2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩79頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著科技的不斷進步,旋轉機械在大型裝備制造、能源、金屬加工及民用工程等產業(yè)中都起著至關重要的作用。因此對于旋轉機械的碰磨故障檢測變得十分重要。而對旋轉機械的碰磨故障診斷方法中,聲發(fā)射檢測技術是一種具有很大發(fā)展?jié)摿Φ姆椒?。但由于聲發(fā)射源多樣性、噪聲干擾強等因素,特征信號往往難以提取和識別,因此其在實際應用中還有很大限制。本文針對以上問題進行研究。
  (1)將稀疏表示引入到聲發(fā)射識別技術中,實驗表明稀疏表示可以有效地提高聲發(fā)射識別系

2、統(tǒng)的性能。
  (2)利用K-SVD字典學習算法的特點,對碰磨聲發(fā)射信號進行降噪。在訓練階段,使用K-SVD算法訓練聲發(fā)射信號的過完備基,然后根據(jù)估計的噪聲方差利用正交匹配追蹤算法對含噪碰磨聲發(fā)射信號在形成的字典上進行稀疏分解,從而將聲發(fā)射信號和噪聲分離。通過實驗仿真表明,基于K-SVD字典學習算法的聲發(fā)射降噪算法明顯提高了信噪比。
  (3)利用MFCC系數(shù)和高斯混合模型構建信號特征是聲發(fā)射識別的第一步,之后在K-SVD算

3、法的基礎上,介紹了基于D-KSVD的聲發(fā)射識別系統(tǒng),字典中加入了判別性來提高識別率。通過實驗驗證了識別結果的準確性,達到了對旋轉機械碰磨運行的狀態(tài)信息監(jiān)測和故障診斷的要求。
  (4)針對稀疏表示構建字典上的缺點,利用Fisher判別字典學習算法,通過對字典施加判別性,構造具有區(qū)分性的結構化字典。詳細說明了Fisher判別字典學習算法的字典更新步驟和特性,結合聲發(fā)射識別,實現(xiàn)基于Fisher判別字典學習算法的聲發(fā)射識別系統(tǒng),并通過

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論