MCKD算法Python mcmc算法代码 MCMC(Markov Chain Monte Carlo),即马尔科夫链蒙特卡洛方法,是以马尔科夫平稳状态作为理论基础,蒙特卡洛方法作为手段的概率序列生成技术。 MCMC理论基础 如果转移矩阵为P的马尔科夫链平稳状态和我们研究的概率质量函数(概率密度函数)分布一致,那么我么从任意初始值开始,经过一定次数的概率转以后...
[鲜花]pso优化mckd算法流程图如下：本发明提出的技术方法包括以下步骤：步骤一：利用加速度传感器对旋转机械设备进行测量，获取振动加速度信号；步骤二：利用pso算法优化vmd算法中的α和k，后对采集的振动信号进行vmd分解。6.步骤三：基于vmd对微弱故障信号分解后的结果，利用包络谱峰值因子最大准则，选取最...
51CTO博客已为您找到关于MCKD算法Python的相关内容,包含IT学习相关文档代码介绍、相关教程视频课程,以及MCKD算法Python问答内容。更多MCKD算法Python相关解答可以来51CTO博客参与分享和学习,帮助广大IT技术人实现成长和进步。
摘要 本发明公开了基于MCKD算法与支持向量机的滚动轴承故障诊断方法,步骤1)利用最大相关峭度解卷积算法的特性,以信号相关峭度最大化为优化目标,可通过迭代完成振动信号的解卷积运算,突出信号中被强烈噪声所掩盖的连续脉冲,在信噪比较低的信号中,提取出滚动轴承的代表振动特性的特征信号;步骤2)利用支持向量机构建的分类...
1.2 ALIF-MCKD轴承早期故障诊断方法 图1为ALIF-MCKD轴承故障诊断的具体流程。 1)对振动信号ALIF分解形成IMF分量与相应残余分量。 2)以相关系数与峭度相结合的方式,筛选得到敏感的IMF分量,再对其实施重构,完成降噪过程。 3)以MCKD算法提高对重构降噪信号的故障冲击部分,然后,再计算包络谱。
参考图1,图1所示了本发明的方法流程图,基于mckd算法与支持向量机的滚动轴承故障诊断方法,包括如下步骤: 步骤1)利用最大相关峭度解卷积算法的特性,以信号相关峭度最大化为优化目标,可通过迭代完成振动信号的解卷积运算,突出信号中被强烈噪声所掩盖的连续脉冲,在信噪比较低的信号中,提取出滚动轴承的代表振动特性的特征...
优化MCKD相关参数时,可以应用粒子群优化算法PSO,但是如何控制参数取整数是个问题?直接给定整数取值范围,仍然可以优化参数,但时间很长。点赞(0) 踩踩(0) 反馈 所需:5 积分 电信网络下载 Suntaihua 2020-05-11 16:21:07 评论 浪费时间不要下sinian_yf 2019-03-16 09:28:49 评论 代码可以一用,就是粒子...