简介：CI作为主变换装置中牵引传动系统的主要部件,性能质量是安全运营的关键点.在对设备进行检修时,必须对牵引变流器发生的故障进行分析、记录,深入分析原因和方法,提出了以变流器输出电流作为故障特征参数的方法,提高故障判断处理的效率,已达到提高运营管理的目的.

简介：掌纹特征的提取是掌纹识别中最关键的一个环节，特征提取算法的好坏很大程度上决定了系统的识别率和效率的高低．结合近年来发表的文献，按照分析和描述的方式对掌纹的特征提取方法进行了分类，并对主要特征提取算法进行了分析和特性比较，最后总结了掌纹多特征融合方法是未来掌纹特征提取方法进一步的研究方向．

简介：摘要：风能作为清洁能源，风电在近几年实现高速发展，风力发电机容量快速增加、装机规模不断扩大。但伴随着风电行业的快速发展，风机的故障问题日益凸显，因此对风电机组的各部分进行状态监测和故障诊断是十分必要的。叶片长期工作在复杂的露天环境中，很容易发生故障，造成人员安全事故和巨大的经济损失。因此对风机叶片的故障状态进行检测具有重要意义。本文主要分析风机叶片声信号特征提取与故障检测研究。

简介：

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：摘要 ：风电场多分布在偏远地区的高原、丘陵或草原上，往往受到恶劣环境条件的影响，尤其是风电机组的传动系统，如主轴、齿轮箱、联轴器和发电机等极易发生故障。及时发现故障、诊断故障并解决故障是保证风电机组可靠运行的有力保障。风电机组传动链故障诊断的关键是提取相关部件发生故障的典型故障特征，基于此，本文主要对 风电机组传动链典型故障特征提取方法进行分析探讨。

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：针对峭度谱（Kurtogram）无法有效区别振动信号中的瞬态故障冲击和脉冲噪声,难以准确提取微弱的滚动轴承故障特征的问题,提出一种基于加权峭度（WeightedKurtosis,WK）的滚动轴承故障特征提取方法,通过固定设置滤波带宽,利用加权峭度识别共振中心频率,确定带通滤波器的滤波中心频率和带宽,结合包络分析提取滚动轴承故障特征,并通过采集变速箱滚动轴承振动数据对该方法进行了验证。结果表明：该方法能够有效克服峭度谱的缺陷,稳健识别滚动轴承共振中心频率,准确提取滚动轴承故障特征,验证了该方法的有效性。

简介：摘要：工程领域中，振动信号的应用遍及各个层面，核心涵盖故障辨识及预测性维护两大领域。本研究旨在探索振动信号特征提取与故障诊断模型的构建策略。探究振动信号的时频属性，频次、幅度及相位等特性参数的提取过程。运用机器学习算法搭建故障诊断平台，运用交叉验证方法对模型进行评估与优化。实验结果表明该方法具备优异的效果和广泛的适用性，工程领域故障诊断创新策略与应用。振动信号中所包含的数据成为研究重点，运用现代科技构建高效故障诊断机制，目的在于提高工程设备故障诊断的准确性与效率，因此，提升设备运行的稳定性与安全性至关重要。

简介：摘要滚动轴承发生故障时,振动信号各频带的能量会相应发生变化,各频带信号的能量中包含了丰富的故障信息。采用小波包对信号进行分解，并用小波包能量法对其分析。不同频带内的信号能量变化反映了运行状态的改变，根据不同的能量变化，可以有效对轴承信号进行故障诊断。

简介：纹理分割领域一直是非常活跃的领域，各种纹理分割算法纹理特征提取方法层出不穷。本文着重介绍了各类纹理特征，特征提取方法以及分割技术，主要包括：基于算子的图像特征提取，基于统计方法的特征提取，基于模型方法的分割技术（分形模型，随机场模型），基于纹理结构的特征提取及分割方法，以及基于空频域特征的分割技术（小波技术）。

简介：摘要首先分析Relax特征提取原理，然后将Costas跳频编码信号的回波转化为AR模型，最后利用Relax算法实现超分辨，实验结果表明利用Relax算法完全可以实现Costas信号的特征提取。

简介：摘 要：雷达数据处理依靠先进的特征提取技术来增强信号分析。研究从预处理、信号处理、目标检测与跟踪三个层面讨论雷达数据预处理问题，从统计特征、频谱特征、时间频率特征三个层面讨论雷达数据特征提取问题，旨在通过研究进一步推动提升雷达数据处理能力，充分挖掘雷达系统性能，为有关从业者提供参考信息。

简介：摘要：故障轴承的监测一直以来是机械行业的关注重点。轴承的冲击往往由于传递路径、其他部件的运行振动、由于制造装配误差等引起的随机振动等因素影响，冲击特征容易被淹没。本文介绍和研究基于最小熵反卷积方法，建立滚动轴承动力学模型，在模型获得的纯净故障信号中添加谐波、白噪声，以此探讨最小熵反卷积方法在滚动轴承特征提取方面的应用，为轴承的安全服役提供重要理论参考。

简介：滚动轴承的故障信号往往是微弱的周期信号,而混沌振子对特定频率的微弱周期信号十分敏感,可以有效地检测出故障信号.介绍了混沌振子的数学模型和基本检测原理,以及策动力临界阈值的确定方法.将混沌振子检测法应用于滚动轴承外圈、内圈和滚动体故障信号的检测中,通过输出相图的变化来判断故障信号是否存在,有效地实现了对滚动轴承故障信号的检测.

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：人脸识别作为身份识别的重要技术之一,已经开始广泛应用到人们的日常生活。人脸特征提取方法--主成分分析(PCA)可以在提取样本特征的同时降低样本维数,在此基础上提出的白化主成分分析(WPCA)可以降低图像中相邻像素的相关性,核主成分分析(KPCA)能够更好地提取适合分类的特征。本文主要分析了在不同光照和噪声情况下,三种常用的人脸特征提取方法—主成分分析(PCA)、白化主成分分析(WPCA)、核主成分分析(KPCA)均采用最近邻分类方法进行识别所用时间和识别率。

简介：垃圾邮件处理作为一种典型的文本分类应用问题，受到高维数据的困扰。为提高垃圾邮件检测的效率和准确率，提出一种基于PLS特征提取和SVM的入侵检测算法，首先对原始垃圾邮件数据利用偏最小二乘算法降低维度，再采用遗传算法寻优转换特征子集，并通过支持向量机SVM进行分类。Matlab仿真实验表明，本算法能有效降低数据维数，提高检测的准确率。

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。