基于改进K-SVD字典学习算法的轴承故障信号特征处理

轴承故障信号识别经常受到各种噪音的影响,传统K奇异值分解(K-Singular value decomposition, K-SVD)算法在稀疏表示中效果较差,通过终止准则对进K-SVD字典学习优化,设计了基于改进K-SVD稀疏表示的轴承微弱故障信号特征处理方法。将终止准则当作字典更新收敛条件,采取正交匹配追踪算法进行稀疏求解,以包络谱形式实施分析,达成对微弱故障特征的提取目标。仿真信号结果表明,添加噪声信号时域图难以对特征频率实施精准提取。通过改进K-SVD算法来学习该分量特征信息有着明显的冲击特征,通过重构误差的波动状况对更新收敛性验证。试验结果结果表明,故障特征频率被其它频率掩盖,导致故障状态难以被有效辨别。本文方法实现对微弱故障特征的高效提取,精准判断故障状态。

“产学研创”四境下教学模式改革研究

这些年,国家对职业教育提出了新的要求,大数据应用技术人才所需要具备的能力也随之发生变化。河南机电职业学院在“产学研创”四境思想引领下,针对实际教学工作中当前大数据应用技术专业仍存在教学任务和企业生产相脱节、科研渗透力不强、学生创业能力不足、产学研创四境关联性不够等问题,研究了在校企合作背景下,分别从产、学、研、创四种场境,提出教学模式改革在专业构建、育人模式、融课程开发、学生考评体系、科研方向和创业平台等方面的探索,以期达到培育高技能、复合型人才的目的。