检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种多元素多尺度形态非抽样小波分解方法

轴承 2013年第5期 43-48页

作者：王冰李洪儒许葆华军械工程学院导弹工程系石家庄050003

针对电动机轴承故障信号常被强背景噪声淹没的问题,提出了一种多元素多尺度形态非抽样小波分解方法,并将其应用于滚动轴承故障特征提取中。该方法基于形态非抽样小波的一般框架,结合了形态开闭-闭开混合算子的滤波特性以及形态梯度算子... 详细信息

针对电动机轴承故障信号常被强背景噪声淹没的问题,提出了一种多元素多尺度形态非抽样小波分解方法,并将其应用于滚动轴承故障特征提取中。该方法基于形态非抽样小波的一般框架,结合了形态开闭-闭开混合算子的滤波特性以及形态梯度算子提取信号冲击成分的特点,对该算子的两部分分别使用三角形和扁平形结构元素,使效率最优化。仿真和试验证明,该方法既可以进行谐波与噪声滤除,又可以有效地提取冲击成分,较现有的形态非抽样小波方法有更好的效果。

关键词：滚动轴承故障诊断特征提取形态非抽样小波多元素多尺度

应用形态非抽样小波的电能质量扰动检测方法研究

在线全文

学校读者我要写书评

暂无评论

绵阳师范学院学报 2017年第11期36卷 37-43页

作者：冯丁太原师范学院计算机科学与技术系山西太原030012

由于传统的形态非抽样小波存在统计偏倚现象,对噪声过滤不彻底的问题,本文在数学形态学和小波变换的基础之上充分结合广义开闭-闭开混合滤波器及多分辨形态梯度的特性,提出一种改进的形态非抽样小波,并将其应用到电能质量扰动检测研究中... 详细信息

由于传统的形态非抽样小波存在统计偏倚现象,对噪声过滤不彻底的问题,本文在数学形态学和小波变换的基础之上充分结合广义开闭-闭开混合滤波器及多分辨形态梯度的特性,提出一种改进的形态非抽样小波,并将其应用到电能质量扰动检测研究中.仿真结果表明,改进的形态非抽样小波在电能质量扰动检测的准确性和稳定性上得到了大幅度的提高.

关键词：形态非抽样小波电能质量扰动检测

基于形态非抽样小波和支持向量机的滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

数字技术与应用 2015年第8期33卷 76-78页

作者：刘倩闫晓金李叶紫北华航天工业学院电子工程学院河北廊坊065000

针对滚动轴承故障,文章提出了形态非抽样小波与支持向量机相结合进行滚动轴承故障诊断的方法,利用形态非抽样小波的简单快速运算、较好的保持故障信号的细节特征进行故障信号的提取,然后使用支持向量机进行滚动轴承的故障诊断,重点是通... 详细信息

针对滚动轴承故障,文章提出了形态非抽样小波与支持向量机相结合进行滚动轴承故障诊断的方法,利用形态非抽样小波的简单快速运算、较好的保持故障信号的细节特征进行故障信号的提取,然后使用支持向量机进行滚动轴承的故障诊断,重点是通过对比小波变换和形态非抽样小波对故障信号分解和重构后获取的特征向量,验证了形态非抽样小波在特征向量提取和故障诊断中的优势。

关键词：滚动轴承形态非抽样小波形态小波支持向量机故障诊断

基于分层算子形态小波的轮对轴承复合故障检测

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2022年第10期58卷 1-11页

作者：李奕璠杨杰陈再刚易彩林建辉西南交通大学机械工程学院成都610031 西南交通大学牵引动力国家重点实验室成都610031

形态学算子可以分为降噪型算子和特征提取型算子两大类。现有的形态非抽样小波方法在多层分解的每一层均使用相同的形态学算子,但反复使用某种降噪型或特征提取型算子有时很难准确获得信号的特征信息。为此,提出分层算子形态非抽样小波... 详细信息

形态学算子可以分为降噪型算子和特征提取型算子两大类。现有的形态非抽样小波方法在多层分解的每一层均使用相同的形态学算子,但反复使用某种降噪型或特征提取型算子有时很难准确获得信号的特征信息。为此,提出分层算子形态非抽样小波,每一层分解采用不同的形态学算子,通过对去噪型和特征提取型算子的有机融合,方法在故障特征提取方面具有更强的针对性、灵活性,同时也具有明确的物理意义和可解释性。针对轮对轴承复合故障的特点,提出一种局部特征幅值比原则,从不同分辨率对应的不同分析尺度的分析结果中,分别挑选出对不同类型故障最为敏感的分析尺度,进而实现复合故障中各故障的有效分离。在试验台采集轮对轴承复合故障振动信号,将提出的分层算子形态小波应用于实测数据的分析。研究结果表明,提出的方法能有效检测轮对轴承复合故障,与现有的形态非抽样小波方法相比,分层算子形态小波对复合故障的辨识能力更强。

关键词：形态非抽样小波形态滤波故障诊断复合故障轮对轴承

基于显著计算与自适应PCNN的图像融合方法

在线全文

学校读者我要写书评

暂无评论

山东大学学报（工学版） 2014年第2期44卷 35-42页

作者：杨秀林黄硕邓苗张基宏深圳大学信息工程学院广东深圳518060 信阳职业技术学院数学与计算机科学学院河南信阳464000 可视媒体处理与传输深圳市重点实验室(深圳信息职业技术学院) 广东深圳518029

针对多尺度变换的图像融合对低频系数进行简单的加权平均处理时,不能很好地保护源图像中的显著信息的问题,提出一种将视觉显著计算的结果作为自适应脉冲耦合神经网络的链接强度,通过脉冲耦合神经网络指导多尺度图像融合中低频系数融合... 详细信息

针对多尺度变换的图像融合对低频系数进行简单的加权平均处理时,不能很好地保护源图像中的显著信息的问题,提出一种将视觉显著计算的结果作为自适应脉冲耦合神经网络的链接强度,通过脉冲耦合神经网络指导多尺度图像融合中低频系数融合的方法。首先对源图像进行形态非抽样小波分解,得到低频系数和各尺度的高频系数,对低频系数采用显著计算与脉冲耦合神经网络的融合规则,高频系数选取绝对值较大者,最后通过反变换得到融合图像。实验结果表明,该方法在一定程度上保留了源图像中的显著信息,改善了互信息、信息熵、平均梯度和边缘保持度等融合指标。

关键词：图像融合形态非抽样小波显著计算自适应多尺度