本文選題：特征提取 + 稀疏編碼��； 參考：《振動與沖擊》2014年15期

【摘要】：針對海量冗余數(shù)據(jù)中設(shè)備狀態(tài)信息特征提取問題,借鑒生物感知系統(tǒng)"冗余度壓縮"的信息處理原則,基于神經(jīng)科學(xué)研究中的稀疏編碼算法,提出了連續(xù)長時間采樣時振動信號有效特征提取方法。介紹了稀疏編碼算法及其模型,詳細(xì)研究了稀疏編碼的系數(shù)求解和字典學(xué)習(xí)兩大問題�；谌斯ぽS承故障數(shù)據(jù)集進(jìn)行了實驗研究,實驗表明:基于稀疏編碼的振動信號特征提取算法不僅能有效提取設(shè)備狀態(tài)特征,而且稀疏特征具有良好的可分性。該方法可用于設(shè)備故障診斷,為基于狀態(tài)的設(shè)備智能維護(hù)提供有效工具。
[Abstract]:Aiming at the problem of feature extraction of equipment state information from massive redundant data, this paper uses the principle of "redundancy compression" for information processing in biosensory system, and bases on sparse coding algorithm in neuroscience research. An effective feature extraction method for vibration signals during continuous long time sampling is proposed. The sparse coding algorithm and its model are introduced, and the two problems of sparse coding coefficient solving and dictionary learning are studied in detail. The experimental results based on the fault data set of artificial bearing show that the feature extraction algorithm based on sparse coding not only can extract the state feature of equipment effectively, but also has good separability. This method can be used for equipment fault diagnosis and provides an effective tool for state-based intelligent maintenance of equipment.
【作者單位】： 上海大學(xué)機電工程與自動化學(xué)院;上海交通大學(xué)機械與動力工程學(xué)院;
【基金】：上海市基礎(chǔ)研究重點項目(12JC1404100) 上海市科研創(chuàng)新項目(12YZ010) 產(chǎn)業(yè)化重點項目(11CH-05)資助
【分類號】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 杜軍;;基于稀疏編碼和ICA的帶噪混疊語音盲分離[J];山東師范大學(xué)學(xué)報(自然科學(xué)版);2008年04期

2 凌潔;劉琚;趙彩華;杜軍;;基于稀疏編碼的語音增強方法研究[J];電路與系統(tǒng)學(xué)報;2008年06期

3 杜軍;;基于稀疏編碼的語音增強方法[J];青島大學(xué)學(xué)報(自然科學(xué)版);2009年01期

4 陳紅艷;李磊民;;基于ICA的極化SAR圖像相干斑抑制[J];電子科技大學(xué)學(xué)報;2006年04期

5 莊永文;;關(guān)于稀疏編碼理論及其應(yīng)用[J];現(xiàn)代電子技術(shù);2008年07期

6 尚麗;杜吉祥;翟傳敏;;稀疏編碼算法概述[J];蘇州市職業(yè)大學(xué)學(xué)報;2009年01期

7 陳紅艷;付毓生;張睿;皮亦鳴;;基于ICA-SCS算法的極化SAR圖像相干斑抑制[J];電子與信息學(xué)報;2007年04期

8 孫海英;王曉凱;李鋒;;基于多項式擬合的稀疏編碼圖像去噪算法研究[J];計算機工程與設(shè)計;2011年03期

9 孔薇,楊杰,周越;基于獨立成分分析的強背景噪聲去噪方法[J];上海交通大學(xué)學(xué)報;2004年12期

10 尚麗,鄭春厚;基于稀疏編碼的自然圖像特征提取及去噪[J];系統(tǒng)仿真學(xué)報;2005年07期

相關(guān)會議論文 前4條

1 盧清;趙治棟;;基于稀疏編碼閾值的平移不變法心電信號去噪[A];浙江省信號處理學(xué)會2011學(xué)術(shù)年會論文集[C];2011年

2 錢樂樂;高雋;徐小紅;;非負(fù)性約束的圖像稀疏編碼[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

3 鄒琪;羅四維;;模擬視覺系統(tǒng)的稀疏編碼神經(jīng)網(wǎng)絡(luò)模型[A];第十一屆全國信號處理學(xué)術(shù)年會（CCSP-2003）論文集[C];2003年

4 石自強;楊靜;鄭鐵然;韓紀(jì)慶;;基于錨空間的音頻場景識別[A];第十一屆全國人機語音通訊學(xué)術(shù)會議論文集（一）[C];2011年

相關(guān)博士學(xué)位論文 前5條

1 廖靈芝;稀疏編碼算法中的自適應(yīng)問題研究[D];北京交通大學(xué);2008年

2 關(guān)欣;音樂信號自動分類相關(guān)算法研究[D];天津大學(xué);2009年

3 楊浩;面向不確定環(huán)境的物聯(lián)網(wǎng)壓縮感知問題研究[D];中國科學(xué)技術(shù)大學(xué);2013年

4 王哲;基于初級視覺機制的圖像編碼模型研究[D];北京交通大學(xué);2011年

5 姜明新;智能視頻監(jiān)控中的目標(biāo)跟蹤技術(shù)研究[D];大連理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 齊曉銳;稀疏編碼的有效算法[D];西安電子科技大學(xué);2013年

2 呂遠(yuǎn);基于稀疏編碼的極化SAR影像地物分類[D];西安電子科技大學(xué);2014年

3 劉旭;基于稀疏非負(fù)矩陣分解的大鼠工作記憶稀疏編碼與功能連接的研究[D];天津醫(yī)科大學(xué);2013年

4 雷煜;基于fMRI的視覺信息編碼技術(shù)研究[D];解放軍信息工程大學(xué);2013年

5 潘秋豐;基于兩步稀疏編碼和字典學(xué)習(xí)的SAR圖像去斑[D];西安電子科技大學(xué);2013年

6 陳紅艷;極化SAR圖像相干斑抑制研究[D];電子科技大學(xué);2006年

7 趙彩華;帶噪混疊語音信號盲分離方法研究[D];山東大學(xué);2006年

8 何威;機械故障診斷中的微弱信號提取方法的研究[D];北京化工大學(xué);2010年

9 彭泓龍;關(guān)鍵零部件早期裂紋源信號的提取[D];長沙理工大學(xué);2013年

10 盧清;心電信號消嗓算法及R峰定位的研究[D];杭州電子科技大學(xué);2012年

，

本文編號：1851181