项目名称: 基于听觉注意机制的故障诱发信号流分流方法研究

项目编号: No.51275080

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 机械、仪表工业

项目作者: 李允公

作者单位: 东北大学

项目金额: 80万元

中文摘要: 机械故障会诱发出新异振动信号分量,该分量与故障具有密切的内在联系,且其统计特征往往会随设备工作状态和故障恶化程度的变化而变化,具有流动的特性,可将其称为"信号流"。因此,有必要研究兼具感知、提取和跟踪功能的信号流分流方法。鉴于人类听觉系统在注意状态下只利用双耳甚至单耳信息即可捕捉到目标信号流,且其原理与盲源分离等方法截然不同,本项目拟基于听觉注意机制,并结合振动信号的特点,研究注意机制的载体- - 双耳听觉模型的建模与应用方法,以实现两传感器条件下的信号分流。项目将以注意机制中的线索生成与整合为核心,研究听觉系统各主要元件的建模和协调控制方法,其中,将建立一种新型听皮层模型并首次引入短时记忆功能,还提出了基于多重包络的基本行为单元分割方法。在故障诊断领域中,本项目设想属首次提出,对于丰富信号分解方法和提高在线监测水平都具有一定实际意义。项目组具有较好的前期研究基础,并已初步验证了项目的可行性。

中文关键词: 故障诊断;听觉注意模型;特征提取;信号分离;时频分析

英文摘要: Mechanical fault may induce novel vibration signal component, this component and fault has close internal relationship, and will vary as a stream along with equipment working state and fault deterioration degree, so it can be called as signal stream. Therefore,it is necessary to research the signal stream segregation method induced by fault, complete segregation includes perception, extraction and tracking. Considering human auditory system can capture target signal stream only by using two ears or even single ear information in the attention condition, and the attention mechanism is completely different with blind source separation method. Then, based on auditory attention mechanism and according to the characteristics of vibration signal, this project will research the modeling and application method of binaural auditory model which is the carrier of attention mechanism to realize the segregation task only using two channels signals. Taking the generation and integration of attention cues as core, this project will study the modeling and coordinate control methods of main elements in auditory system.In this project, an auditory cortex model with a new structure will be built and the function of short-term memory will be introduced into auditory model.Moreover,a segmentation method of basis behaviour unit based

英文关键词: faults diagnosis;auditory attention model;features extraction;signal separation;time-frequency analysis

成为VIP会员查看完整内容
0

相关内容

特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。 特征被检测后它可以从图像中被抽取出来。这个过程可能需要许多图像处理的计算机。其结果被称为特征描述或者特征向量。
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
【经典书】模式识别导论,561页pdf
专知会员服务
81+阅读 · 2021年6月30日
专知会员服务
97+阅读 · 2021年6月23日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
53+阅读 · 2020年12月1日
【NeurIPS 2020】视觉注意力神经编码
专知会员服务
40+阅读 · 2020年10月4日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
一文读懂Attention机制
机器学习与推荐算法
63+阅读 · 2020年6月9日
细粒度情感分析任务(ABSA)的最新进展
PaperWeekly
18+阅读 · 2020年1月3日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
ISI新研究:胶囊生成对抗网络
论智
18+阅读 · 2018年3月7日
CNN、RNN在自动特征提取中的应用
乌镇智库
14+阅读 · 2017年8月4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 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012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 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Risk and optimal policies in bandit experiments
Arxiv
0+阅读 · 2022年4月18日
Arxiv
17+阅读 · 2021年3月29日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
【经典书】模式识别导论,561页pdf
专知会员服务
81+阅读 · 2021年6月30日
专知会员服务
97+阅读 · 2021年6月23日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
53+阅读 · 2020年12月1日
【NeurIPS 2020】视觉注意力神经编码
专知会员服务
40+阅读 · 2020年10月4日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
相关资讯
一文读懂Attention机制
机器学习与推荐算法
63+阅读 · 2020年6月9日
细粒度情感分析任务(ABSA)的最新进展
PaperWeekly
18+阅读 · 2020年1月3日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
ISI新研究:胶囊生成对抗网络
论智
18+阅读 · 2018年3月7日
CNN、RNN在自动特征提取中的应用
乌镇智库
14+阅读 · 2017年8月4日
相关基金
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 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012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 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员