【故障诊断】用于轴承故障诊断的性能增强时变形态滤波方法及用于轴承断层特征提取的增强数学形态算子研究(Matlab代码实现)

简介: 【故障诊断】用于轴承故障诊断的性能增强时变形态滤波方法及用于轴承断层特征提取的增强数学形态算子研究(Matlab代码实现)

💥 💥 💞 💞 欢迎来到本博客 ❤️ ❤️ 💥 💥



🏆 博主优势: 🌞 🌞 🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。



⛳ 座右铭:行百里者,半于九十。


📋 📋 📋 本文目录如下: 🎁 🎁 🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现


💥1 概述

形态学滤波是从集合论推导出的典型非线性信号处理方法。在这种方法中,可以通过与指定的结构元件(SE)相互作用来挖掘信号中的脉冲特征。SE的参数(即形状、高度和长度)选择对形态过滤结果有重要影响。针对该问题,该文提出一种自适应时变形态滤波(ATVMF)方法。ATVMF可以根据待分析信号的固有特性自适应地确定SE的形状和尺度,有效提高瞬态特征提取能力和计算效率。此外,还提出了广义形态产物算子(GMPO)的定义,可以构造新的形态积算子进行特征提取。


📚2 运行结果




部分代码:

function [ y ] = ATVMF( x, interp_method, operator )
% Algorithm name: Adaptive Time-Varying Morphological Filtering (ATVMF)
%
% Algorithm description: This method can achieve adaptive morphological filtering,
% in which a time-varying structure element (TVSE) is adaptively designed
% based on the characteristics of a signal and is no longer fixed.
%
% Input:
% x: signal to be analyzed (a vector)
% interp_method: selected interpllation method, such as 'spline', 'pchip',
% 'linear' and 'nearest', in which 'spline' is recommended.
% 'spline' -- cubic spline interpolation
% 'pchip' -- cubic Hermitian interpolation
% 'linear' -- piecewise linear interpolation
% 'nearest' -- nearest neighbor interpolation
% operator: selected morphological operator, see sub-function 'MF_operator'
%
% Output:
% y: morphological filtered signal
x = x(:)-mean(x); % a vector
N = length(x);
[indmin, indmax] = extreme_points(x); % Determine the location of local minima and maxima
% indmin -- the position of the local minimum point in the sequence x
% indmax -- the position of the local maximum point in the sequence x
tmin = indmin;
tmax = indmax;
xmin = x(tmin); % The magnitude of the local minimum point
xmax = x(tmax); % The magnitude of the local maximum point
% Sorting of local minimum and maximum points
textra = zeros(1,length(tmin)+length(tmax));
xextra = zeros(1,length(xmin)+length(xmax));
if tmin(1) < tmax(1) % The first extreme point is the minimum point
if tmin(end) > tmax(end) % The last extreme point is the minimum point
textra(1) = tmin(1);
xextra(1) = xmin(1);
for i = 1:length(tmax)
textra(2*i) = tmax(i);
textra(2*i+1) = tmin(i+1);
xextra(2*i) = xmax(i);
xextra(2*i+1) = xmin(i+1);
end
else % The last extreme point is the maximum point
for i = 1:length(tmax)
textra(2*i-1) = tmin(i);
textra(2*i) = tmax(i);
xextra(2*i-1) = xmin(i);
xextra(2*i) = xmax(i);
end
end
else % The first extreme point is the maximum point
if tmin(end) < tmax(end) % The last extreme point is the maximum point
textra(1) = tmax(1);
xextra(1) = xmax(1);
for i = 1:length(tmin)
textra(2*i) = tmin(i);
textra(2*i+1) = tmax(i+1);
xextra(2*i) = xmin(i);
xextra(2*i+1) = xmax(i+1);
end
else % The last extreme point is the minimum point
for i = 1:length(tmin)
textra(2*i-1) = tmax(i);
textra(2*i) = tmin(i);
xextra(2*i-1) = xmax(i);
xextra(2*i) = xmin(i);
end
end
end
% Selection of 'interp_method'
env = interp1(textra,xextra,textra(1):textra(end),interp_method);
delta = textra(1)-1;
S = length(indmin)-1; % number of SE
y = []; % output initialization
for s = 1:S
xnew = x(indmin(s)+1:indmin(s+1));
g = env(indmin(s)+1-delta:indmin(s+1)-delta);
g = g-min(g);
% the morphological filtering result
ynew = MF_operator( xnew, g, operator );
y = [y; ynew];
end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% sub-function
function d = dilation(f,g)
% Morphological dilation operation
N = length(f);
M = length(g);
dtmp = f;
for i = 1:N
for j = 1:M
if (i-j) >= 1 && (i-j) <= N
tmp = f(i-j) + g(j);
if tmp > dtmp(i)
dtmp(i) = tmp;
end
end
end
end
d = dtmp;
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% sub-function
function e = erosion(f,g)
% Morphological erosion operation
N = length(f);
M = length(g);
dtmp = f;
for i = 1:N
for j = 1:M
if (i+j) >= 1 && (i+j) <= N
tmp = f(i+j) - g(j);
if tmp < dtmp(i)
dtmp(i) = tmp;
end
end
end
end
e = dtmp;
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% sub-function
function y = MF_operator( x, g, operator )
% Morphological operators
%
a1 = dilation(x,g); % dilation
a2 = erosion(a1,g); % closing
a3 = erosion(a2,g);
a4 = dilation(a3,g); % closing-opening
%
b1 = erosion(x,g); % erosion
b2 = dilation(b1,g); % opening
b3 = dilation(b2,g);
b4 = erosion(b3,g); % opening-closing
if strcmp(operator,'Gde') == 1
y = a1-b1;
elseif strcmp(operator,'Gco') == 1
y = a2-b2;
elseif strcmp(operator,'Gcooc') == 1
y = a4-b4;
elseif strcmp(operator,'AHde') == 1
y = x-(a1+b1)/2;
elseif strcmp(operator,'AHco') == 1
y = x-(a2+b2)/2;
elseif strcmp(operator,'AHcooc') == 1
y = x-(a4+b4)/2;
elseif strcmp(operator,'MGPO1') == 1
y = (a1-b1).*(a2-b2);
elseif strcmp(operator,'MGPO2') == 1
y = (a1-b1).*(a4-b4);
elseif strcmp(operator,'MGPO3') == 1


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]陈斌, 宋大鹏, 张伟, 程彦, 王志, 一种用于轴承故障诊断的性能增强时变形态滤波方法, 测量学报 (2021) 109163.


[2]陈斌, 程彦, 张文, 梅国, 用于轴承断层特征提取的增强数学形态算子研究, ISA Trans. (2021)


[3]B. Chen, D. Song, W. Zhang, Y. Cheng, Z. Wang, A performance enhanced time-varying morphological filtering method for bearing fault diagnosis, Meas. J. Int. Meas. Confed. 176 (2021) 109163.


[4]B. Chen, Y. Cheng, W. Zhang, G. Mei, Investigation on enhanced mathematical morphological operators for bearing fault feature extraction, ISA Trans. (2021). https://doi.org/10.1016/j.isatra.2021.07.027.


🌈4 Matlab代码实现


相关文章
|
6月前
|
传感器 算法 计算机视觉
基于肤色模型和中值滤波的手部检测算法FPGA实现,包括tb测试文件和MATLAB辅助验证
该内容是关于一个基于肤色模型和中值滤波的手部检测算法的描述,包括算法的运行效果图和所使用的软件版本(matlab2022a, vivado2019.2)。算法分为肤色分割和中值滤波两步,其中肤色模型在YCbCr色彩空间定义,中值滤波用于去除噪声。提供了一段核心程序代码,用于处理图像数据并在FPGA上实现。最终,检测结果输出到&quot;hand.txt&quot;文件。
|
6月前
|
算法
【MATLAB】语音信号识别与处理:移动中位数滤波算法去噪及谱相减算法呈现频谱
【MATLAB】语音信号识别与处理:移动中位数滤波算法去噪及谱相减算法呈现频谱
89 2
|
1月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于MSER和HOG特征提取的SVM交通标志检测和识别算法matlab仿真
### 算法简介 1. **算法运行效果图预览**:展示算法效果,完整程序运行后无水印。 2. **算法运行软件版本**:Matlab 2017b。 3. **部分核心程序**:完整版代码包含中文注释及操作步骤视频。 4. **算法理论概述**: - **MSER**:用于检测显著区域,提取图像中稳定区域,适用于光照变化下的交通标志检测。 - **HOG特征提取**:通过计算图像小区域的梯度直方图捕捉局部纹理信息,用于物体检测。 - **SVM**:寻找最大化间隔的超平面以分类样本。 整个算法流程图见下图。
|
4月前
|
算法
基于kalman滤波的UAV三维轨迹跟踪算法matlab仿真
本文介绍了一种使用卡尔曼滤波(Kalman Filter)对无人飞行器(UAV)在三维空间中的运动轨迹进行预测和估计的方法。该方法通过状态预测和观测更新两个关键步骤,实时估计UAV的位置和速度,进而生成三维轨迹。在MATLAB 2022a环境下验证了算法的有效性(参见附图)。核心程序实现了状态估计和误差协方差矩阵的更新,并通过调整参数优化滤波效果。该算法有助于提高轨迹跟踪精度和稳定性,适用于多种应用场景,例如航拍和物流运输等领域。
235 12
|
5月前
|
机器学习/深度学习 算法
基于BP神经网络和小波变换特征提取的烟草香型分类算法matlab仿真,分为浓香型,清香型和中间香型
```markdown 探索烟草香型分类:使用Matlab2022a中的BP神经网络结合小波变换。小波分析揭示香气成分的局部特征,降低维度,PCA等用于特征选择。BP网络随后处理这些特征,以区分浓香、清香和中间香型。 ```
|
5月前
|
算法 数据可视化 数据挖掘
MATLAB中常用的数学函数及其应用示例
MATLAB中常用的数学函数及其应用示例
基于高通滤波器的ECG信号滤波及心率统计matlab仿真
**摘要:** 使用MATLAB2022a,实施高通滤波对ECG信号预处理,消除基线漂移,随后分析心率。系统仿真展示效果,核心代码涉及IIR HPF设计,如二阶滤波器的差分方程。通过滤波后的信号,检测R波计算RR间期,从而得到心率。滤波与R波检测是心电生理研究的关键步骤,平衡滤波性能与计算资源是设计挑战。
|
5月前
|
机器学习/深度学习 算法 语音技术
基于语音信号MFCC特征提取和GRNN神经网络的人员身份检测算法matlab仿真
**语音识别算法概览** MATLAB2022a中实现,结合MFCC与GRNN技术进行说话人身份检测。MFCC利用人耳感知特性提取语音频谱特征,GRNN作为非线性映射工具,擅长序列学习,确保高效识别。预加重、分帧、加窗、FFT、滤波器组、IDCT构成MFCC步骤,GRNN以其快速学习与鲁棒性处理不稳定数据。适用于多种领域。
|
6月前
matlab使用hampel滤波,去除异常值
matlab使用hampel滤波,去除异常值
|
6月前
|
数据安全/隐私保护
matlab 曲线光滑,去毛刺,去离群值,数据滤波,高通滤波,低通滤波,带通滤波,带阻滤波
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度

热门文章

最新文章

下一篇
无影云桌面