亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

SOSO Boosting of the K-SVD Denoising Algorithm for Enhancing Fault-Induced Impulse Responses of Rolling Element Bearings

Boosting(机器学习) 奇异值分解 脉冲(物理) 残余物 降噪 算法 噪音(视频) 计算机科学 模式识别(心理学) 数学 人工智能 物理 量子力学 图像(数学)
作者
Ming Zeng,Zhen Chen
出处
期刊:IEEE Transactions on Industrial Electronics [Institute of Electrical and Electronics Engineers]
卷期号:67 (2): 1282-1292 被引量:39
标识
DOI:10.1109/tie.2019.2898583
摘要

The key to successful detection of a localized bearing fault lies in extracting fault-induced impulse responses. Unfortunately, these responses are often contaminated by background noise. The popular K-singular value decomposition (K-SVD) denoising algorithm can be used to extract impulse responses from noise, but it may obtain weak impulse responses against reliable fault detection. An SOSO boosting technique is proposed to improve the performance of the K-SVD denoising algorithm. Given an initial denoised signal, this paper proposes iteratively repeating the following SOSO boosting procedure: 1) Strengthen the underlying signal by adding the previous denoised signal to the noisy input signal; 2) Operate the K-SVD denoising algorithm on the strengthened signal; 3) Subtract the previous denoised signal from the restored signal-strengthened outcome; and 4) Operate the modified K-SVD denoising algorithm again on the resulting signal after the subtraction. The last step, i.e., the secondary denoising step, plays a crucial role in preventing the enhancement of the residual noise that originates from the first denoised result. The results of numerical and experimental studies show that the SOSO-based K-SVD denoising algorithm not only enhances weak impulse responses significantly but also reduces potential residual noise effectively compared to the SOS-based and the original K-SVD denoising algorithms.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
莱芙完成签到 ,获得积分10
刚刚
vvan发布了新的文献求助10
9秒前
16秒前
37秒前
40秒前
lsx发布了新的文献求助10
57秒前
lsx完成签到,获得积分10
1分钟前
1分钟前
南寅完成签到,获得积分10
1分钟前
谨慎颜演完成签到 ,获得积分10
1分钟前
1分钟前
研友_VZG7GZ应助科研通管家采纳,获得10
1分钟前
Jasper应助科研通管家采纳,获得10
1分钟前
Amber完成签到 ,获得积分10
1分钟前
wodetaiyangLLL完成签到 ,获得积分10
2分钟前
2分钟前
2分钟前
研友_VZG7GZ应助aaaaa采纳,获得10
2分钟前
3分钟前
aaaaa发布了新的文献求助20
3分钟前
vvan发布了新的文献求助10
3分钟前
樱桃猴子应助科研通管家采纳,获得10
3分钟前
樱桃猴子应助科研通管家采纳,获得10
3分钟前
3分钟前
micomico完成签到 ,获得积分10
3分钟前
魔幻的代珊应助LYL采纳,获得10
4分钟前
aaaaa完成签到,获得积分10
4分钟前
下次一定发布了新的文献求助10
4分钟前
4分钟前
丁宇卓完成签到 ,获得积分10
4分钟前
5分钟前
胡涛涛发布了新的文献求助10
5分钟前
传奇3应助harrywoo采纳,获得10
5分钟前
胡涛涛完成签到,获得积分20
5分钟前
5分钟前
我是老大应助胡涛涛采纳,获得10
5分钟前
曹原阁完成签到 ,获得积分10
5分钟前
5分钟前
6分钟前
天天好心覃完成签到 ,获得积分10
6分钟前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
Genera Insectorum: Mantodea, Fam. Mantidæ, Subfam. Hymenopodinæ (Classic Reprint) 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3085426
求助须知:如何正确求助?哪些是违规求助? 2738274
关于积分的说明 7548805
捐赠科研通 2387902
什么是DOI,文献DOI怎么找? 1266200
科研通“疑难数据库(出版商)”最低求助积分说明 613332
版权声明 598569