本文主要研究内容
作者邓韬,林建辉,黄晨光,靳行（2019）在《基于索引冗余字典的轴承故障组稀疏分类方法研究》一文中研究指出：基于声发射信号的高速列车轮对轴承早期故障状态诊断和分类复杂性高,常用的人工神经网络及支持向量机方法在参数设置与多分类问题上存在困难。组稀疏分类(GSRC)仅通过超完备字典下稀疏重构即可实现理想的多分类,在图像、语音分类中成为热点。为将GSRC用于轴承故障识别,设计了一种带索引的复合故障冗余字典,利用样本信号多尺度排列熵构成索引字典的小体积优势预先匹配来缩小故障类范围,以邻近梯度法和最优一阶加速的组LASSO约束优化算法来提高收敛性和计算速度;采用改进EEMD结合变分模态分解自适应的获得各故障类初始原子,以保留故障的非线性特征,同时提出一种原子区间平移稀疏编码方法(Interval Translation Sparse Coding, ITSC)放宽了样本数据截取要求,原子有更好的紧凑性与稀疏性;对七类轴承缺陷试验台跑合声发射信号进行分类,验证了该方法的性能。
Abstract
ji yu sheng fa she xin hao de gao su lie che lun dui zhou cheng zao ji gu zhang zhuang tai zhen duan he fen lei fu za xing gao ,chang yong de ren gong shen jing wang lao ji zhi chi xiang liang ji fang fa zai can shu she zhi yu duo fen lei wen ti shang cun zai kun nan 。zu xi shu fen lei (GSRC)jin tong guo chao wan bei zi dian xia xi shu chong gou ji ke shi xian li xiang de duo fen lei ,zai tu xiang 、yu yin fen lei zhong cheng wei re dian 。wei jiang GSRCyong yu zhou cheng gu zhang shi bie ,she ji le yi chong dai suo yin de fu ge gu zhang rong yu zi dian ,li yong yang ben xin hao duo che du pai lie shang gou cheng suo yin zi dian de xiao ti ji you shi yu xian pi pei lai su xiao gu zhang lei fan wei ,yi lin jin ti du fa he zui you yi jie jia su de zu LASSOyao shu you hua suan fa lai di gao shou lian xing he ji suan su du ;cai yong gai jin EEMDjie ge bian fen mo tai fen jie zi kuo ying de huo de ge gu zhang lei chu shi yuan zi ,yi bao liu gu zhang de fei xian xing te zheng ,tong shi di chu yi chong yuan zi ou jian ping yi xi shu bian ma fang fa (Interval Translation Sparse Coding, ITSC)fang kuan le yang ben shu ju jie qu yao qiu ,yuan zi you geng hao de jin cou xing yu xi shu xing ;dui qi lei zhou cheng que xian shi yan tai pao ge sheng fa she xin hao jin hang fen lei ,yan zheng le gai fang fa de xing neng 。
论文参考文献
论文详细介绍
论文作者分别是来自振动与冲击的邓韬,林建辉,黄晨光,靳行，发表于刊物振动与冲击2019年07期论文，是一篇关于轴承故障论文,组稀疏分类论文,声发射论文,振动与冲击2019年07期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自振动与冲击2019年07期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：轴承故障论文; 组稀疏分类论文; 声发射论文; 振动与冲击2019年07期论文;