导读:本文包含了数学形态特征论文开题报告文献综述及选题提纲参考文献,主要关键词:滚动轴承,性能退化,信息熵,形态学
数学形态特征论文文献综述
高洪波[1](2019)在《基于数学形态谱熵的机械部件性能退化特征提取》一文中研究指出提出了基于数学形态谱熵的性能退化特征提取方法。首先对机械状态振动信号进行多尺度形态分解,建立数学形态谱,在此基础上,结合信息熵理论,度量振动信号在不同尺度域划分下的形态复杂性。实验结果表明,以数学形态谱熵作为特征参数,可以有效地描述轴承、齿轮等旋转机械部件的性能退化趋势。(本文来源于《机电信息》期刊2019年27期)
齐嘉兴,崔伟成,赵修平[2](2019)在《基于局部特征尺度分解和数学形态滤波的齿轮故障诊断方法研究》一文中研究指出为了实现齿轮故障的精确诊断,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于局部特征尺度分解(LCD)和数学形态滤波的齿轮故障诊断方法。首先,对齿轮振动信号进行局部特征尺度分解,得到若干内禀尺度分量(ISC);然后,依据峭度准则,选取峭度最大的ISC作为故障特征分量,再运用形态差值滤波器对其进行滤波;最后,对滤波结果求取频谱并进行故障诊断。通过对仿真结果和实验数据的分析,说明了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取故障冲击特征的能力,能够有效地实现齿轮故障的精确诊断。(本文来源于《机械传动》期刊2019年07期)
吴荣泉,张建庆,黄咏梅,方义亮,高博[3](2018)在《翅膀数学形态特征在3种伊蚊鉴定中的初步应用研究》一文中研究指出目的探讨蚊虫翅膀数学形态特征在常见蚊虫鉴定中的应用价值。方法利用matlab 7.0获取埃及伊蚊、白纹伊蚊和刺扰伊蚊3种常见伊蚊7个Hu矩值和10个改进Hu矩值,并通过判别分析对数据进行统计分析。结果以Hu1、Hu2、Hu3、Hu4及Hu7 5个指标作为蚊虫鉴定的参数,对3种伊蚊进行鉴定,准确率为83.33%。结论蚊翅数学形态特征可用于伊蚊的鉴定,为蚊种鉴定提供了新思路。(本文来源于《医学动物防制》期刊2018年10期)
潘鹏亮,史洪中,尹新明,王国君,刘红敏[4](2017)在《梨冠网蝽数学形态特征的提取与分析》一文中研究指出【目的】利用图像处理技术获取昆虫外部数学形态特征,并用于雌雄个体判别,对其远程鉴定具有重要意义。本研究的目的是通过对图像获取技术的研究,获得梨冠网蝽Stephanitis nash Esaki et Takeya雌雄个体差异的参数指标。【方法】利用中国农业大学IPMist实验室开发的BugShape(v1.0)软件对梨冠网蝽成虫的外部数学形态特征进行提取,并使用SPSS(v22.0)对数据进行分析。【结果】扫描分辨率高低对部分参数有显着影响,其中周长、中胸宽、中胸宽/腹宽等参数随着分辨率的增加而增大。软件自动测量参数(面积、等效圆半径、偏心率、紧凑度、圆形度)和手动测量参数(中胸宽、腹宽、体长/中胸宽、体长/腹宽、中胸宽/腹宽)在雌雄个体间存在显着差异。在4800dpi时,手动测量梨冠网蝽的体长为2.25mm左右,雌性成虫的中胸宽和腹宽分别比雄性成虫宽0.02mm和0.19mm。在1200dpi分辨率下,利用手动测量参数对雌雄个体进行判别时,交叉验证判别正确率达99%,仅使用自动测量参数进行判别时,交叉验证判别的正确率为79%,而同时使用两类参数时,交叉验证判别正确率为97%。【结论】利用图像处理技术对梨冠网蝽进行雌雄识别时扫描的最佳分辨率为1200dpi,获取到的部分参数在雌雄个体间存在显着差异,可以作为判别其两性的参考指标。(本文来源于《应用昆虫学报》期刊2017年03期)
龚廷恺,袁晓辉,王细洋[5](2016)在《最小熵反褶积的数学形态法在滚动轴承故障特征提取中的应用》一文中研究指出针对强噪声背景下滚动轴承故障特征提取,提出了基于最小熵反褶积的数学形态法。该方法先应用最小熵反褶积算法加强信号中的冲击特性,再利用数学形态法进行故障特征提取,其中选取具有双向脉冲提取能力的DIF滤波器作为形态算子,并以峭度值作为结构元素长度选取依据。仿真信号和滚动轴承的内外故障实例分析表明该方法具有较好的特征提取效果。通过对比发现:最小熵反褶积算法能够增大信号中峭度值,有效加强信号脉冲特性。(本文来源于《中国机械工程》期刊2016年18期)
李阳,沈佐锐,董学超,苏筱雨,黄大庄[6](2016)在《利用翅的数学形态特征对20种夜蛾进行分类鉴定的研究》一文中研究指出为研究夜蛾右前翅的数学形态特征作为分类依据的可行性,以夜蛾科20种夜蛾(每种20个)的右前翅为对象,应用BugShape软件提取其偏心率、球状性、似圆度、矩形度、延长度、叶状性和不变矩Hu1、Hu2等13项数学形态特征,对13项数学形态特征平均值进行方差分析,结果表明:13项数学形态特征参数组间差异极显着(P<0.01),都可以对夜蛾科进行分类鉴定;400个样本13个特征参数统计分析后,其中矩形度、偏心率、似圆度、延长度、叶状性、Hu1、Hu6、球状性、Hu4和Hu7等10个可以作为分类依据的指标,其贡献大小为矩形度>偏心率>似圆度>Hu1>Hu4>球状性>延长度>叶状性>Hu6>Hu7。用筛选出的10个指标建立判别函数和分层聚类,其判别正确率为84.3%,聚类分析的亲缘关系图谱和传统分类学分类结果基本相符。夜蛾右前翅的数学形态特征可以作为夜蛾科进行分类鉴定的依据。(本文来源于《中国农业大学学报》期刊2016年09期)
刘鹏,李洪儒,许葆华[7](2016)在《基于数学形态梯度谱熵的性能退化特征提取方法及其应用》一文中研究指出针对数学形态谱熵难以准确描述信号的形态复杂度以及性能退化趋势评价效果不理想的问题,提出一种基于数学形态梯度谱熵的性能退化特征提取方法。该方法利用形态梯度算子在信号处理中能有效提取故障特征信息并抑制噪声的优势,将其引入到形态谱熵的定义中,得到数学形态梯度谱熵的概念。通过对仿真信号进行分析,验证了所提出的形态梯度谱熵作为信号复杂度指标的合理性与有效性。最后,将该方法应用到滚动轴承的性能退化研究中,结果表明,形态梯度谱熵能有效反映滚动轴承的性能退化趋势。(本文来源于《振动与冲击》期刊2016年16期)
苏筱雨,蔡小娜,李阳,沈佐锐,黄大庄[8](2016)在《利用翅的数学形态特征对8种金龟子进行分类鉴定》一文中研究指出为探讨金龟子前翅数学形态特征用于金龟子分类及亲缘关系判别的可行性,以丽金龟科、花金龟科和鳃金龟科3个科8种金龟子为研究对象,应用BugShape 1.0软件提取金龟子右鞘翅偏心率、叶状性、球状性、似圆度、紧凑度和7个Hu不变矩等12项数学形态特征,最后进行方差分析和聚类分析。方差分析结果表明所提取的特征参数在种内无显着差异(Sig>0.01),而在种间差异极显着(Sig<0.01),说明形态特征参数均能用于金龟子分类鉴定。聚类分析结果表明,从数学形态学角度出发,8种金龟子亲缘关系远近为小青花金龟子与白星花金龟子,大云斑鳃金龟子与华北大黑鳃金龟子,苹毛金龟子与黑绒金龟子的亲缘关系较近,而铜绿丽金龟子与黄褐金龟子与其他种类的亲缘关系较远。(本文来源于《中国农业大学学报》期刊2016年07期)
高洪波,刘杰,李允公[9](2015)在《基于改进数学形态谱的齿轮箱轴承故障特征提取》一文中研究指出特征提取是实现故障模式识别的关键环节。针对传统数学形态谱在计算速度及故障模式区分能力上的不足,将数学形态腐蚀运算引入到形态谱计算中,提出一种基于改进数学形态谱的特征提取方法,该方法可以表征信号不同分析尺度下的形态特征,进而区分信号所反映的运行状态。引入仿真信号对该方法的有效性进行对比验证,结果表明:与传统数学形态谱相比,改进的数学形态谱可以有效地区分机械设备的不同故障状态,稳定性强、计算速度更快。在此基础上对不同参数的影响效果进行了分析。最后,采用实测滚动轴承振动信号验证了该方法在实际工程应用中的有效性。(本文来源于《振动工程学报》期刊2015年05期)
李洪儒,王余奎,王冰,许葆华,李兴林[10](2015)在《面向广义数学形态颗粒特征的灰色马尔科夫剩余寿命预测方法》一文中研究指出在滚动轴承状态监测与故障预测领域中,针对滚动轴承退化特征提取这一关键问题,提出了一种基于广义数学形态颗粒的特征提取新方法,该方法以数学形态颗粒分析为理论基础,在形态运算中引入腐蚀和膨胀算子,以计算出的广义数学形态颗粒值作为特征指标,定量地反映滚动轴承的性能退化程度。分别通过仿真信号和实例信号对该方法进行了有效性验证。在此基础上,为准确拟合滚动轴承性能退化过程的整体趋势与随机波动规律,将灰色马尔科夫模型应用到滚动轴承剩余寿命预测中,从而建立一种基于广义数学形态颗粒与灰色马尔科夫模型的剩余寿命预测方法。依托杭州轴承试验研究中心进行了滚动轴承疲劳寿命强化试验,以采集得到的轴承内圈全寿命试验数据验证了方法的有效性。(本文来源于《振动工程学报》期刊2015年02期)
数学形态特征论文开题报告
(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:
为了实现齿轮故障的精确诊断,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于局部特征尺度分解(LCD)和数学形态滤波的齿轮故障诊断方法。首先,对齿轮振动信号进行局部特征尺度分解,得到若干内禀尺度分量(ISC);然后,依据峭度准则,选取峭度最大的ISC作为故障特征分量,再运用形态差值滤波器对其进行滤波;最后,对滤波结果求取频谱并进行故障诊断。通过对仿真结果和实验数据的分析,说明了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取故障冲击特征的能力,能够有效地实现齿轮故障的精确诊断。
(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。
数学形态特征论文参考文献
[1].高洪波.基于数学形态谱熵的机械部件性能退化特征提取[J].机电信息.2019
[2].齐嘉兴,崔伟成,赵修平.基于局部特征尺度分解和数学形态滤波的齿轮故障诊断方法研究[J].机械传动.2019
[3].吴荣泉,张建庆,黄咏梅,方义亮,高博.翅膀数学形态特征在3种伊蚊鉴定中的初步应用研究[J].医学动物防制.2018
[4].潘鹏亮,史洪中,尹新明,王国君,刘红敏.梨冠网蝽数学形态特征的提取与分析[J].应用昆虫学报.2017
[5].龚廷恺,袁晓辉,王细洋.最小熵反褶积的数学形态法在滚动轴承故障特征提取中的应用[J].中国机械工程.2016
[6].李阳,沈佐锐,董学超,苏筱雨,黄大庄.利用翅的数学形态特征对20种夜蛾进行分类鉴定的研究[J].中国农业大学学报.2016
[7].刘鹏,李洪儒,许葆华.基于数学形态梯度谱熵的性能退化特征提取方法及其应用[J].振动与冲击.2016
[8].苏筱雨,蔡小娜,李阳,沈佐锐,黄大庄.利用翅的数学形态特征对8种金龟子进行分类鉴定[J].中国农业大学学报.2016
[9].高洪波,刘杰,李允公.基于改进数学形态谱的齿轮箱轴承故障特征提取[J].振动工程学报.2015
[10].李洪儒,王余奎,王冰,许葆华,李兴林.面向广义数学形态颗粒特征的灰色马尔科夫剩余寿命预测方法[J].振动工程学报.2015