期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于子窗口字典学习的机织物纹理表征及应用 预览
1
作者 吴莹 李冠志 +1 位作者 占竹 汪军 《东华大学学报:自然科学版》 CAS 北大核心 2019年第3期375-380,共6页
为了提高机织物纹理表征算法的稳定性,提出了以子窗口字典学习表征机织物纹理的算法。将整幅图像划分为多个子窗口样本,并将子窗口样本展成列向量,所有的列向量联合组成灰度数据矩阵。选定离散余弦变换(discrete cosine transform,DCT)... 为了提高机织物纹理表征算法的稳定性,提出了以子窗口字典学习表征机织物纹理的算法。将整幅图像划分为多个子窗口样本,并将子窗口样本展成列向量,所有的列向量联合组成灰度数据矩阵。选定离散余弦变换(discrete cosine transform,DCT)作为初始字典,对子窗口样本矩阵进行字典学习,最终得到了稳定的学习字典。选用均方根误差作为评价指标,对字典个数和子窗口大小进行优化。结果表明,应用学习得到的字典,不仅能近似重构机织物纹理样本图像,而且能在无监督的条件下自动识别织物的瑕疵。 展开更多
关键词 机织物纹理表征 字典学习 K-奇异分解字典 瑕疵检测
在线阅读 下载PDF
移不变字典学习算法提取冲击成分及其在齿轮箱轴承早期故障诊断中的应用 预览
2
作者 张兆珩 丁建明 +1 位作者 吴超 林建辉 《中南大学学报:英文版》 SCIE EI CAS CSCD 2019年第4期824-838,共15页
由轴承故障所产生的故障冲击成分是对齿轮箱轴承故障评估的关键特征。但是由于严重的背景噪声与其它振动的干扰,从测量的振动信号中提取这些故障尤其是早期故障的冲击成分是十分困难的。为了捕捉到这些隐藏在测量的振动信号中的冲击成... 由轴承故障所产生的故障冲击成分是对齿轮箱轴承故障评估的关键特征。但是由于严重的背景噪声与其它振动的干扰,从测量的振动信号中提取这些故障尤其是早期故障的冲击成分是十分困难的。为了捕捉到这些隐藏在测量的振动信号中的冲击成分的高阶特征,应用一种被称作移不变K均值奇异值分解字典学习算法(SI-K-SVD)对齿轮箱轴承进行早期故障检测。尽管移不变K均值奇异值分解字典学习算法比现有的大部分算法更具有灵活性与自适应性,但与该算法密切相关的两种参数(迭代次数与模式的长度)的不合理选取,会对故障诊断的效果产生负面影响。因此,该算法引入包络谱的稀疏度与峭度值并分别用于选取上述两种参数。基于这两种参数优化选取的移不变K均值奇异值分解字典学习算法,被称为最优参数移不变奇异值分解字典学习算法(OP-SI-K-SVD),本文采用该算法用于齿轮箱轴承的故障检测。通过对仿真与台架试验的数据的分析,验证了该算法的有效性。同时通过与现有的几种先进算法(经验模态分解、小波变换和K均值奇异值分解)的对比,最优参数移不变奇异值分解字典学习算法在齿轮箱轴承的早期故障诊断中展现出了优异的性能。 展开更多
关键词 齿轮箱轴承 故障诊断 移不变K奇异分解字典学习算法 冲击成分提取
在线阅读 免费下载
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈