国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 IP管家助手 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜南京航空航天大學王體春獲國家專利權

恭喜南京航空航天大學王體春獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網恭喜南京航空航天大學申請的專利一種基于自適應稀疏表示的齒輪振動信號壓縮感知方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN119363127B

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202411907512.6,技術領域涉及:H03M7/30;該發明授權一種基于自適應稀疏表示的齒輪振動信號壓縮感知方法是由王體春;夏天;靳廣虎;劉新華設計研發完成,并于2024-12-24向國家知識產權局提交的專利申請。

一種基于自適應稀疏表示的齒輪振動信號壓縮感知方法在說明書摘要公布了:本發明公開了一種基于自適應稀疏表示的齒輪振動信號壓縮感知方法,具體涉及信號處理和機械故障診斷技術領域,首先利用多通道振動傳感器采集齒輪振動信號,進行預處理以獲得高質量信號;然后,采用改進的K?SVD算法構建自適應稀疏字典,提高信號的稀疏表示能力;接著,設計滿足限制等距性質(RIP)的優化測量矩陣,包括加權隨機Toeplitz矩陣和循環矩陣的組合,實現高效的壓縮采樣;在信號重建階段,引入正則化項并采用改進的正交匹配追蹤(OMP)算法,提高重建精度和抗噪性能。該方法顯著提高了信號重建精度和處理效率,適用于實時監測和故障診斷領域。

本發明授權一種基于自適應稀疏表示的齒輪振動信號壓縮感知方法在權利要求書中公布了:1.一種基于自適應稀疏表示的齒輪振動信號壓縮感知方法,包括以下步驟:(1)數據采集與預處理:1.1)使用多通道振動傳感器采集齒輪振動信號,得到原始信號集合;1.2)對原始信號進行去除直流分量、歸一化和降噪處理,得到預處理后的信號集合;其特征在于:(2)自適應稀疏字典學習:2.1)采用改進的K-SVD算法對預處理信號進行字典學習,構建自適應稀疏字典和稀疏系數矩陣,以提高信號的稀疏表示能力;(3)優化測量矩陣設計:3.1)構建加權隨機Toeplitz矩陣和循環矩陣的組合測量矩陣;(4)壓縮采樣:4.1)對每個通道的預處理信號進行壓縮采樣,得到壓縮測量值;其中,為第個通道的壓縮測量值;(5)信號重建:5.1)采用改進的OMP算法,利用測量值、測量矩陣和自適應稀疏字典,求解稀疏系數,重建信號,并引入正則化項和自適應閾值,以提高重建精度和抗噪性能;改進的OMP算法具體步驟如下:5.1)初始化:5.1.1)殘差;5.1.2)支撐集;5.1.3)迭代次數;5.2)迭代過程:5.2.1)原子選擇:,其中為的第列,表示第k次迭代中選擇的原子,即字典矩陣的第列;表示字典矩陣的第j向量;表示第k次迭代的殘差向量;表示第j列原子向量與殘差向量的內積;表示第j列與納茲向量的范數,即向量的歐幾里得長度;表示取得目標函數最大的j值;5.2.2)支撐集S更新:;5.2.3)稀疏系數計算:求解以下優化問題:,其中,當前的觀測信號,即測量值,是經過測量矩陣壓縮后的信號;表示信號重構誤差,即觀測信號和通過字典重建信號之間的誤差平方;表示稀疏系數的范數;為自適應稀疏字典中對應支撐集的列子集,表示正則化參數;5.2.4)殘差更新:,其中,第k+1次迭代的殘差,表示當前信號重構的未解釋部分;表示迭代中得到的重構信號;5.2.5)終止條件:如果或,則停止迭代;其中,表示殘差的范數,表示當前迭代中殘差的大小;是預設的殘差容忍閾值,表示迭代可以接受的最小誤差;表示最大迭代次數;5.1)輸出:重建信號:,其中,表示重構后信號,表示最優稀疏系數;(6)結果輸出:6.1)輸出重建后的信號集合,用于后續分析和處理,重建信號應用于頻譜分析、特征提取和故障診斷。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人南京航空航天大學,其通訊地址為:210016 江蘇省南京市秦淮區御道街29號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 邵武市| 北京市| 太仓市| 梁山县| 岚皋县| 和政县| 高邮市| 政和县| 汤阴县| 华坪县| 抚顺县| 秭归县| 元阳县| 体育| 兴国县| 海南省| 焉耆| 昌吉市| 乌拉特前旗| 台州市| 东安县| 尖扎县| 台湾省| 泽州县| 南通市| 油尖旺区| 福海县| 神池县| 营口市| 科技| 太白县| 曲麻莱县| 湘潭县| 西峡县| 章丘市| 阜南县| 绥芬河市| 佳木斯市| 凤翔县| 句容市| 阿坝|