检索结果-南通市图书馆

齿轮传动是一种最为常见的传动形式,但轮齿断裂在齿轮失效形式中所占比例又最高,约为41%。断齿使齿轮副不能正常啮合,并诱发周期性冲击响应成分。如果能提取断齿故障的冲击响应成分,并且能够识别出冲击响应出现的周期,或者识别出设备所处的故障状态,则可对齿轮断齿故障诊断提供有效依据。本文以齿轮断齿故障为研究对象,主要研究内容包括:(1)设计了二级斜齿圆柱齿轮减速器实验台及人为断齿故障,并使用压电式加速度传感器和DASP数据采集仪采集振动信号,为本文所提断齿故障诊断方法提供数据支撑并验证方法的可行性和可靠性。(2)提出一种变分模态分解VMD与小波软阈值去噪相结合的故障诊断方法。首先,利用VMD算法对断齿故障状态下的振动信号进行模态分解,考虑到断齿故障所诱发的瞬态冲击响应成分能量大,占据的频带宽,且基本出现在高频段,所以将分解所得的高频信号进行叠加重构,最后利用小波软阈值去噪对重构信号进行去噪处理,最终实现瞬态冲击响应成分的准确提取。(3)考虑到人耳听觉系统对于突发的瞬态声信号具有本能的反应,提出一种基于听觉模型和信号极值点概率密度的特征提取方法。利用Gammatone带通滤波器组、极值点幅值概率密度及其导数,实现瞬态冲击成分的极值点提取。同时,由于系统振动时会不可避免的产生与断齿冲击无关的极值点,为准确提取断齿冲击,根据瞬态信号频带连续性和多频段分布特性,设计了相应的提取方法。经实测信号验证表明,所提方法能准确刻画断齿故障特征,能在含有多种类别的瞬态冲击成分中提取出仅由断齿故障所诱发的冲击成分,且提取结果精确度较高。(4)通过模拟人耳听觉系统建立EA听觉模型,并将断齿、点蚀、磨损、正常四种状态下的振动信号及待识别信号经EA模型处理,建立听觉谱特征集,并将听觉感知特征参数引入状态识别,利用PCA主元分析及投影类聚,最终实现状态识别的目的,同时也分析了不同故障状态下的时频域特征表现。

关键词：断齿故障 VMD 听觉模型概率密度特征提取 EA模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于小波包分析和BP神经网络的车牌识别算法的研究

基于小波包分析和BP神经网络的车牌识别算法的研究

引用

作者：周喜寿西南交通大学

学位级别：硕士

车牌自动识别技术是现代智能交通系统中的一项非常重要的技术,是近年来研究热点。智能交通系统在车辆跟踪、高速公路自动收费、停车场自动计费以及城市交通流量统计等方面发挥着极其重要的作用,而牌照是车辆的唯一标志,因此车牌自动识... 详细信息

车牌自动识别技术是现代智能交通系统中的一项非常重要的技术,是近年来研究热点。智能交通系统在车辆跟踪、高速公路自动收费、停车场自动计费以及城市交通流量统计等方面发挥着极其重要的作用,而牌照是车辆的唯一标志,因此车牌自动识别技术在整个系统中处于核心的地位,具有重要的研究意义。国内外的研究人员已经开始对车牌自动识别技术开展了深入地研究,提出了许多算法和方案,同时有一些产品已经投入使用,但是因为其效果未能达到人们所期望的要求,离真正实用和通用的要求还有一定的差距。因此在如何提高车牌定位和识别算法的正确性和实时性方面,还存在较大的研究空间。本文在继承前人研究成果的基础上,将先进的理论工具一小波包变换运用到车牌识别中来,主要工作有以下几个方面：(1)车牌定位;(2)字符分割;(3)字符识别。在车牌定位方面,首先对车牌图像进行灰度变换、平滑处理,通过分析传统图像增强的方法,提出了一种基于小波包变换的增强算法;结合边缘检测、形态学处理、投影法等算法,提出了一种基于车牌纹理特征的车牌定位算法。经过实验证明,该算法达到了预期的效果,从原始图像中提取出车牌的准确度超过92.9%。在字符分割方面,采用小波包变换的多分辨率方法,对车牌图像进行去噪处理,然后利用垂直投影和先验知识相结合的方法分割出单个字符区域。该算法的准确率和抗干扰性要比传统的投影算法要好得多。在字符识别方面,首先分析了字符识别的两种常用方法——模板匹配法和神经网络法;提出了用小波包提取特征能量向量作为神经网络的输入向量,同时用学习率可变的动量BP神经网络对字符进行识别,使BP神经网络收敛性好,训练速度快。经实验验证,本文所提出的整体方案有效可行,基于小波包分析和BP神经网络的车牌识别技术在其识别率、速度性等方面具有独特的优势,前景广阔。

关键词：小波包变换 BP神经网络车牌定位字符识别

来源：

同方学位论文库评论