根据连铸坯表面图像的特点,提出了一种基于Contourlet变换的连铸坯表面缺陷识别方法.通过Contourlet变换将样本图像分解成不同尺度和方向的子带,提取子带的Contourlet系数特征,并结合样本图像的纹理特征,得到一个高维的特征向量.利用监督核保局投影算法对高维特征向量进行降维,将降维后的低维特征向量输入支持向量机,对连铸坯表面图像进行分类识别.对现场采集到的裂纹、氧化铁皮、光照不均和渣痕四类样本图像进行实验,本文提出的识别方法对样本图像的识别率可达94.35%,优于基于Gabor小波的识别方法

3.1 离散傅里叶变换的定义 3.2 离散傅里叶变换的基本性质 3.3 频率域采样 3.4 DFT的应用举例

13-3拉普拉斯变换的性质 1.线性叠加性

9-3 拉普拉斯反变换 9-4 拉普拉斯变换分析法

8-1 周期信号的频谱分析 8-2 傅里叶变换 8-2-2 常用信号的傅里叶变换 8-3 傅里叶变换的性质

短时Fourier变换(STFT)在分析非平稳信号的过程中,受调制系数的影响,时频分布图中的能量扩散至主导频率的周围,降低了时频分布的可读性.运用STFT分析瞬时频率缓变或恒定的信号时,调制系数的影响较小甚至可以忽略不计,而得到能量聚集程度很高的时频分布.根据这一特点,提出了迭代广义短时Fourier变换(IG-STFT),该方法有效改善了时频图的可读性.首先运用迭代广义解调分离出频率恒定的单分量成分,然后运用STFT分析信号的时频分布,最后依据STFT的分析结果和相位函数得到原信号的时频分布.通过行星齿轮箱仿真信号和实验信号分析,验证了该方法在分析非平稳信号中的有效性,准确诊断了齿轮故障

1简单电阻电路的分析 2电路的等效变换方法 电阻网络的等效化简 实际电源的两种模型 含独立电源网络的等效变换 含受控电源网络的等效变换 第一节 电阻串、并、混联电路 第二节 实际电源的两种模型 第三节 含受控源的简单电路分析 第四节 电阻星形联接与三角形联接的等效互换

13-2基本信号的拉普拉斯变换 1、单位阶跃函数c(t)

建立了非平稳运行工况下行星齿轮箱共振频带内的声音信号解析模型，揭示了齿轮故障特征在声音信号共振频带内的分布规律。根据共振频率不随转速变化的特点定位了齿轮箱共振频率，为在共振频带内提取齿轮故障特征奠定基础。针对传统时频分析方法时频分辨率低的缺陷，研究了基于高阶同步压缩变换的时变故障特征提取方法。通过数值仿真和实验信号分析，验证了所提出的声音信号模型与行星齿轮箱故障特征分布规律的正确性，以及利用高阶同步压缩变换方法提取共振频带内行星齿轮箱故障特征的有效性

第二章电阻电路的等效变换 2-1电阻的串联、并联 一、电阻的串联