典型文献
基于正则化稀疏滤波的轴承声信号故障诊断方法
文献摘要：
基于声信号的故障诊断由于其所具有的非接触、易安装等优点开始逐渐在机械故障诊断领域中得到广泛应用,但声信号的信噪比低导致其诊断准确率较差,因此急需有效的智能方法以实现噪声背景下的信号特征提取.稀疏滤波算法是一种基于无监督学习的智能特征提取算法,它能够优化特征分布的稀疏性从而得到好的特征表达.为了实现轴承声信号的特征提取和故障诊断,采用稀疏滤波算法从声信号频谱中提取特征,通过对其目标函数添加L2范数约束以减少过拟合现象,然后采用Softmax回归函数作为分类器,实现对不同轴承故障类型的精准识别.最后通过一组特殊设计的轴承故障诊断实验验证了所提方法的有效性.
文献关键词：
故障诊断;声信号;稀疏滤波;L2范数;Softmax回归
中图分类号：
作者姓名：
王峰;张海涛
作者机构：
临沂矿业集团有限责任公司,山东 临沂 276017
文献出处：
引用格式：
[1]王峰;张海涛-.基于正则化稀疏滤波的轴承声信号故障诊断方法)[J].噪声与振动控制,2022(02):114-118
A类：
B类：
正则化,稀疏滤波,声信号,故障诊断方法,非接触,机械故障诊断,诊断准确率,需有,智能方法,信号特征提取,滤波算法,无监督学习,智能特征,特征提取算法,特征分布,稀疏性,特征表达,信号的特征提取,信号频谱,提取特征,L2,范数约束,过拟合,Softmax,分类器,同轴,故障类型,精准识别,特殊设计,轴承故障诊断,诊断实验
AB值：
0.376219
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
