排序方式: 共有28条查询结果,搜索用时 15 毫秒
1.
2.
3.
针对单通道振动信号的多特征分离问题,提出了一种基于正交非负矩阵分解的故障特征提取方法。首先,采用短时傅里叶变换,利用时频分布来描述信号中的局部故障特征,通过核心一致性指标评估子空间维数;然后,在幅值谱矩阵分解的基础上,通过正交性约束实现低维嵌入分量信息的分离,获取局部特征的准确描述;最后,采用相位恢复理论重构出特征波形,对仿真信号和滚动轴承故障数据进行了测试。结果表明,所提出的方法能利用单通道信号有效地分离出微弱的局部故障特征,为机械状态的早期故障诊断识别提供了一种有效手段。 相似文献
4.
5.
6.
7.
8.
为了提取机械设备故障引发的冲击成分,提出了一种基于连续小波系数非线性流形学习的冲击故障特征提取方法。首先,基于小波熵方法优化出最优的Morlet小波波形参数,实现与冲击特征成分的最佳匹配,获取包含冲击特征信息的最优小波系数矩阵。其次,采用局部切空间排列算法对最优小波系数矩阵进行非线性约简,并基于峭度指标最大化原则,确定出特征空间中的有效低维嵌入,从而提取出最优的冲击故障特征。最后,通过仿真数据和工程实际的应用对比分析,表明该方法采用了局部线性化和全局排列的思想,与线性奇异值分解方法相比,不仅在时域上提取出峭度更大的微弱冲击特征成分,而且在频谱中还提取出了相应的低频故障特征。 相似文献
9.
基于邻接区域交叠概率的特征选择方法 总被引:1,自引:0,他引:1
针对传统特征选择判据计算量大、需要先验知识以及应用效果不佳的缺点,根据分类错误通常发生在类别之间的邻接区域(贝叶斯决策分界面将穿过该邻接区域)的特点,提出基于邻接区域交叠概率的特征选择判据.该判据通过计算案例样本点落在类别邻接区域中的概率来选择特征,具有从样本中能直接计算并且选择出多个特征组合等优点.通过对标准机器学习数据集WINE的实际应用表明,该判据选择出的特征组合的聚类效果明显好于类内类间判据选择出的特征组合.对轴承故障数据进行特征选择时,该判据能提供多种多个特征组合供选择,其选择的垂直和水平振动特征组合符合工程应用的实际需要,远好于类内类间判据选择的特征组合. 相似文献
10.
针对圆度误差的评价方法,介绍一种利用最小区域法评价圆度误差的计算方法.研究最小区域圆度误差评价机理,建立基于弦线截交关系的最小区域圆度误差评价模型,并得出了利用弦线相对变化搜索特征点的方法.通过内、外接圆的两次弦线变换关系,利用弦线变换产生的虚拟中心可以准确确定最小区域圆的"2+2"特征关系,达到了快速、精确利用最小区域法评价圆度误差的目的.通过分析表明,基于弦线截交关系的最小区域圆度误差评价方法计算效率高、易于实现且具有较高的评定精度,也为圆度误差评价提供一种新的方法和思路. 相似文献