基于VbMoICA的机械故障盲源分离研究

用独立分量分析(ICA)分解和表示数据时,假设整个数据分布完全可以用一个坐标系来描述。然而,当观测数据是由许多自相似的、非高斯的流形组成时,则硬是用一个单独的、全局的表示是不合适的,这样会产生一个次优的表示。针对ICA在盲源分离中的不足,在变分贝叶斯理论的基础上提出了一种基于变分贝叶斯混合独立分量分析的机械故障源盲分离方法。该方法是考虑到源信号来自于多个坐标系,然后在多个坐标系下建立独立分量分析混合模型对观测信号进行学习分离。实验结果表明,本文提出的方法是非常有效的。

基于变分贝叶斯算法和MLP网络的后非线性混合盲源分离方法研究

传统的后非线性模型往往要求其后非线性函数是可逆的,否则无法进行源信号的分离。然而在实际中,这一要求并不完全满足。针对此不足,结合变分贝叶斯推论和多层感知器网络,提出一种改进的多层感知器后非线性模型,它通过多层感知器来模拟后非线性函数,实现对不可逆后非线性函数混合的盲分离。仿真和实验结果表明该方法是有效的。

钢管测长称重喷标系统的设计与开发

根据生产的要求,本文开发了一套钢管测长称重喷标系统。该系统采用PLC控制,用组态王编程,实现了与PLC、称重仪表的连接。由于本系统的称重、测长和喷标在一个工位同时完成,大大缩短了检测时间,克服了现有系统存在的漏喷、误喷的不足。经现场运行表明,该系统性能稳定,功能完善,操作方便,满足了生产的实际需要。

传统独立分量分析和变分贝叶斯独立分量分析的比较

通过试验比较了传统的独立分量分析(ICA)和变分贝叶斯独立分量分析(VbICA)在源信号分离中的能力,试验研究表明,无噪声环境下的盲源分离,两种方法都能得到很好的分离性能.然而,噪声环境下的源信号分离,变分贝叶斯独立分量明显优于传统独立分量分析,特别是随着噪声的增强,变分贝叶斯独立分量的优势就越明显.另外,变分贝叶斯独立分量可以估计源信号的数目,而传统独立分量分析往往事先假设源信号的个数已知,否则无法进行源信号分离.

基于分数Fourier变换的机械故障源盲分离方法的研究

结合分数Fourier变换和盲源分离,提出了一种基于分数Fourier变换的机械故障源盲分离方法,试验结果表明,该方法能有效地分离具有不同的分数Fourier变换的机械源信号。