基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了在故障早期从信噪比较低的振动信号中提取故障特征,提出了一种结合小波变换和多约束非负矩阵分解振动信号特征提取方法.首先,采用最小小波熵测量提取出最优时频系数矩阵.然后,根据故障特征在系数矩阵中的表现规律,采用基于稀疏性和光滑性约束的非负矩阵分解算法对小波系数矩阵进行非线性降维,从而提取信噪比较高的故障特征.最后,通过仿真数据和实际数据对该方法进行了验证,结果表明该方法能够在时域中提取出微弱的故障特征,实现机械状态的早期故障诊断.
推荐文章
非负矩阵分解特征提取技术的研究进展
模式识别
非负矩阵分解
图像特征提取
稀疏表示
基于ICA和小波变换的轴承故障特征提取
独立分量分析
小波变换
故障诊断
特征提取
基于小波变换和二维非负矩阵分解的人脸识别算法
二维离散小波变换
二维非负矩阵分解
人脸识别
图像融合
应用连续小波变换提取机械故障的特征
连续小波变换
故障诊断
特征 提取
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 结合连续小波变换和多约束非负矩阵分解的故障特征提取方法
来源期刊 振动与冲击 学科 工学
关键词 特征提取 连续小波变换 非负矩阵分解 故障诊断
年,卷(期) 2013,(19) 所属期刊栏目
研究方向 页码范围 7-11
页数 5页 分类号 TH165.3
字数 3764字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 罗爱玲 西安交通大学机械工程学院 12 102 5.0 10.0
2 梁霖 西安交通大学机械工程学院 35 614 13.0 24.0
3 唐曦凌 广东电网公司电力科学研究院 2 4 1.0 2.0
4 高慧中 西安交通大学机械工程学院 3 7 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
特征提取
连续小波变换
非负矩阵分解
故障诊断
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
振动与冲击
半月刊
1000-3835
31-1316/TU
大16开
上海市华山路1954号上海交通大学
4-349
1982
chi
出版文献量(篇)
12841
总下载数(次)
12
总被引数(次)
124504
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导