基于约束独立成分分析的滚动轴承故障诊断

用新的理论与方法丰富及提高机械故障诊断技术是机械故障诊断学重要内容之一。本文用约束独立成分分析方法将研究对象的先验信息作为独立成分分析算法的约束条件,使新的算法仅仅收敛于感兴趣的故障信号。可提高故障诊断的针对性和效果。该方法可从传感器信号中快速诊断出设备中是否发生了某种故障,并以滚动轴承的仿真与实验验证该方法的适用性和有效性。

基于多目标优化约束独立成分分析方法的fMRI数据分析研究

约束独立成分分析(CICA)通过加入先验信息,可极大地提高独立成分分析(ICA)的盲源信号分析性能,但还存在先验信息难以获取、先验信息约束条件阈值参数难以选择以及先验信息难以被有效利用等问题,需要进一步研究和解决。在多目标优化框架的基础上,建立一种同时融合时空先验信息的CICA模型,可有效规避CICA中阈值参数选择的问题。此外,提出一种从多被试fMRI数据中提取本真先验信息来指导fMRI组分析的自适应挖掘算法,从而为CICA获取先验信息提供一种新途径。最后,利用10例模拟数据、5例任务态和23例静息态fMRI数据,验证所提方法的有效性。结果表明:基于多目标优化的CICA(MOPCICA)获得的时空源信号总体上优于ICA、包含时间信息的CICA(CICA-tR)和包含空间信息的CICA(CICA-sR)(P<0.05)(如在模拟数据中,对应的空间AUC和时间相关系数分别0.75±0.05、0.62±0.02、0.72±0.03、0.71±0.06和0.81±0.13、0.67±0.04、0.74±0.09、0.77±0.13),而空间独立性则优于CICA-tR和CICA-sR (P<0.05)(如在任务态数据中,对应的峭度和负熵分别为69.20±23.36、17.60±13.22、36.71±13.43和0.031 2±0.007 7、0.003 7±0.002 1、0.018 4±0.004 5),从而说明它具有更好的源信号恢复性能。同时,在静息态数据中利用fMRI本真先验信息,MOPCICA获得的组成分与每个被试相应成分之间的相关系数平均高于ICA、基于牛顿迭代法的CICA(CICA-nR)和基于不动点迭代法的CICA(CICAfR)(P<0.05)(分别为0.46±0.08、0.44±0.08、0.45±0.08和0.44±0.08),从而更能代表组中被试的共性。研究表明,所提出的方法对fMRI脑功能连通性检测具有重要意义。

基于投影方法的约束独立成分分析

独立成分分析是解决盲源分离问题的一种有效工具,但ICA具有伸缩(dilation)与排序(permutation)的不确定性的本质特征。本文利用一些约束条件,采用Lagrange乘子法并结合简单的投影方法,可以以特定的形式来进行独立成分的排序,并且可以在信号分离过程中规范化解混矩阵(demixingmatrix),能够系统地减轻ICA对于伸缩与排序的不确定性。仿真结果证实了算法的有效性。

约束独立成分分析模型及其算法综述

约束独立成分分析(Constrained Independent Component Analysis,CICA)是在独立成分分析(Independent Component Analysis,ICA)基础上,发展起来的一类信号分离(提取)技术。CICA充分利用源信号的先验信息,从而有效地解决ICA应用中出现的不确定性、计算量大和内存空间浪费等问题。首先,简述了CICA的基本模型以及源信号较普遍的先验信息:非负性、稀疏性和时间结构;然后,重点介绍了基于每一种先验信息的CICA算法,并总结了CICA模型的应用;最后,展望CICA模型的未来改进方向。

基于约束独立成分分析的轴承复合故障特征提取方法

为从复合故障信号中提取各故障特征,提出一种离散小波变换(DWT)和约束独立成分分析(CICA)相结合的单通道复合故障诊断方法。首先通过DWT方法将单通道振动信号进行小波分解后,利用小波重构函数重构各层分解信号。然后取重构信号的包络信号作为CICA算法的输入矩阵,基于滚动轴承先验知识建立参考信号,从而分离出轴承各故障信号,提取故障特征。最后,在滚动轴承故障模拟实验台上进行了方法验证。结果表明:该方法可有效分离滚动轴承外圈和滚动体故障,实现了轴承复合故障的诊断。

基于约束独立成分分析的多组分污染气体混叠峰识别

大气污染监测中测得的红外光谱是混合气体的红外光谱。针对主次吸收峰严重混叠的红外混合气体特征提取和识别问题,提出了一种基于约束独立成分分析的光谱特征提取方法使谱线有效地区分开来。该方法引用峭度作为约束条件,运算时约束向量可使所对应的目标信源具有非高斯性极大的效用,提取出目标信源。并按统计度量的大小来进行排序,减少传统独立成分分析算法分离信号顺序、符号、幅度的不确定性,使得分离出来的独立分量更接近实际信源。应用支持向量机建立定量分析模型检验该算法分离效果。实验结果表明,该方法能够按需要顺序分离出混合气体光谱中的纯物质光谱。

基于实时约束独立成分分析方法的核磁脑电信号去噪研究

同步脑电—功能磁共振融合技术因其高精度的时空分辨率,在科学研究和临床领域发挥着重要作用。然而,核磁环境下的心电伪迹严重影响了融合结果。本文利用实时技术改进了离线约束独立成分分析算法,并采用该方法处理了模拟数据和真实静息态数据。结果表明:对于模拟信号,本方法得到的Er值小于平均模板减法等传统方法(P<0.005);对于真实信号,本方法得到的INPS值高于其他方法(P<0.005)。本文提出的去噪算法为脑电核磁的融合模型研究奠定了技术基础。

基于小波阈值和约束独立分量分析的齿轮故障诊断研究

为在强噪声下准确利用振动信号进行齿轮故障诊断,提出了基于小波阈值和约束独立成分分析(CICA)相结合的算法。该算法首先对输入信号进行小波阈值降噪预处理,提高了输入信号的信噪比,然后基于齿轮特征频率建立参考信号,将降噪后的信号作为CICA的输入信号,利用CICA算法有效分离出齿轮故障信号,识别了故障特征。为了验证该算法的有效性,进行了仿真和实验测试信号分析,结果表明,该算法可以有效提取齿轮故障信号,实现齿轮的故障诊断。

基于模型的CICA及其在滚动轴承故障诊断中的应用

由独立成分分析(ICA)的顺序不确定性带来的源数估计和对传感器个数的估计问题使得ICA在机械故障诊断中的广泛应用受到了限制,而约束独立成分分析(CICA)充分利用了设备的先验知识作为ICA的约束条件,可以使ICA算法收敛到感兴趣的故障信号。本文提出了一种基于滚动轴承模型的约束独立成分分析(CICA)方法,该方法可以从传感器信号中快速诊断出设备是否发生了滚动轴承故障,并用仿真和实验验证了该方法在滚动轴承故障诊断中的有效性。

一种盲源提取方法及其在滚动轴承故障特征提取中的应用

利用滚动轴承发生故障时其故障信号往往呈现出一定周期性的特点,首先计算出故障信号的理论基本周期τ,将τ作为待提取源信号的基本周期用所述方法的相关步骤计算出大致目标源信号及权重分离矩阵^W。然后将^W作为初始权重分离矩阵,将基于高阶统计量的固定点算法用于原始观测信号提取出更为精确的目标故障信号。通过仿真信号和实验信号验证了所述方法相对于约束独立成分分析(Constrained independent component analysis,CICA)方法具有以下优点:不需要精确估计目标源信号的周期及不需要构建精确的参考信号。此外,通过仿真还验证了所述方法相对于其他较新的盲源提取方法具较高的提取精度等优点。

新CICA一单元ICA-R固定点算法

一单元参考独立成分分析是一种有效地利用先验信息抽取一个期望源信号的方法。针对基于峭度的快速算法抽取正确率较低的缺点,在两种常用近似性量度下对快速算法进行了理论分析,指出该方法抽取正确率低的原因,通过避免不等式约束失效的方法,基于新CICA提出了一种一单元ICA-R固定点算法。大量计算机模拟实验表明所提算法抽取性能和快速算法相当,但具有更快的收敛速度和更高的抽取正确率。

基于DTCWT和cICA的光电容积脉搏波运动干扰消除算法

目的:随着穿戴医疗设备普遍被接受,在利用光电容积脉搏波描记法(PPG)测量血氧、心率等生理参数时,运动干扰与脉搏信号频率混叠问题尤为突出,为了在日常活动状态下得到准确的生理参数,消除运动干扰是最为重要的手段。方法:提出了一种基于双树复小波变换(DTCWT)和约束独立成分分析(cICA)的组合算法消除运动干扰。首先用DTCWT将含有运动干扰的两路(红光和红外)PPG信号分解为若干不同频带的分量;然后通过cICA方法,提取感兴趣的脉搏成分;最后通过最小均方误差自适应滤波器实现两路PPG信号重建。结果:由DTCWT+cICA恢复的PPG波形得到的心率值与无运动干扰时基本一致,而血氧饱和度值也与无运动干扰时最接近。结论:与DTCWT和cICA相比,DTCWT和cICA组合算法能更有效地消除PPG中的运动干扰。实验结果验证了方法的可行性和有效性。

基于自适应免疫算法的变压器故障诊断

变压器油中溶解气体分析法DGA(Dissolved Gas Analysis)是变压器故障诊断的重要方法,针对变压器故障的特点,提出了一种自适应免疫遗传算法进行在线故障诊断。该算法将传统的免疫算法与约束独立成分分析c ICA相结合,将研究对象的先验信息作为约束条件,使新的算法仅仅收敛于感兴趣的故障信号,更快速有效的进行分类;加速抗体种群数量和促进更新概率,使抗体库更加有效的进化。改进后的算法应用于DGA电力变压器数据分析,实现了变压器的故障在线诊断。实验数据表明:该算法收敛速度快,能有效地对样本进行识别,提高了故障诊断的针对性和效果。

盲分离的模糊性

本文系统介绍了在不同混合模型下的盲分离模糊性问题,并详细分析了消除模糊性的方法.指出可以通过施加一些约束条件或组合先验信息到算法中来消除盲分离的模糊性,重点介绍了约束最优化方法和组合先验信息的方法来解决盲分离的模糊性。