准确提取振动信号的特征,是滚动轴承故障检测的关键问题,为此提出一种基于S能量谱特征提取的故障诊断方法。该方法对振动信号进行S变换,得到时频矩阵,并构建S能量谱,对S能量谱进行奇异值分解(Singula
基于传统的标准化经验模态分解方法在实际应用中存在没有考虑插值误差的影响、停机准则过于苛刻和计算得到的瞬时幅值不光滑带有毛刺等不足,提出了改进方法,并运用该方法对实际的轴承振动信号进行处理。结果表明
针对采煤机滚动轴承故障特征向量提取较困难、多分类效果不理想等问题,提出了基于HGWOMSVM的采煤机轴承故障诊断方法。对轴承故障信号进行小波降噪处理,利用经验模态分解算法对降噪后信号进行分解,并提取能
结合Volterra级数和隐Markov模型,提出了一种基于Volterra核特征提取的HMM故障识别方法。在该方法中,利用子空间法从正常、滚动体故障、内圈故障和外圈故障4种不同的轴承中提取Volte
提出了基于神经网络的滚动轴承故障诊断方法。以滚动轴承小波分解后的能量信息作为特征,通过神经网络作为分类器对滚动轴承故障进行识别经过实验表明,该方法对于滚动轴承的故障诊断具有一定的应用价值,并可方便地推
毕业设计论文 图像特征提取在模式识别、人工智能及计算机视觉中有着重要的作用。具体的图像特征在各种实际情况下有着不同的内容;一般而言,图像的特征包括颜色、纹理、边缘、角点和形状等内容。 近年来,随着多媒
滚动轴承特征频率计算推导过程
虹膜定位_形变及特征提取研究,是一篇毕业论文,写的很详细
彩色局部角度二值模式(CLABP)可以有效地提取彩色图像中的纹理特征,但是算法复杂、计算量大。针对这一问题,采用GPU实现CLABP特征提取和表示的并行方法。该方法一方面使用异步处理的方式实现CLAB
为有效识别轴承故障特征,以轴承内圈故障的信号为例,采用在非平稳信号消噪和以频带能量分布作为故障特征方面有着广泛应用的小波包进行Mat-lab仿真,获得小波包降噪后的信号和作为内圈故障特征的频带能量分布
