申请/专利权人：西南交通大学

申请日：2021-08-05

公开（公告）日：2023-08-04

公开（公告）号：CN113592010B

主分类号：G06F18/28

分类号：G06F18/28

优先权：

专利状态码：有效-授权

法律状态：2023.08.04#授权;2021.11.19#实质审查的生效;2021.11.02#公开

摘要：本发明涉及机器学习技术领域，具体涉及基于局部OMP的快速卷积稀疏字典学习算法。方法通过标定振动信号，构建卷积字典；根据卷积字典、位置系数、稀疏度以及标定的振动信号构建平移不变字典学习模型；通过局部正交匹配追踪算法运算平移不变字典学习模型；根据卷积矩阵、平移不变模式以及标定振动信号构建字典更新模型；采用共轭梯度最小二乘结合卷积运算求解字典更新模型，获得解析结果；重复利用包络谱描述振动信号的质量，以确定出最大包络谱峭度值及对应的最优稀疏度。本发明可以在不截断数据的情况下实现快速卷积稀疏字典学习，并且占用的内存很少，能够准确获得最优稀疏度。

主权项：1.基于局部OMP的快速卷积稀疏字典学习方法，其特征在于，包括：a、获取振动信号；b、标定振动信号，并设定平移不变模式及其长度和稀疏度，向振动信号输入平移不变模式的位置系数，其中，稀疏度为位置系数中非零系数的个数，从1开始设置；c、根据平移不变模式及其长度构建卷积字典；d、根据卷积字典、位置系数、稀疏度以及标定的振动信号构建平移不变字典学习模型；e、通过局部正交匹配追踪算法运算平移不变字典学习模型，并改写卷积字典；f、根据改写后的卷积字典的构造方式，由位置系数导出卷积矩阵；g、根据卷积矩阵、平移不变模式以及标定振动信号构建字典更新模型；h、采用共轭梯度最小二乘结合卷积运算求解字典更新模型；i、利用包络谱分析描述振动信号的质量，获得对应的包络谱峭度值；重复步骤b-i，并依次递增稀疏度，直至确定出最大的包络谱峭度值及对应的最优稀疏度；所述平移不变模式的长度应包含至少一个脉冲响应的振荡周期，且应满足：2≤q≤fsfmin其中，fmin为振动信号的最小共振频率，fs为振动信号数据的采样频率，q为平移不变模式的长度；所述平移不变模式的稀疏度为：v＝N·fbfs其中，v为平移不变模式的稀疏度，fb为振动信号中故障特征频率，N为振动信号的数据长度；所构建的平移不变字典学习模型为： 其中，D为卷积字典，Di为卷积字典D的第i列向量，s为振动信号的数据，d为平移不变模式，x为平移不变模式的位置系数，c为x中非零系数的个数；所构建的字典更新模型为： 其中，A为卷积矩阵；所述最优稀疏度为： Env·为包络谱算子，cv为稀疏度为v的重构信号的包络谱,为诊断任务中可能存在的最大故障特征频率,为取整算子，为最优稀疏度。

全文数据：

权利要求：

百度查询： 西南交通大学 基于局部OMP的快速卷积稀疏字典学习方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD