期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于FSS-kernel BSS方法的机械故障诊断
被引量：
2
1
作者
杨彦龙
程伟
常洪振
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2012年第11期1557-1561,共5页
机械设备发生故障时,故障特征的提取是很重要的.为了从观测信号中分离出不同的故障特征源信号,并根据分离信号准确地进行故障诊断,从观测信号样本出发,提出了基于有限支持样本核函数的盲源分离(FSS-kernel BSS)方法.此方法利用有限的观...
机械设备发生故障时,故障特征的提取是很重要的.为了从观测信号中分离出不同的故障特征源信号,并根据分离信号准确地进行故障诊断,从观测信号样本出发,提出了基于有限支持样本核函数的盲源分离(FSS-kernel BSS)方法.此方法利用有限的观测样本估计信号的概率分布,得到了评价函数,具有很好的自适应能力.仿真试验结果表明:此方法能成功地分离超、亚高斯混合信号,与其他盲源分离方法相比,此方法具有更好的分离性能.将该方法用于转子不平衡和支座松动的复合故障信号的盲分离,分离出了各复合故障的主要频谱.分离结果表明:此方法应用于机械设备复合故障诊断中是可行的.
展开更多
关键词
故障诊断
盲源分离
有限支持样本
核函数
在线阅读
下载PDF
职称材料
FSS-kernel与FastICA融合的盲源分离算法研究
被引量：
1
2
作者
汪道德
何鹏举
龙莉莉
《计算机工程与应用》
CSCD
北大核心
2015年第2期209-212,270,共5页
Fast ICA算法有着比传统ICA算法更快、更稳健的收敛速度,但由于其选用的非线性函数不能很好地符合源信号的统计特性,恢复结果并不理想。针对该问题,提出了一种有限支持样本核函数(FSS-kernel)与Fast ICA融合的盲源分离算法。该方法是通...
Fast ICA算法有着比传统ICA算法更快、更稳健的收敛速度,但由于其选用的非线性函数不能很好地符合源信号的统计特性,恢复结果并不理想。针对该问题,提出了一种有限支持样本核函数(FSS-kernel)与Fast ICA融合的盲源分离算法。该方法是通过FSS-kernel算法估计得出源信号概率密度函数,结合Fast ICA算法,实现混合信号的盲分离。仿真结果表明,该方法能够有效地完成混叠信号的分离,通过与传统ICA算法及Fast ICA算法比较,证明了该方法具有更高的分离精度和自适应能力。
展开更多
关键词
快速独立分量分析(Fast
ICA)算法
有限支持样本
核函数(FSS-kernel)算法
盲源分离
算法融合
在线阅读
下载PDF
职称材料
题名
基于FSS-kernel BSS方法的机械故障诊断
被引量：
2
1
作者
杨彦龙
程伟
常洪振
机构
北京航空航天大学航空科学与工程学院
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2012年第11期1557-1561,共5页
文摘
机械设备发生故障时,故障特征的提取是很重要的.为了从观测信号中分离出不同的故障特征源信号,并根据分离信号准确地进行故障诊断,从观测信号样本出发,提出了基于有限支持样本核函数的盲源分离(FSS-kernel BSS)方法.此方法利用有限的观测样本估计信号的概率分布,得到了评价函数,具有很好的自适应能力.仿真试验结果表明:此方法能成功地分离超、亚高斯混合信号,与其他盲源分离方法相比,此方法具有更好的分离性能.将该方法用于转子不平衡和支座松动的复合故障信号的盲分离,分离出了各复合故障的主要频谱.分离结果表明:此方法应用于机械设备复合故障诊断中是可行的.
关键词
故障诊断
盲源分离
有限支持样本
核函数
Keywords
fault diagnose
blind source separation
finite support samples
kernel function
分类号
TN911 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
FSS-kernel与FastICA融合的盲源分离算法研究
被引量：
1
2
作者
汪道德
何鹏举
龙莉莉
机构
西北工业大学自动化学院
湖南科技学院
出处
《计算机工程与应用》
CSCD
北大核心
2015年第2期209-212,270,共5页
基金
国家部委预研基金
西安市产业技术创新计划
技术转移促进工程(No.CX12178(1))
文摘
Fast ICA算法有着比传统ICA算法更快、更稳健的收敛速度,但由于其选用的非线性函数不能很好地符合源信号的统计特性,恢复结果并不理想。针对该问题,提出了一种有限支持样本核函数(FSS-kernel)与Fast ICA融合的盲源分离算法。该方法是通过FSS-kernel算法估计得出源信号概率密度函数,结合Fast ICA算法,实现混合信号的盲分离。仿真结果表明,该方法能够有效地完成混叠信号的分离,通过与传统ICA算法及Fast ICA算法比较,证明了该方法具有更高的分离精度和自适应能力。
关键词
快速独立分量分析(Fast
ICA)算法
有限支持样本
核函数(FSS-kernel)算法
盲源分离
算法融合
Keywords
Fast Independent Component Analysis（Fast ICA）algorithm
Finite Support Sample（FSS）-kernel algorithm
blind source separation
algorithm fusion
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于FSS-kernel BSS方法的机械故障诊断
杨彦龙
程伟
常洪振
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2012
2
在线阅读
下载PDF
职称材料
2
FSS-kernel与FastICA融合的盲源分离算法研究
汪道德
何鹏举
龙莉莉
《计算机工程与应用》
CSCD
北大核心
2015
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
