【自适应稀疏度量方法和RQAM】疏度测量、RQAM特征、AWSPT和基于AWSPT的稀疏度测量研究(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](#💥1 概述)

[📚2 运行结果](#📚2 运行结果)

[🎉3 参考文献](#🎉3 参考文献)

[🌈4 Matlab代码实现](#🌈4 Matlab代码实现)


💥1 概述

这是一份关于一些经典和新的稀疏度量方法(包括峰度、基尼指数、负熵、Lp/Lq范数、p-q均值、GI2、GI3、广义基尼指数、Box-cox稀疏度量等)。还介绍了自适应稀疏度量方法和RQAM统计特征等更多功能。

这些是稀疏性度量、自适应加权信号预处理技术、自适应稀疏性度量和 RQAM 特征的代码。以基于西安大轴承数据集2-3的图解作为实现示例。

论文[1]是对稀疏性措施的理论研究,并在论文[1]中给出了新的框架RQAM。论文 [2]是一种相关的新方法,它使稀疏性措施能够同时实现明确的早期故障检测和单调退化评估。论文 [3-4] 是使用 RQAM 生成的新的稀疏性度量。我相信通过使用 RQAM 可以轻松生成新的稀疏性度量。

值得指出的是,已经有新的期刊论文发表,其技术路线/基础与作品高度相关[1]和[2]。在这些已发表的论文中开发了一些新的稀疏性度量和RUL预测方法。

[1] 侯斌, 王丹, 夏涛, 王彦, 赵彦, 徐国强, 机器状态监测准算术方法研究, 机械系统信号处理. 151 (2021) 107451. Redirecting

[2] 侯斌, 王丹, 王彦, 闫彤, 彭志, K.-L.Tsui,用于机器健康监测的自适应加权信号预处理技术,IEEE Trans. Instrum。测量 70 (2021) 1--11。Adaptive Weighted Signal Preprocessing Technique for Machine Health Monitoring | IEEE Journals & Magazine | IEEE Xplore

[3] 侯斌, 王丹, 闫彤, 王彦, 彭志, K.-L.Tsui,基尼指数II.和III.:两种新的稀疏性措施及其在机器状态监测中的应用,IEEE/ASME Trans.机电一体化。4435 (2021) 1--1.Gini Indices II and III: Two new Sparsity Measures and Their Applications to Machine Condition Monitoring | IEEE Journals & Magazine | IEEE Xplore

[4] 侯斌, 王丹, 夏彤, L. Xi, Z. Peng, K. Tsui, 广义基尼指数:用于机器状态监测的Box-Cox稀疏性测量的补充稀疏性措施,机械系统信号过程。 169 (2022) 108751. Redirecting

📚 2 运行结果

部分代码:

FeatureVect(:,i) = RQAMfeature(SE,HealthySignal); % % It returns the adaptive

% SM feature vector whose length =11 and RQAM feature whose length is

% also 12. So, FeatureVect(1:12,i) is adaptive SM feature vector,

% FeatureVect(13:end,i) is RQAM feature vector

end

%% Plot SM features for machine condition monitoring

figure,

for i = 1:12

subplot(3,4,i), plot(SparMeaVect(i,:))

end

%% Adaptive SM features for machine condition monitoring

figure,

for i = 1:12

subplot(3,4,i), plot(FeatureVect(i,:))

end

%% RQAM features for machine condition monitoring

figure,

for i = 1:11

subplot(3,4,i), plot(FeatureVect(12+i,:))

end

🎉3 参考文献

文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。

[1] 侯斌, 王丹, 夏涛, 王彦, 赵彦, 徐国强, 机器状态监测准算术方法研究, 机械系统信号处理. 151 (2021) 107451. Redirecting

[2] 侯斌, 王丹, 王彦, 闫彤, 彭志, K.-L.Tsui,用于机器健康监测的自适应加权信号预处理技术,IEEE Trans. Instrum。测量 70 (2021) 1--11。Adaptive Weighted Signal Preprocessing Technique for Machine Health Monitoring | IEEE Journals & Magazine | IEEE Xplore

[3] 侯斌, 王丹, 闫彤, 王彦, 彭志, K.-L.Tsui,基尼指数II.和III.:两种新的稀疏性措施及其在机器状态监测中的应用,IEEE/ASME Trans.机电一体化。4435 (2021) 1--1.Gini Indices II and III: Two new Sparsity Measures and Their Applications to Machine Condition Monitoring | IEEE Journals & Magazine | IEEE Xplore

[4] 侯斌, 王丹, 夏彤, L. Xi, Z. Peng, K. Tsui, 广义基尼指数:用于机器状态监测的Box-Cox稀疏性测量的补充稀疏性措施,机械系统信号过程。 169 (2022) 108751. Redirecting

🌈4 Matlab代码实现

相关推荐
翔云API3 分钟前
PHP静默活体识别API接口应用场景与集成方案
人工智能
浊酒南街10 分钟前
吴恩达深度学习笔记:卷积神经网络(Foundations of Convolutional Neural Networks)4.9-4.10
人工智能·深度学习·神经网络·cnn
Tony聊跨境25 分钟前
独立站SEO类型及优化:来检查这些方面你有没有落下
网络·人工智能·tcp/ip·ip
懒惰才能让科技进步31 分钟前
从零学习大模型(十二)-----基于梯度的重要性剪枝(Gradient-based Pruning)
人工智能·深度学习·学习·算法·chatgpt·transformer·剪枝
Qspace丨轻空间42 分钟前
气膜场馆:推动体育文化旅游创新发展的关键力量—轻空间
大数据·人工智能·安全·生活·娱乐
没有不重的名么43 分钟前
门控循环单元GRU
人工智能·深度学习·gru
Ni-Guvara1 小时前
函数对象笔记
c++·算法
love_and_hope1 小时前
Pytorch学习--神经网络--搭建小实战(手撕CIFAR 10 model structure)和 Sequential 的使用
人工智能·pytorch·python·深度学习·学习
2403_875736871 小时前
道品科技智慧农业中的自动气象检测站
网络·人工智能·智慧城市
泉崎1 小时前
11.7比赛总结
数据结构·算法