丰度估计(AE)是从高光谱图像中识别地物的关键预处理技术。由于线性模型的可解释性以及数学上的可操作性,基于该模型的线性回归技术CLR(Constrained Linear Regression)在丰度估计中受到了广泛关注。目前,该方法仅仅考虑到了估计数据与...丰度估计(AE)是从高光谱图像中识别地物的关键预处理技术。由于线性模型的可解释性以及数学上的可操作性,基于该模型的线性回归技术CLR(Constrained Linear Regression)在丰度估计中受到了广泛关注。目前,该方法仅仅考虑到了估计数据与被估计数据之间的能量相似性,没有考虑数据内部的变化信息之间的相似性,比如一阶梯度之间的相似性以及二阶梯度之间的相似性。为了提高丰度估计精度,本文提出了融合数据内部变化信息的稀疏低秩丰度估计算法。首先通过增加一阶梯度和二阶梯度的约束项改进传统的丰度估计的数学模型。其次,通过采用范数不等式和优化理论证明了在约束条件下,该模型的有效性及该模型在相关领域的可拓展性。接着,采用辅助变量将改进的数学模型变为增强拉格朗日函数。最后,采用交替双向乘子技术ADMM(Altemating Direction Method of Multipliers)求解该模型并估计高光谱图像的丰度。经仿真实验和实际高光谱图像的实验证明该方法能够改善仿真数据和实际高光谱数据的丰度估计的效果,特别是当端元的丰度存在丰富的变化细节时,丰度估计的精度和抗噪性能均优于当前较流行的丰度估计算法。展开更多
行星齿轮箱广泛应用于低速重载的大型机电设备中,其故障检测尤为重要。当前行星齿轮箱的故障检测主要依靠振动信号分析,然而低转速工况导致的冲击微弱以及故障冲击难以分离等问题,使得行星齿轮箱故障冲击难以发掘。针对上述瓶颈,提出一...行星齿轮箱广泛应用于低速重载的大型机电设备中,其故障检测尤为重要。当前行星齿轮箱的故障检测主要依靠振动信号分析,然而低转速工况导致的冲击微弱以及故障冲击难以分离等问题,使得行星齿轮箱故障冲击难以发掘。针对上述瓶颈,提出一种基于编码器信号的低转速行星齿轮箱故障诊断方法。该方法首先通过内置编码器获取故障信息,避免了冗长的振动传递路径带来的不利影响。在此基础上,建立稀疏低秩分解模型,引入快速主成分追踪算法(fast principal component pursuit,FPCP)进行求解,实现低转速下行星齿轮箱故障冲击的提取。行星齿轮箱故障实验结果表明,该方法不仅能获取输入轴转速为30r/min下的故障信息,而且有效地实现故障冲击的分离。研究工作可为低转速旋转机械的故障诊断提供有效的工具。展开更多
文摘丰度估计(AE)是从高光谱图像中识别地物的关键预处理技术。由于线性模型的可解释性以及数学上的可操作性,基于该模型的线性回归技术CLR(Constrained Linear Regression)在丰度估计中受到了广泛关注。目前,该方法仅仅考虑到了估计数据与被估计数据之间的能量相似性,没有考虑数据内部的变化信息之间的相似性,比如一阶梯度之间的相似性以及二阶梯度之间的相似性。为了提高丰度估计精度,本文提出了融合数据内部变化信息的稀疏低秩丰度估计算法。首先通过增加一阶梯度和二阶梯度的约束项改进传统的丰度估计的数学模型。其次,通过采用范数不等式和优化理论证明了在约束条件下,该模型的有效性及该模型在相关领域的可拓展性。接着,采用辅助变量将改进的数学模型变为增强拉格朗日函数。最后,采用交替双向乘子技术ADMM(Altemating Direction Method of Multipliers)求解该模型并估计高光谱图像的丰度。经仿真实验和实际高光谱图像的实验证明该方法能够改善仿真数据和实际高光谱数据的丰度估计的效果,特别是当端元的丰度存在丰富的变化细节时,丰度估计的精度和抗噪性能均优于当前较流行的丰度估计算法。
文摘行星齿轮箱广泛应用于低速重载的大型机电设备中,其故障检测尤为重要。当前行星齿轮箱的故障检测主要依靠振动信号分析,然而低转速工况导致的冲击微弱以及故障冲击难以分离等问题,使得行星齿轮箱故障冲击难以发掘。针对上述瓶颈,提出一种基于编码器信号的低转速行星齿轮箱故障诊断方法。该方法首先通过内置编码器获取故障信息,避免了冗长的振动传递路径带来的不利影响。在此基础上,建立稀疏低秩分解模型,引入快速主成分追踪算法(fast principal component pursuit,FPCP)进行求解,实现低转速下行星齿轮箱故障冲击的提取。行星齿轮箱故障实验结果表明,该方法不仅能获取输入轴转速为30r/min下的故障信息,而且有效地实现故障冲击的分离。研究工作可为低转速旋转机械的故障诊断提供有效的工具。
