简介:摘要针对压缩机振动信号具有较强的非平稳性和非线性,故障特征难以提取的问题,本文通过对比变分模态分解(VariationalModeDecomposition,VMD)和经验模态分解(EmpiricalModeDecomposition,EMD)两种算法,结合包络谱理论提出了模态分量包络谱的压缩机特征提取方法。首先对比了VMD算法和EMD算法对压缩机振动信号分析的有效性和可行性,然后对VMD算法和EMD算法分解的模态分量求包络谱,从而提取故障特征频率。采用本文提出的方法对压缩机气阀故障振动信号进行分析,结果验证了VMD包络谱方法能够更准确地提取出压缩机气阀故障特征频率。
简介:针对齿轮故障时振动信号复杂、特征提取困难的问题,提出采用局部特征尺度分解(LocalCharacteristicscaleDecomposition,LCD)与双谱分析相结合的故障特征提取方法。首先,利用LCD分解法对振动信号进行分解,并结合贝叶斯信息准则(BayesianInformationCriterion,BIC)和峭度时间序列互相关系数2个指标对内禀尺度分量(IntrinsicScaleComponent,ISC)进行筛选;其次,利用双谱分析法对所选取的ISC分量进行融合,提取双谱熵作为特征量;最后,运用该方法实现齿轮振动信号故障特征的提取,并通过齿轮预置故障试验验证了该方法的有效性。
简介:摘要院对风电机组齿轮传动系统的加速度振动信号(称为实验信号)进行测试,计算获得其功率谱。并用细化谱与解调谱分析相结合的方法对其功率谱进行分析,得到实验信号的故障特征,初步判断齿轮传动系统发生故障的大概位置及故障类型。为进一步准确验证故障,建立其相应故障的齿轮传动系统的动力学模型,进行动力学模拟分析,对所模拟的振动响应信号采用实验信号相同的处理方法对其处理分析,得到模拟振动信号的故障特征。通过模拟信号的故障特征分析验证了对实验信号故障诊断的正确性。并用分形方法分析了齿轮传动系统不同状态信号功率谱的分形特征。结果表明,关联维数能反映出其振动信号成分的复杂程度,区别出故障的位置和程度。所以,可作为齿轮传动系统的故障特征量及故障诊断的依据。
简介:摘 要:通常我们所了解的人脸识别算法是指将人的五官特征或者局部特征经过图像处理,上传到系统后端,再和数据库的人脸照片进行比对,最终识别出所需要的类别。人脸识别算法比较广泛应用于监控、公安系统、考试系统、门禁检查、身份识别等领域,而基于特征提取的人脸识别算法是人脸识别系统中的关键部分,接下来我们将通过本文了解一下关于人脸识别算法的特征提取需要注意的事项。
简介:摘要:特征提取是对原始数据关键特征的表达,能凸显原始数据的主要信息,避免和非主要信息产生“等价”变换,而弱化了主要信息价值。对于时间序列的电池组数据,设计基于注意力机制的时间序列特征提取算法,从而快速地对采集的数据进行有效降维与压缩。