搜索资源列表
11
- 介绍了一种基于振动信号隐马尔可夫模型(HMM)的新的齿轮故障检测和诊断方案。 首先从振动信号中提取特征,这些信号既包括正常齿轮也包括故障齿轮,特征以振动信号自回归模 型的多项式传递函数的反射系数为基础。这些特征用来训练HMM归类各种齿轮状况。经过试验 验证,用这些特征判断故障的准确性很高。 -:A newgear fault detection and diagnosis scheme based on Hidden MarkovModel (HMM) of vibra- t
71
- 平移不变量小波去噪方法是对Donoho阈值法的改进,该方法不仅能有效地抑制伪吉布斯现象,而且 能减小原始信号和估计信号之间的均方根误差,提高信噪比。将这种方法用于变速箱齿轮故障信号的去噪处理,同 时与阈值法去噪的结果进行比较。结果表明,该方法可以有效地去除强噪声的干扰,提取齿轮故障特征信息,具有 很好的工程实用性。 -Vector spectrumHilbert demodulation analysis method based on the same source data
11
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过 对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网 络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能 够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有 效、可行。 -Fault Diagnosis of Vehicle Transmissi
12
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有效、可行。 -Fault Diagnosis of Vehicle Transmission Gear Base
13
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网 络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能 够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有 效、可行。 -Based on time series analysis and BP neu
14
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网 络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能 够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有 效、可行。 -Based on time series analysis and BP neu
15
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网络训练,从而实现变速器齿轮运行状态的识别与故障诊断。 -Based on time series analysis and BP neural networks, a fault diagnosis is built for vehicle transmission gear
ROC-plot
- 试者工作特征曲线 （receiver operating characteristic curve，简称ROC曲线），又称为感受性曲线（sensitivity curve）。得此名的原因在于曲线上各点反映着相同的感受性，它们都是对同一信号刺激的反应，只不过是在几种不同的判定标准下所得的结果而已。接受者操作特性曲线就是以虚报概率为横轴，击中概率为纵轴所组成的坐标图，和被试在特定刺激条件下由于采用不同的判断标准得出的不同结果画出的曲线。-PLOTROC Plot receiver operating
wavelet-application-
- 小波分析是目前国际上最新的时频分析工具，在图像处理方面有着广泛地 应用。分形概念的出现为人们认识事物的局部与整体的关系提供了一种辨证的 思维方式，分形维是其主要的定量特征。小波分析是采用局部对整体依赖性的 系统方法，而分形则研究局部信号以确定信号的整体特性-Wavelet analysis is internationallyrecognizedup totheminutetoolfor allalyzing time-frequency，And it w
EMD-When-frequency-analysis
- 研究了经验模态分解与希尔伯特变换相结合的提取信号瞬时特征的EMD/HS法，并对其性能进行了分析-EMD/HS method to study the transient characteristics of the empirical mode decomposition and Hilbert transform combining the extracted signal, and its performance is analyzed
bp
- BP神经网络的数据分类-语音特征信号分类1- 四个特征信号矩阵合成一个矩阵 data(1:500,:)=c1(1:500,:) data(501:1000,:)=c2(1:500,:) data(1001:1500,:)=c3(1:500,:) data(1501:2000,:)=c4(1:500,:) 从1到2000间随机排序 k=rand(1,2000) [m,n]=sort(k) 输入输出数据 input=data(:,2:
recognition
- 本实验语音库为免费的柏林情感语音库，其采样频率为16KHZ，16bit量化。该语音库共有500 句情感语音信号，分别由十名专业演员(5 男，5 女)在不同情感状态下（高兴、愤怒、平静、悲伤、害怕、厌烦、憎恨）朗读十句不同文本的德语组成。本实验选取其中的部分情感（高兴、愤怒、悲伤）加以识别。仿真实验环境为MATLAB7.0。 实验选取的情感特征为短时平均能量、短时平均幅度、基频和短时过零率。为了降低不同人在表达不同情感时的个人差异造成的影响，本文实验过程中将提取的情感特征进行归一化处理。归一化
GPR-signal-Feature-extraction
- 关于探地雷达回波信号的特征提取和分类方法研究-About GPR echo signal feature extraction, classification and research methods
small-target-detection-
- 介绍了经典的时频分布和检测理论的同时，作者利用时频分布的方法，将一 维时间信号转化到二维的时频空间中，通过提取图像的特征来判决信号和杂波， 采用的数据是使用McMaster IPIX雷达，在加拿大东海岸附近测得的。实测数据 研究表明此方法可以得到很好的检测结果。 -In this paper,we first review the time-frequency analysis and time -frequency-based detection methods.
BP
- BP神经网络的数据分类-语音特征信号分类 4类数据data1、data2、data3、data4。 通过自编BP网络进行信号识别。 同时加以改进，附加栋梁和边学习率学习算法。-The BP neural network of data classification-voice characteristic signal classification Four kinds of data, data2, data3 data1, data4. Through the editi
2005local-mean-decomposition
- 2005年J.S.Smith提出的局域均值分解LMD(Local mean decomposition)的原始文献，该方法可用于故障诊断、特征提取、振动信号分析等多领域，是较EMD更为温和的一种自适应算法，目前是热门研究方法。-This is the original article about LMD——Local mean decompositon. Ihis method is a novel adaptive decomposition. It is more better than E
yuyinshiyutezheng
- 对语音信号进行处理时需要提取各种特征参数，本程序时对语音信号各种时域特征的描述。-Need to extract the characteristic parameters of the speech signal processing, a descr iption of the voice signal a variety of time-domain characteristics of this program.
BPxh
- 神经网络的数据分类 语音特征信号分类 保证可用-Neural network classification of speech feature data signal classification to ensure availability
dtw
- 本为主要阐述了小波变换在语音信号去噪的应用，语音端点的检测，语音特征的提取及一种简单的语音识别算法。-This is mainly expounds the wavelet transform in the application of speech signal denoising, speech endpoint detection, speech characteristics of the extraction and a simple speech recognition algori
The-BP-neural-network-
- BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程，此代码能实现BP神经网络的数据分类-语音特征信号分类-BP network can learn and store a lot of input and output model mapping relations, without prior reveals describe the mapping relation mathematical equations, the code can realiz