Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Bearing Fault Diagnosis Based on Subband Time-Frequency Texture Tensor
The State Key Laboratory of Mechanical Transmissions, Chongqing University, Chongqing, China.
The State Key Laboratory of Mechanical Transmissions, Chongqing University, Chongqing, China.
The State Key Laboratory of Mechanical Transmissions, Chongqing University, Chongqing, China.
Luleå tekniska universitet, Institutionen för samhällsbyggnad och naturresurser, Drift, underhåll och akustik.ORCID-id: 0000-0002-7458-6820
2019 (Engelska)Ingår i: IEEE Access, E-ISSN 2169-3536, Vol. 7, s. 37611-37619Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

The texture feature tensor established from a subband time–frequency image (TFI) was extracted and used to identify the fault states of a rolling bearing. The TFI of adaptive optimal-kernel distribution was optimally partitioned into TFI blocks based on the minimum frequency band entropy. The texture features were extracted from the co-occurrence matrix of each TFI block. Based on the order of the segmented frequency bands, the texture feature tensor was constructed using the multidimensional feature vectors from all the blocks; this preserved the inherent characteristic of the TFI structure and avoided the information loss caused by vectorizing multidimensional features. The linear support higher order tensor machine based on the feature tensor was applied to identify the fault states of the rolling bearing.

Ort, förlag, år, upplaga, sidor
IEEE, 2019. Vol. 7, s. 37611-37619
Nyckelord [en]
Texture feature tensor, frequency band entropy, linear support higher-order tensor machine, bearing fault intelligent diagnosis.
Nationell ämneskategori
Annan samhällsbyggnadsteknik
Forskningsämne
Drift och underhållsteknik
Identifikatorer
URN: urn:nbn:se:ltu:diva-73640DOI: 10.1109/ACCESS.2019.2902344ISI: 000463639600001OAI: oai:DiVA.org:ltu-73640DiVA, id: diva2:1304830
Anmärkning

Validerad;2019;Nivå 2;2019-04-15 (svasva)

Tillgänglig från: 2019-04-14 Skapad: 2019-04-14 Senast uppdaterad: 2019-04-17Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltexthttps://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8654647

Personposter BETA

Lin, Jing

Sök vidare i DiVA

Av författaren/redaktören
Lin, Jing
Av organisationen
Drift, underhåll och akustik
I samma tidskrift
IEEE Access
Annan samhällsbyggnadsteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 10 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf