孙丽萍 硕士研究生 |
| 出生日期:1981年12月 |
| 籍 贯:山东 莱州 |
| 邮 箱:slpada@163.com |
| 专 业:安全技术及工程专业 |
| 研究方向:数字图像处理、智能诊断与专家系统、远程故障诊断等 |
| -----发表论文 ----- |
| 孙丽萍, 陈果, 谭真臻. 基于核主成分分析的小波尺度谱图像特征提取[J]. 交通运输工程学报, 2009, 9(5):62-66. 孙丽萍, 陈果, 陈立波, 高绪伟. 基于KPCA的航空发动机滑油滤磨屑图像识别[J]. 机械科学与技术. 谭真臻, 陈果, 孙丽萍. 基于Hilbert谱图特征的航空发动机转子故障智能诊断[J]. 机械科学与技术. 谭真臻, 陈果, 孙丽萍. 基于Hilbert谱时频特征的转子故障智能诊断[J]. 第八届全国交通运输领域青年学术会议.
|
| ---------硕士论文简介--------- |
| 振动信号是旋转机械状态监测与故障诊断的基本信息来源,而这些信号通常为非线性、非高斯的非平稳信号。通过小波变换所得的故障信号的小波尺度谱,其纹理分布及灰度变化能够较好的反映出故障的非平稳特征,对其进行特征提取并应用于故障诊断中,有利于转子故障的智能诊断。目前提出的小波尺度谱特征提取的方法主要有基于小波系数矩阵的一阶灰度矩向量以及尺度谱纹理特征。上述两种尺度谱特征提取的方法,从图像像素的二阶统计特性方面对故障特征进行了描述,提取了较好的故障特征,但未对故障的非线性特征进行相应的分析,忽略了图像中的高阶统计信息。针对上述问题,本文提出了利用核主成分分析(KPCA)对尺度谱图像进行特征的提取,并利用参数自适应支持向量机模型对提取的尺度谱特征进分类,结果表明了该方法对尺度谱特征提取的有效性。 |
| 孙丽萍论文下载<< |
|