 基于短时信号重构与K-SVD特征提取算法[J]. 机械设计与研究, 2018, 34(04): 18-22.
| [1] | 张晏合, 臧月进, 陈渤, 徐铭晟. 基于解耦表征变分自编码机的雷达目标识别算法[J]. 空天防御, 2022, 5(2): 87-93. |
| [2] | 孙祺琳 刘洋 陈骏 杨雅骊 李梦 徐慧 刘科. 皮肤镜影像结合特征分析算法权衡纵行黑甲活检必要性的临床研究[J]. 组织工程与重建外科杂志, 2021, 17(3): 235-. |
| [3] | 卓鹏程, 严瑾, 郑美妹, 夏唐斌, 奚立峰. 面向滚动轴承全生命周期故障诊断的GA-OIHF Elman神经网络算法[J]. 上海交通大学学报, 2021, 55(10): 1255-1262. |
| [4] | 王微, 王冰, 胡雄, 孙德建. 基于在线改进符号序列熵与逻辑回归模型的岸桥起升减速箱在线退化评估[J]. 上海交通大学学报, 2021, 55(10): 1272-1280. |
| [5] | 李红光, 郭英, 眭萍, 蔡斌, 苏令华. 基于稀疏贝叶斯的多跳频信号二维波达方向估计[J]. 上海交通大学学报, 2020, 54(4): 359-368. |
| [6] | 王俊, 王赛, 任俞明, 陈德红, 崔闪, 魏少明. 结合深度学习去噪和超分辨的SAR检测识别[J]. 空天防御, 2020, 3(3): 24-30. |
| [7] | 周建民;游涛;尹文豪;张龙;张臣臣;. 基于融合FCM-SVDD模型的滚动轴承退化状态识别[J]. 机械设计与研究, 2020, 36(01): 124-129. |
| [8] | 颜波，张磊，褚学宁. 基于卷积神经网络的用户感知评估建模[J]. 上海交通大学学报, 2019, 53(7): 844-851. |
| [9] | 张龙;吴佳敏;吴荣真;宋成洋;易剑昱;. 基于多尺度熵与SOM神经网络的滚动轴承故障识别[J]. 机械设计与研究, 2019, 35(06): 105-110. |
| [10] | 周建民;王发令;张龙;李鹏;张臣臣;. 基于RBF神经网络与模糊评价的滚动轴承退化状态定量评估[J]. 机械设计与研究, 2019, 35(06): 116-122+127. |
| [11] | 李东;刘广璞;黄晋英;张安安;. 基于EEMD-SVD与SVM的轴承故障诊断[J]. 机械设计与研究, 2019, 35(06): 123-127. |
| [12] | 熊国良;毛志德;张龙;成俊良;. 经验模态分解与核马氏距离的滚动轴承性能退化评估[J]. 机械设计与研究, 2019, 35(04): 96-100+104. |
| [13] | 段永彬;张玉芝;安建良;张前图;. 基于变分模态分解谱熵的电机轴承退化状态识别方法[J]. 机械设计与研究, 2019, 35(04): 101-104. |
| [14] | 贾宗福;孙殿柱;沈江华;李延瑞;. 局部中轴约束的散乱点云特征提取方法[J]. 机械设计与研究, 2019, 35(04): 113-116. |
| [15] | 陆纪文;. 基于MCKD与1.5维Teager能量谱的滚动轴承故障诊断方法[J]. 机械设计与研究, 2019, 35(03): 100-103. |
| 阅读次数 | ||||||
|
全文 |
|
|||||
|
摘要 |
|
|||||