-
公开(公告)号：CN110765965B
公开(公告)日：2023-09-15
申请号：CN201911046228.3
申请日：2019-10-30
申请人： 兰州理工大学
IPC分类号： G06F18/214
摘要： 本发明属于机械振动信号处理技术领域。为了解决K‑SVD算法中字典训练时间较长的问题，本发明公开了一种机械振动信号稀疏表示的快速字典学习算法，具体包括以下步骤：步骤S1，选取训练样本确定初始字典以及确定最佳时序相邻多列样本原子数ml；步骤S2，采用同步正交匹配追踪法(SOMP)对训练样本时序相邻多列样本原子同步稀疏编码,求得稀疏系数矩阵A；步骤S3，固定同步稀疏编码后的稀疏系数矩阵，采用最小二乘法(SGK)进行字典更新；步骤S4，重复步骤S2和步骤S3，直至满足迭代停止条件，完成字典训练，得到学习字典。采用本发明的字典学习算法可以在保证振动信号压缩重构性能的情况下，大大有效提升了字典训练速率。
-
公开(公告)号：CN111458146B
公开(公告)日：2022-02-11
申请号：CN202010253194.1
申请日：2020-04-02
申请人： 兰州理工大学
IPC分类号： G01M13/045 , G06F17/16
摘要： 本发明属于机械振动信号处理技术领域。本发明公开了一种滚动轴承多测量点振动信号压缩采样与同步重构方法，具体包括以下步骤：步骤S1，将每个测点训练样本分为公共训练样本与特有训练样本，采用K‑SVD字典学习算法分别训练出每个测点共用的公共学习字典以及特有学习字典，根据联合稀疏表示JSM‑1模型，将共用的公共学习字典以及特有学习字典构造成联合稀疏表示学习字典；步骤S2，采用高斯随机矩阵对不同测点间相同时段的振动信号进行压缩测量，获得多测点压缩测量值；步骤S3，基于联合稀疏表示学习字典对多测点测量值进行联合压缩重构。采用本发明的方法，不仅可以实现对多测点机械振动信号的压缩测量重构，而且可以获得很好的重构精度。
-
公开(公告)号：CN111458146A
公开(公告)日：2020-07-28
申请号：CN202010253194.1
申请日：2020-04-02
申请人： 兰州理工大学
IPC分类号： G01M13/045 , G06F17/16
摘要： 本发明属于机械振动信号处理技术领域。本发明公开了一种滚动轴承多测量点振动信号压缩采样与同步重构方法，具体包括以下步骤：步骤S1，将每个测点训练样本分为公共训练样本与特有训练样本，采用K-SVD字典学习算法分别训练出每个测点共用的公共学习字典以及特有学习字典，根据联合稀疏表示JSM-1模型，将共用的公共学习字典以及特有学习字典构造成联合稀疏表示学习字典；步骤S2，采用高斯随机矩阵对不同测点间相同时段的振动信号进行压缩测量，获得多测点压缩测量值；步骤S3，基于联合稀疏表示学习字典对多测点测量值进行联合压缩重构。采用本发明的方法，不仅可以实现对多测点机械振动信号的压缩测量重构，而且可以获得很好的重构精度。
-
公开(公告)号：CN110765965A
公开(公告)日：2020-02-07
申请号：CN201911046228.3
申请日：2019-10-30
申请人： 兰州理工大学
IPC分类号： G06K9/00
摘要： 本发明属于机械振动信号处理技术领域。为了解决K-SVD算法中字典训练时间较长的问题，本发明公开了一种机械振动信号稀疏表示的快速字典学习算法，具体包括以下步骤：步骤S1，选取训练样本确定初始字典以及确定最佳时序相邻多列样本原子数ml；步骤S2，采用同步正交匹配追踪法(SOMP)对训练样本时序相邻多列样本原子同步稀疏编码,求得稀疏系数矩阵A；步骤S3，固定同步稀疏编码后的稀疏系数矩阵，采用最小二乘法(SGK)进行字典更新；步骤S4，重复步骤S2和步骤S3，直至满足迭代停止条件，完成字典训练，得到学习字典。采用本发明的字典学习算法可以在保证振动信号压缩重构性能的情况下，大大有效提升了字典训练速率。
-
-
-
搜索结果
4 条记录 (耗时 0.031 秒)
