项目名称: 基于图像分解原理的旋转机械复合故障特征分离方法研究

项目编号: No.51205122

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 机械工程学科

项目作者: 伍济钢

作者单位: 湖南科技大学

项目金额: 25万元

中文摘要: 旋转机械复合故障特征的准确分离对提高旋转机械复合故障诊断的准确率具有重要意义。旋转机械复合故障特征表现为多个单故障特征如图像特征融合般耦合在一起而难以分离,项目利用图像分解对图像特征能有效提取和对不同图像特征能良好分离的能力,提出基于图像分解原理的旋转机械复合故障特征分离方法,具体进行以下三个方面的研究:(1)建立旋转机械典型单故障和复合故障动力学模型,分析其动力学行为和响应特性,研究单故障和复合故障矩阵数据的特征及其演变规律,形成基特征和复合特征提取和表征方法;(2)研究基特征构成复合特征时基特征的演变规律和基特征间的交叠和遮挡现象及其演变规律,揭示复合故障的复合特性;(3)构建基特征匹配方法,提出复合故障矩阵数据中基特征搜索方法,研究复合特征分解方法,建立分解基特征与单故障间的映射关系。项目旨在解决旋转机械复合故障特征难以分离的难题,为旋转机械复合故障诊断提供理论和技术支持。

中文关键词: 图像分解;旋转机械;复合故障;特征分离;

英文摘要: The accurate separation of rotating machinery compound fault feature has great significance to enhance the accuracy of rotating machinery compound fault diagnosis. The rotating machinery compound fault feature manifests as the coupling of several single fault features like the fusion of image features and is hard to be separated, the ability of the image decomposition that can extract the image features effectively and separate different image features well is utilized in this project, and the separation method of rotating machinery compound fault feature based on the principle of image decomposition is proposed. The research is specified as the following three aspects. First, the dynamical models of the rotating machinery typical single fault and compound fault are built, and the dynamic behavior and response characteristics are analyzed, and the feature and evolution rule of the matrix data of single fault and compound fault are studied, and the extraction and representation method of basic feature and compound feature is formed. Second, when the basic features constitute the compound feature, the evolution rule of the basic feature and the overlapping and occlusion between basic features and it's evolution rule are analyzed, the compound characteristics of the compound fault is revealed. Third, basic feature

英文关键词: image decomposition;rotating machinery;compound fault;feature separation;

成为VIP会员查看完整内容
0

相关内容

【AI与电力】电动汽车发展与城市电网适应性研究
专知会员服务
16+阅读 · 2022年4月25日
智能交通管理系统发展趋势
专知会员服务
19+阅读 · 2022年3月21日
专知会员服务
42+阅读 · 2021年8月30日
轨道病害视觉检测:背景、方法与趋势
专知会员服务
22+阅读 · 2021年2月15日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
基于深度学习的表面缺陷检测方法综述
专知会员服务
85+阅读 · 2020年5月31日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
一文概括常用图像处理算法以及常用开发库
极市平台
1+阅读 · 2021年11月23日
手机的负一屏有用吗?
ZEALER订阅号
0+阅读 · 2021年11月14日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
66+阅读 · 2020年3月16日
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
38+阅读 · 2019年7月25日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
干货!一文读懂行人检测算法
全球人工智能
11+阅读 · 2018年5月31日
基于二进制哈希编码快速学习的快速图像检索
极市平台
12+阅读 · 2018年5月17日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年5月19日
Arxiv
21+阅读 · 2019年8月21日
小贴士
相关VIP内容
【AI与电力】电动汽车发展与城市电网适应性研究
专知会员服务
16+阅读 · 2022年4月25日
智能交通管理系统发展趋势
专知会员服务
19+阅读 · 2022年3月21日
专知会员服务
42+阅读 · 2021年8月30日
轨道病害视觉检测:背景、方法与趋势
专知会员服务
22+阅读 · 2021年2月15日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
基于深度学习的表面缺陷检测方法综述
专知会员服务
85+阅读 · 2020年5月31日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
相关资讯
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
一文概括常用图像处理算法以及常用开发库
极市平台
1+阅读 · 2021年11月23日
手机的负一屏有用吗?
ZEALER订阅号
0+阅读 · 2021年11月14日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
66+阅读 · 2020年3月16日
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
38+阅读 · 2019年7月25日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
干货!一文读懂行人检测算法
全球人工智能
11+阅读 · 2018年5月31日
基于二进制哈希编码快速学习的快速图像检索
极市平台
12+阅读 · 2018年5月17日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员