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
3
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
基于模糊Havrda-Charvát熵与混沌PSO算法的红外人体图像分割
被引量：
3
1
作者
聂方彦
高潮
郭永彩
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2010年第1期129-135,共7页
针对红外人体图像成像质量较差的问题,提出一种基于模糊Havrda-Charvát熵的快速阈值分割方法.首先应用Z形及S形隶属度函数把图像灰度直方图信息转换到模糊域,定义图像背景与目标的模糊Havrda-Charvát熵;然后提出一种基于Tent...
针对红外人体图像成像质量较差的问题,提出一种基于模糊Havrda-Charvát熵的快速阈值分割方法.首先应用Z形及S形隶属度函数把图像灰度直方图信息转换到模糊域,定义图像背景与目标的模糊Havrda-Charvát熵;然后提出一种基于Tent映射的混沌粒子群优化算法,把隶属度函数参数组合作为粒子,根据最大熵原理确定参数的最佳组合,再由最佳隶属度函数参数计算得到图像的最佳分割阈值.在真实红外人体图像集上与几种经典的图像阈值方法进行对比实验的结果,说明了该方法的有效性和鲁棒性.
展开更多
关键词
红外人体图像分割
模糊havrda-charvát熵
混沌粒子群优化
最大
熵
原理
在线阅读
下载PDF
职称材料
基于集成精细复合多元多尺度模糊熵的齿轮箱故障诊断
被引量：
1
2
作者
杨小强
宫建成
+1 位作者
安立周
刘晓明
《机电工程》
CAS
北大核心
2023年第3期335-343,共9页
针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模...
针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模糊熵(ERCmvMFE)算法,在此基础上,结合t分布随机邻域嵌入(t-SNE)和人工鱼群算法优化的核极限学习机(AFSA-KELM),提出了一种新的齿轮箱故障综合诊断方法。首先,采用多种形式粗粒化方法的集成方法以及多通道信号处理方法,对模糊熵算法进行了改进,并进行了齿轮箱故障的初始特征提取;然后,通过t-SNE压缩原始故障特征,实现了维数的约简,并将低维故障特征输入至AFSA-KELM中进行了故障的分类识别;最后,为了对ERCmvMFE方法的特征提取性能进行测试,采用QPZZ-II旋转机械故障模拟测试平台进行了相关的实验。实验结果表明:采用新的齿轮箱故障综合诊断方法能够对不同类型的齿轮箱故障进行可靠诊断,对齿轮箱5种工况下的20次识别实验中,获得的平均准确率可达98.92%,标准差为0.956,识别准确率和稳定性均优于其他对比方法。研究结果表明:采用ERCmvMFE算法能够更充分地提取出齿轮箱的故障特征,因此,基于该特征提取方法的故障诊断方法具有更高的齿轮箱故障识别准确率。
展开更多
关键词
集成精细复合多元多尺度
模糊
熵
人工鱼群算法优化的核极限学习机
t
分布随机邻域嵌入
特征提取
多粗粒化处理
多通道信号处理
故障分类识别
在线阅读
下载PDF
职称材料
基于自适应RCGmvMFE和流行学习的滚动轴承故障诊断
被引量：
4
3
作者
刘武强
杨小强
申金星
《机械强度》
CAS
CSCD
北大核心
2022年第1期9-18,共10页
多尺度模糊熵能够较好的量化振动信号的复杂程度,但缺乏对其他信道信息的有效利用,为了充分利用其他信道的振动信息,将表征同步多通道数据多变量复杂度的多变量熵理论应用到轴承故障诊断中。为了准确提取轴承信号中的故障特征,提出了基...
多尺度模糊熵能够较好的量化振动信号的复杂程度,但缺乏对其他信道信息的有效利用,为了充分利用其他信道的振动信息,将表征同步多通道数据多变量复杂度的多变量熵理论应用到轴承故障诊断中。为了准确提取轴承信号中的故障特征,提出了基于自适应噪声完备集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和精细复合广义多变量多尺度模糊熵(Refined Composite Generalized Multivariate Multiscale Fuzzy Entropy,RCGmvMFE)的轴承多故障诊断方法。首先利用CEEMDAN对多信道的源信号进行分解获得无模式混叠的IMF。然后采用相关性分析方法对IMF分量进行筛选,选出对故障特征敏感的IMF作为多通道数据构成多元变量,并计算其RCGmvMFE组成故障特征。随后采用t分布随机邻域嵌入(t-distributed Stochastic Neighbor Embedding,t-SNE)对高维特征进行维数约简。最后利用鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化核极限学习机(Kernel Extreme Learning Machine,KELM)对低维故障特征进行分类。实验结果表明,该方法能够有效地诊断轴承不同程度的故障,为滚动轴承的故障诊断提供了补充方法。
展开更多
关键词
CEEMDAN
精细复合广义多变量多尺度
模糊
熵
敏感IMF
t
分布随机邻域嵌入
流行学习
滚动轴承
故障诊断
在线阅读
下载PDF
职称材料
题名
基于模糊Havrda-Charvát熵与混沌PSO算法的红外人体图像分割
被引量：
3
1
作者
聂方彦
高潮
郭永彩
机构
重庆大学光电工程学院光电技术及系统教育部重点实验室
湖南文理学院计算机学院
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2010年第1期129-135,共7页
基金
教育部科技研究重点项目(108174)
重庆市自然科学基金(2008BB3169)
文摘
针对红外人体图像成像质量较差的问题,提出一种基于模糊Havrda-Charvát熵的快速阈值分割方法.首先应用Z形及S形隶属度函数把图像灰度直方图信息转换到模糊域,定义图像背景与目标的模糊Havrda-Charvát熵;然后提出一种基于Tent映射的混沌粒子群优化算法,把隶属度函数参数组合作为粒子,根据最大熵原理确定参数的最佳组合,再由最佳隶属度函数参数计算得到图像的最佳分割阈值.在真实红外人体图像集上与几种经典的图像阈值方法进行对比实验的结果,说明了该方法的有效性和鲁棒性.
关键词
红外人体图像分割
模糊havrda-charvát熵
混沌粒子群优化
最大
熵
原理
Keywords
infrared human image segmen
t
a
t
ion fuzzy
havrda-charv
a
t
en
t
ropy chaos par
t
icle swarm op
t
imiza
t
ion maximum en
t
ropy principle
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于集成精细复合多元多尺度模糊熵的齿轮箱故障诊断
被引量：
1
2
作者
杨小强
宫建成
安立周
刘晓明
机构
陆军工程大学野战工程学院
出处
《机电工程》
CAS
北大核心
2023年第3期335-343,共9页
基金
军队装备综合研究资助项目(〔2020〕1086号)。
文摘
针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模糊熵(ERCmvMFE)算法,在此基础上,结合t分布随机邻域嵌入(t-SNE)和人工鱼群算法优化的核极限学习机(AFSA-KELM),提出了一种新的齿轮箱故障综合诊断方法。首先,采用多种形式粗粒化方法的集成方法以及多通道信号处理方法,对模糊熵算法进行了改进,并进行了齿轮箱故障的初始特征提取;然后,通过t-SNE压缩原始故障特征,实现了维数的约简,并将低维故障特征输入至AFSA-KELM中进行了故障的分类识别;最后,为了对ERCmvMFE方法的特征提取性能进行测试,采用QPZZ-II旋转机械故障模拟测试平台进行了相关的实验。实验结果表明:采用新的齿轮箱故障综合诊断方法能够对不同类型的齿轮箱故障进行可靠诊断,对齿轮箱5种工况下的20次识别实验中,获得的平均准确率可达98.92%,标准差为0.956,识别准确率和稳定性均优于其他对比方法。研究结果表明:采用ERCmvMFE算法能够更充分地提取出齿轮箱的故障特征,因此,基于该特征提取方法的故障诊断方法具有更高的齿轮箱故障识别准确率。
关键词
集成精细复合多元多尺度
模糊
熵
人工鱼群算法优化的核极限学习机
t
分布随机邻域嵌入
特征提取
多粗粒化处理
多通道信号处理
故障分类识别
Keywords
ensemble refined composi
t
e mul
t
ivaria
t
e mul
t
iscale fuzzy en
t
ropy(ERCmvMFE)
kernel ex
t
reme learning machine op
t
imized by ar
t
ificial fish swarm op
t
imiza
t
ion algori
t
hm(AFSA-KELM)
t
-dis
t
ribu
t
ed s
t
ochas
t
ic neighbor embedding(
t
-SNE)
fea
t
ure ex
t
rac
t
ion
coarse grained process
mul
t
ichannel signal processing
faul
t
classifica
t
ion and iden
t
ifica
t
ion
分类号
TH132.46 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于自适应RCGmvMFE和流行学习的滚动轴承故障诊断
被引量：
4
3
作者
刘武强
杨小强
申金星
机构
陆军工程大学野战工程学院
出处
《机械强度》
CAS
CSCD
北大核心
2022年第1期9-18,共10页
基金
国家重点研发计划(2016YFC0802904)资助~~。
文摘
多尺度模糊熵能够较好的量化振动信号的复杂程度,但缺乏对其他信道信息的有效利用,为了充分利用其他信道的振动信息,将表征同步多通道数据多变量复杂度的多变量熵理论应用到轴承故障诊断中。为了准确提取轴承信号中的故障特征,提出了基于自适应噪声完备集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和精细复合广义多变量多尺度模糊熵(Refined Composite Generalized Multivariate Multiscale Fuzzy Entropy,RCGmvMFE)的轴承多故障诊断方法。首先利用CEEMDAN对多信道的源信号进行分解获得无模式混叠的IMF。然后采用相关性分析方法对IMF分量进行筛选,选出对故障特征敏感的IMF作为多通道数据构成多元变量,并计算其RCGmvMFE组成故障特征。随后采用t分布随机邻域嵌入(t-distributed Stochastic Neighbor Embedding,t-SNE)对高维特征进行维数约简。最后利用鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化核极限学习机(Kernel Extreme Learning Machine,KELM)对低维故障特征进行分类。实验结果表明,该方法能够有效地诊断轴承不同程度的故障,为滚动轴承的故障诊断提供了补充方法。
关键词
CEEMDAN
精细复合广义多变量多尺度
模糊
熵
敏感IMF
t
分布随机邻域嵌入
流行学习
滚动轴承
故障诊断
Keywords
CEEMDAN
RCGmvMFE
Sensi
t
ive IMF
t
-dis
t
ribu
t
ed s
t
ochas
t
ic neighbor embedding
Manifold learning
Rolling bearings
Faul
t
diagnosis
分类号
TH165.3 [机械工程—机械制造及自动化]
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
基于模糊Havrda-Charvát熵与混沌PSO算法的红外人体图像分割
聂方彦
高潮
郭永彩
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2010
3
在线阅读
下载PDF
职称材料
2
基于集成精细复合多元多尺度模糊熵的齿轮箱故障诊断
杨小强
宫建成
安立周
刘晓明
《机电工程》
CAS
北大核心
2023
1
在线阅读
下载PDF
职称材料
3
基于自适应RCGmvMFE和流行学习的滚动轴承故障诊断
刘武强
杨小强
申金星
《机械强度》
CAS
CSCD
北大核心
2022
4
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
