导读:本文包含了奇异值特征论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:奇异,特征,分解,转子,故障诊断,故障,稀疏。
奇异值特征论文文献综述
杨期江,赵学智,汤雅连,李伟光,滕宪斌[1]（2019）在《非零奇异值数量的理论分析及其在滑动轴承-转子振动特征提取应用》一文中研究指出实验分析了Hankel矩阵下非零奇异值数目与信号中的频率个数成两倍的数量关系,验证了奇异值成对出现规律,当构造的m×n的Hankel矩阵行数与列数充分接近时,信号中同一频率下的两个非零奇异值会紧密排列在一起。根据Hankel矩阵的构造方式,从理论上证明了非零奇异值与频率之间的数量关系规律:对于一个含有固定频率数目的确定性信号,利用其构造m×n的Hankel矩阵,当矩阵维数大于信号中频率个数的两倍之后,非零奇异值数目始终是与频率个数成2倍的数量关系,且非零奇异值数目是与幅值和相位无关的。将Hankel矩阵下非零奇异值的这一规律应用于旋转机械中的滑动轴承-转子振动信号的特征提取,实现了对转子不对中故障轴心轨迹的准确提纯。(本文来源于《振动与冲击》期刊2019年15期）
张安,马增强,陈明义,李俊峰[2]（2019）在《基于奇异值分解和共振解调的滚动轴承故障特征提取》一文中研究指出针对共振解调方法容易受到噪声干扰,以及带通滤波器参数难以确定,很大程度上依赖经验的问题,提出一种基于奇异值分解和共振解调的滚动轴承故障特征提取方法;利用奇异值分解算法,将轴承振动信号分解成多个奇异值分量,计算各分量的峭度值,选择峭度值最大的分量,利用谱峭度算法确定中心频率和带宽,并对该分量信号进行带通滤波和包络解调分析。结果表明,提取性能以及鲁棒性能实验证明了该方法能够自适应确定滤波频带,降低噪声干扰的影响,并且在带通滤波器失效情况下有良好的稳定性。(本文来源于《济南大学学报(自然科学版)》期刊2019年04期）
张林锋,田慕琴,宋建成,贺颖,冯君玲[3]（2019）在《基于奇异值分解的掘进机振动信号特征量提取》一文中研究指出针对掘进机动载荷识别难度大的问题,提出了基于奇异值分解的掘进机振动信号特征量提取方法。对采集的振动信号进行小波包分解,重构底层各频带节点系数,进而构造时频矩阵;对该矩阵进行奇异值分解,并基于Fisher判据,利用基于散度矩阵的类可分性准则,选择对不同截割岩壁硬度较为敏感的奇异值作为振动信号的特征量,并利用散度矩阵准则值来解决无法定量衡量各阶奇异值对截割硬度敏感程度的问题。与小波包频带能量法提取的特征向量进行比较,结果表明,对于掘进机水平截割、垂直截割和纵向钻进3种工况下的振动信号,基于奇异值分解法提取的特征向量都具有更好的类可分性。(本文来源于《工矿自动化》期刊2019年01期）
任世锦,李新玉,徐桂云,潘剑寒,杨茂云[4]（2018）在《融合再加权奇异值分解与周期重迭簇稀疏的机械故障特征抽取算法》一文中研究指出机械故障特征具有周期性、稀疏性以及被噪声污染严重特点,而大部分特征抽取方法(如局部线性嵌入(locally linear embedding,LLE)、局部切空间排列(local tangent space alignment,LTSA))性能往往受到噪声影响.因此,抑制振动信号噪声、抽取有效故障特征成为机械故障检测的关键.本文提出融合奇异值分解与周期重迭簇稀疏(reweighted singular value decomposition integrating with periodic overlapping group sparsity,RSVD-POGS)的机械故障稀疏特征抽取方法.该方法首先利用RSVD把多成分振动信号分解为奇异成分集合,并使用周期调制强度(periodic modulation intensity,PMI)准则选择有效奇异成分,然后使用POGS从奇异成分提取稀疏周期冲击特征,并由选择的奇异成分重构原始信号,增强周期稀疏故障信号特征.最后,使用低SNR仿真周期冲击信号对RSVD-POGS算法与POGS方法进行对比,并将RSVD-POGS方法应用于实验台轴承正常和故障信号的特征提取中.实验结果表明,该算法可以有效地提取稀疏微弱故障特征,具有较大的优越性.(本文来源于《南京师大学报(自然科学版)》期刊2018年04期）
张永强,易亮[5]（2019）在《基于奇异值分解的航空发动机转子碰摩故障特征提取方法》一文中研究指出提出了利用奇异值分解(SVD)提取航空发动机转子碰摩故障特征信号的方法,通过数值仿真得到,奇异值分解方法可以非常有效地将各种不同特征信号完全提取分离,论证了该方法的可行性。然后以某型国产航空发动机在试车台开车过程中某稳定状态的转子振动测量数据为基础,利用奇异值分解的优选差分谱理论对振动信号进行了降噪处理;根据傅里叶变换频谱图中各频率点峰值与奇异值分解差分谱峰值序列相对应的特点,对降噪后振动信号进行了特征提取,实现了转子系统的碰摩故障特征信号的提取。实际结果表明,该方法能够有效地诊断转子系统碰摩故障及提取相应的故障特征信号。(本文来源于《应用力学学报》期刊2019年02期）
马转霞,费维科,周新涛[6]（2018）在《基于奇异值分解降噪与排序熵的涡旋压缩机故障特征提取方法》一文中研究指出针对涡旋压缩机故障信号非平稳且非线性的特点,提出一种基于奇异值分解降噪与排序熵的涡旋压缩机故障特征提取方法。这一方法首先对原始信号进行奇异值分解,根据奇异值差分谱确定降噪阶次,并进行信号重构,得到降噪信号;然后提取降噪信号的排序熵特征值,基于此建立涡旋压缩机典型故障的排序熵特征模型。试验结果表明,通过这一方法得到的涡旋压缩机故障特征鲜明清晰,为其状态监测与故障诊断提供了依据。(本文来源于《机械制造》期刊2018年06期）
周萍,姜宏,章翔峰[7]（2018）在《VMD奇异值和FCM的转子故障特征提取与识别》一文中研究指出为了准确、有效地提取转子故障特征,提出了变分模态分解(VMD)和奇异值特征提取的方法,并采用模糊C均值聚类(FCM)进行转子故障识别。首先,利用分解精度高、模态混迭问题少的VMD算法进行振动信号分解,形成初始特征向量矩阵,然后对该向量矩阵进行奇异值分解,将求得奇异值作为故障特征向量,最后通过模糊C均值聚类形成聚类中心,并计算海明贴近度以实现不同工况下的转子故障分类。将此方法进行转子实验台振动数据验证,实验结果表明:该方法能够有效实现不同工况下转子故障信号的区分,取得了理想的故障诊断结果。(本文来源于《机械设计与制造》期刊2018年06期）
王振华,杜宇波,王楠,李文科,王伦[8]（2018）在《基于ESMD和奇异值差分谱的滚动轴承故障特征提取》一文中研究指出针对滚动轴承信号的非平稳特征,提出基于ESMD分解和奇异值差分谱的故障特征提取方法。首先将原始非平稳信号进行ESMD分解,然后对产生的IMF分量进行FFT变换。为降低背景噪声的影响,对IMF构建Hankel矩阵,根据奇异值差分谱理论进行消噪和重构,从而确定轴承故障的特征频率。(本文来源于《现代制造技术与装备》期刊2018年03期）
谢俐,杨乐[9]（2017）在《基于局部特征尺度分解和奇异值差分谱的滚动轴承故障诊断方法》一文中研究指出为有效消除滚动轴承故障振动信号中噪声,更好提取故障特征频率,提出了基于局部特征尺度分解和奇异值差分谱的故障诊断方法。该方法首先利用局部特征尺度分解将非平稳信号分解成若干个不同频带的内禀尺度分量;然后对包含故障特征的分量构造Hankel矩阵并进行奇异值分解并求得奇异值差分谱曲线,利用差分谱最大突变点确定重构信号的阶数并重构信号;最后再求重构信号的包络谱,便可准确获得相应故障特征频率。滚动轴承故障诊断的试验结果证明,该方法能快速准确地提取出故障信息,具有一定的优势。(本文来源于《机械设计与研究》期刊2017年04期）
许劲峰,郑威,王彪,陈峰[10]（2017）在《基于奇异值分解的特征子空间加权MUSIC方法》一文中研究指出本文针对传统MUSIC算法解相干性能差的问题,提出一种基于互协方差的特征空间算法(Eigenspace-Direction of Arrival,ES-DOA)。首先充分利用矢量信息,采用叁种不同的数据预处理方法进行联合处理,获得新的增广矩阵,在增广矩阵上进行奇异值分解,构建特征子空间的加权MUSIC(Multiple Signal Classification)算法空间谱,所构建的空间谱函数不仅提升MUSIC的估计性能,还充分利用了信号子空间的信息,从而使得本文所提改进特征子空间MUSIC算法拥有更高的分辨率以及估计精度,且更适用于低信噪比条件下。仿真实验验证了所提方法的有效性和鲁棒性。(本文来源于《2017中国西部声学学术交流会论文集》期刊2017-08-20）
奇异值特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对共振解调方法容易受到噪声干扰,以及带通滤波器参数难以确定,很大程度上依赖经验的问题,提出一种基于奇异值分解和共振解调的滚动轴承故障特征提取方法;利用奇异值分解算法,将轴承振动信号分解成多个奇异值分量,计算各分量的峭度值,选择峭度值最大的分量,利用谱峭度算法确定中心频率和带宽,并对该分量信号进行带通滤波和包络解调分析。结果表明,提取性能以及鲁棒性能实验证明了该方法能够自适应确定滤波频带,降低噪声干扰的影响,并且在带通滤波器失效情况下有良好的稳定性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
奇异值特征论文参考文献
[1].杨期江,赵学智,汤雅连,李伟光,滕宪斌.非零奇异值数量的理论分析及其在滑动轴承-转子振动特征提取应用[J].振动与冲击.2019
[2].张安,马增强,陈明义,李俊峰.基于奇异值分解和共振解调的滚动轴承故障特征提取[J].济南大学学报(自然科学版).2019
[3].张林锋,田慕琴,宋建成,贺颖,冯君玲.基于奇异值分解的掘进机振动信号特征量提取[J].工矿自动化.2019
[4].任世锦,李新玉,徐桂云,潘剑寒,杨茂云.融合再加权奇异值分解与周期重迭簇稀疏的机械故障特征抽取算法[J].南京师大学报(自然科学版).2018
[5].张永强,易亮.基于奇异值分解的航空发动机转子碰摩故障特征提取方法[J].应用力学学报.2019
[6].马转霞,费维科,周新涛.基于奇异值分解降噪与排序熵的涡旋压缩机故障特征提取方法[J].机械制造.2018
[7].周萍,姜宏,章翔峰.VMD奇异值和FCM的转子故障特征提取与识别[J].机械设计与制造.2018
[8].王振华,杜宇波,王楠,李文科,王伦.基于ESMD和奇异值差分谱的滚动轴承故障特征提取[J].现代制造技术与装备.2018
[9].谢俐,杨乐.基于局部特征尺度分解和奇异值差分谱的滚动轴承故障诊断方法[J].机械设计与研究.2017
[10].许劲峰,郑威,王彪,陈峰.基于奇异值分解的特征子空间加权MUSIC方法[C].2017中国西部声学学术交流会论文集.2017
论文知识图
