双树复小波域隐Markov树模型降噪及在机械故障诊断中的应用 Denoising method based on hidden Markov tree model in dual tree complex wavelet domain and its application in mechanical fault diagnosis.pdfVIP

下载本文档

0
0
约1.92万字
约 6页
2017-12-13 发布于上海
举报
版权申诉

双树复小波域隐Markov树模型降噪及在机械故障诊断中的应用 Denoising method based on hidden Markov tree model in dual tree complex wavelet domain and its application in mechanical fault diagnosis.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

振动与冲击 OFVIBRATIONANDSHOCK 第30卷第6期 JOURNAL 双树复小波域隐Markov树模型降噪及在机械故障诊断中的应用苏文胜1’2，王奉涛1，朱泓1，张志新1，李宏坤1，郭正刚1 (1．大连理工大学机械学院振动工程研究所，大连1 摘要：提出一种基于双树复小波变换的隐Markov树模型的信号降噪方法，并将其成功应用于机械故障诊断中。机械设备的振动信号中不可避免地存在着噪声，使得微弱故障信息的提取一直是故障诊断的难点和热点。双树复小波变换具有近似平移不变性，而隐Markov树模型能有效刻画小波系数间的相关性和非高斯性，两种优势的结合可以获得比常规软、硬阈值小波降噪法和小波域隐Markov树模型降噪法更好的降噪效果。它不仅能有效抑制高斯白噪声，还能够去除异常冲击干扰，仿真信号验证了这一点。对于实际滚动轴承信号，使用该方法同样可以获得满意的结果。关键词：双树复小波变换；隐马尔可夫树模型；降噪；故障诊断中图分类号：THl32；TN911．72；TP206+．3文献标识码：A methodbasedonhiddenMarkovtreemodelindualtree Denoising complex waveletdomainandits inmechanicalfault application diagnosis SU Wen—shen91，2，WANGFeng—ta01，ZHU Zhi—xinl，LI Hon91，ZHANGHong—kunl，GUO ofVibration ofMechanical (1．Institute of 1 Engineering，SchoolEngineering，DalianUniversityTechnology，Dalian16024，China； Province InstituteWuxi 2．Jiangsu SpecialEquipmentSafetySupervisionInspection Branch，Wuxi214171，China) NoiseiS inmechanicalvibration makestheextraction Abstract： inevitablypresent signal．which ofweakfault informationbecomethedifficultand offault dual point hotspot tree wavelettransformisofthe diagnosis．Sincecomplex of translationinvariancewhile tree hiddenMarkovmodelcan describethe propertyapproximate effectively betweenwavelet asthe coefficientsaswell non—Gaussiannatureofthesecoemcients．amethod these