量测随机丢失下基于容积卡尔曼滤波的厚尾噪声处理方法

针对量测随机丢失和厚尾量测噪声条件下的非线性状态估计易发散问题,提出了一种新的非线性卡尔曼滤波方法。引入服从Gamma分布的辅助参数,将厚尾量测噪声建模为Student’s t分布,以解决厚尾噪声导致的状态估计易发散问题,并采用服从Benroulli分布的随机变量来描述量测信号随机丢失的现象;在量测随机丢失下,基于目标状态和未知参数建立联合后验分布,并使用变分贝叶斯方法,联合估计系统状态、量测丢失概率和未知的厚尾噪声。非线性目标跟踪仿真实验表明,提出的算法可自适应估计未知的量测丢失概率,在野值概率为5%的条件下,算法目标跟踪的位置、速度和转动速率均方根误差分别为对比算法的37%、28%和60%;在野值概率为10%的条件下,其他算法均出现了发散现象,而提出的算法依然能够以较低的误差跟踪目标,体现了所提算法良好的鲁棒性和优越性。

基于DRSN和优化BiLSTM的轴承剩余寿命预测方法

针对传统轴承寿命预测方法过度依赖先验知识、缺乏自适应性及退化特征难以提取导致的预测误差大的问题,提出一种自适应特征提取的基于深度残差收缩网络(DRSN)和双向长短时记忆网络(BiLSTM)的轴承剩余寿命预测方法。首先,无需任何先验知识利用DRSN对轴承原始信号进行自动特征学习,提取退化特征并构建健康指标;然后,采用麻雀搜索算法优化BiLSTM隐藏层神经元个数和学习率,基于优化的BiLSTM网络建立轴承剩余寿命预测模型;最后,进行对比实验验证:分别对比DRSN、残差网络、均值特征3种方法提取的健康指标的性能和不同的轴承剩余寿命寿命预测模型进行对比实验。实验结果表明DRSN网络提取的健康指标性能最优,同时基于优化后的BiLSTM轴承剩余寿命预测模型的误差最小,基于优化后BiLSTM、BiLSTM和长短时记忆网络(LSTM)的3种轴承剩余寿命预测模型的均方根误差分别为1.41%、2.71%、5.64%,验证了方法的有效性。

基于变分贝叶斯双尺度自适应时变噪声容积卡尔曼滤波的同步定位与建图算法

为解决移动机器人在同步定位与建图(SLAM)中因系统噪声和观测噪声时变导致状态估计精度降低的问题,该文提出一种基于变分贝叶斯的双尺度自适应时变噪声容积卡尔曼滤波SLAM算法(DSACKF SLAM)。该算法采用逆Wishart分布对一步预测误差协方差矩阵P_(k|k–1)和观测噪声协方差矩阵R_(k)建模,分别用来降低系统噪声和观测噪声的影响,并利用变分贝叶斯滤波实现对移动机器人状态向量X_(k),P_(k|k–1)和R_(k)的联合估计。分别在系统噪声和观测噪声时变和时不变的条件下进行仿真实验,结果表明与基于无迹卡尔曼滤波的SLAM算法(UKF SLAM)、自适应更新观测噪声的容积卡尔曼滤波的SLAM算法(VB-ACKF SLAM)相比,所提DSACKF SLAM算法在噪声时变时,平均位置误差分别减小1.54 m,3.47 m;噪声时不变时,平均位置误差分别减小0.62 m,1.41 m,证明DSACKF SLAM算法有更好的估计性能。

基于参数联合优化VMD-SVM的工业机器人旋转部件故障诊断方法

针对因工业机器人旋转部件故障诊断模型最优参数难以自适应确定导致故障识别率低的问题,提出了一种参数联合优化的VMD-SVM的工业机器人旋转部件故障诊断方法;提出了一种基于遗传变异的改进灰狼算法,该算法采用Logistic混沌映射进行种群初始化,将非线性因子引入位置更新公式,并利用遗传变异策略解决算法陷入局部最优时的停滞现象;基于该算法对VMD和SVM进行参数联合优化;利用参数优化的VMD对故障信号进行分解,对所得的本征模态函数计算改进样本熵以构成特征向量,再输入至参数优化的SVM完成工业机器人旋转部件的故障诊断;仿真和实验结果表明,文章方法能够准确地进行故障诊断,在信号无噪和含噪的条件下准确率最高均达100%,较EMD、LMD、DTCWT、VMD等4种方法具有更优的指标。

2.45 GHz印刷倒F天线的研究与实现

针对当前无线通信节点微型化的需求和已有印刷倒F天线存在增益不足、有效带宽较窄、回波损耗偏高等缺陷的现状,设计了一种应用于2.45 GHz无线传感网络的印刷型倒F天线,文中采用Ansoft HFSS建立了天线模型,从理论上对印刷倒F天线的三大结构参数(谐振长度L、天线高度H、两竖臂间距S)进行了仿真研究,并最终推导出了以2.45 GHz为中心频点的最优天线结构参数,即L=16.2 mm,H=3.7 mm,S=5 mm。在该结构参数下的仿真结果展现出了天线优异的辐射性能,其回波损耗低至S11=-47.8 d B,电压驻波比VSWR<2的有效带宽为160 MHz。同时,还采用矢量网络分析仪对天线实物的回波损耗特性进行了测试,测试结果与仿真结果吻合。最后,设计出了加载该印刷倒F天线的CC2530无线通信节点,并对其通信性能进行了实际测试,节点的通信性能测试结果表明:加载了该印刷倒F天线的节点在80 m的通信距离内丢包率为0.17%,优于同类无线通信节点。

基于结构合成法的微型化双频WLAN印刷天线设计

针对当前WLAN技术的快速发展和已有的双频WLAN印刷天线存在增益不足、带宽较窄、尺寸偏大、制作成本高等缺陷的现状,本文借鉴了传统倒F印刷天线和蛇形单极子印刷天线的设计经验,提出了一种新的双频印刷天线设计方法,即结构合成法,并采用该方法设计了一种应用于IEEE 802.11a标准和IEEE 802.11b标准、占用面积仅13.6 mm×9.3 mm的新型微型化双频WLAN印刷天线。采用Ansoft HFSS对比研究了合成前后单频天线和双频天线的性能变化情况,并对双频天线的主要结构进行了分析和优化。仿真结果表明,天线在2.45 GHz和5.45 GHz两个谐振频点上的最高增益分别达2.74 d Bi和2.44 d Bi,相对带宽分别为15.5%和10.6%。此外,文中采用矢量网络分析仪对天线实物进行了测试,实测结果与仿真结果吻合,天线在低频和高频的谐振频点分别为2.53 GHz和5.71 GHz,S11<-10 d B的有效带宽分别超过了400 MHz和500 MHz,展现出了良好的带宽特性。

气体管道泄漏模态声发射时频定位方法

针对声发射信号频散特性导致基于时延估计的气体管道泄漏定位误差大的问题,提出一种基于模态声发射时频分析的泄漏定位方法。该方法采用平滑伪Wigner-Ville时频分布对两泄漏信号的互相关函数进行时频分析,利用互相关函数的时频谱可同时提取泄漏信号的时间延迟和与之对应的频率;然后根据泄漏声发射信号的主导模态的频散曲线即可确定该频率对应的声速,利用实时确定的声速和时间延迟并根据两传感器之间的距离即可确定泄漏点的位置。实验结果表明,采用时频分析的气体管道泄漏定位误差与互相关相比减少了6倍。所提出的模态声发射时频定位方法能有效抑制泄漏信号的频散,提高泄漏信号的相关性,从而更适合用于声发射管道泄漏定位。

一种433MHz小型化螺旋形印刷天线的设计

采用微带线在介质基片上模仿螺旋天线的走线形式,设计了一种433 MHz小型化螺旋形印刷天线,减小了天线的结构尺寸。采用仿真软件HFSS对天线的主要结构参数进行分析和优化,推导出了天线的最佳结构参数,并通过加载无源集总元件的方法改进了天线的阻抗性能。对回波损耗、增益进行了研究,结果表明:S(1,1)<-10 dB的有效带宽为3.4 MHz(431.5 MHz^434.9 MHz),在433 MHz谐振频点处的S11为-24 dB,有效增益为-4.14 dB。

一种基于LoRa通信技术的单相预付费电能表

智能抄表是智能电网的一个主要发展方向,但是现有电能表抄表的通信方式很难满足低成本、强抗干扰能力以及远距离通信的需求。为此,该文设计了一种基于LoRa通信技术的单相预付费电能表。首先介绍了LoRa通信模块整体设计方案,重点对射频电路进行了仿真与分析;然后给出了电能表的总体设计方案;最后进行了电能表通信测试。测试结果表明,该电能表有效通信距离可达6000 m,通信距离远;可以实现穿过7堵墙和5层楼的有效通信,抗干扰能力强。因此,该电能表能很好地满足智能抄表的通信需求。

基于改进经验小波变换及互谱相位差谱的供水管道泄漏声振动定位方法

针对供水管道泄漏声振动信号的信噪比较低导致用于时延估计泄漏定位误差大的问题,提出基于改进经验小波变换及互谱相位差谱的供水管道泄漏定位方法。首先采用小波包分解得到不同尺度的信号能量谱,根据小波包能量谱局部极小值的分布自适应确定频带分割区间,解决了传统经验小波变换中频谱划分问题;然后基于频带分割区间构建正交小波滤波器组对信号进行经验小波变换分解得到多个分量,根据相关系数选取有效分量,同时利用有效分量的互谱相位差谱呈水平变化的频带对有效分量信号进行带通滤波,滤除干扰噪声;最后对滤波后的信号进行互相关时延估计来确定泄漏位置。仿真及实验结果表明,该方法能够有效的实现供水管道泄漏定位,并与互相关、VMD与互谱分析相结合的泄漏定位方法相比,平均相对定位误差分别减少6.7倍和1.5倍。

移动机器人视觉SLAM回环检测原理、现状及趋势

近年来,视觉SLAM以结构简单、成本低、可结合语义信息等优势得到广泛关注。回环检测在其中发挥着重要的作用。根据获得的回环信息,视觉SLAM后端优化算法便可以根据回环约束对位姿进行优化,消除移动机器人在长时间的工作下产生的累积误差,实现精确的长期定位,从而构建全局一致的运动轨迹和地图。首先介绍视觉SLAM中回环检测原理及作用,从特征提取、相似度判断、实验评估几个方面对传统词袋模型进行深入分析,并概述目前基于词袋模型和概率的改进算法,对比总结基于深度学习的回环检测方法,简单概述结合语义信息的回环检测方法,最后对回环检测技术目前存在的问题以及未来的发展趋势进行总结与展望。

基于VMD和互谱分析的供水管道泄漏定位方法

针对低信噪比(SNR)下的供水管道泄漏振动信号用于时延估计泄漏定位误差大的问题,提出基于变分模态分解(VMD)和互谱分析结合的供水管道泄漏定位方法。首先,利用VMD将管道泄漏信号分解为若干个本征模态函数(IMF),对供水管道泄漏信号进行互谱分析确定特征频带;然后,利用IMF分量在特征频带内的能量比例作为选取准则来确定有效IMF分量,并对选取的有效IMF分量进行重构;最后,对重构信号进行时延估计来确定泄漏点位置。为了验证所提泄漏定位算法的有效性,通过仿真和实验分别对互谱与VMD结合、互相关及VMD与相关系数结合3种方法进行研究。实验结果表明,以上3种定位算法的平均相对定位误差分别为2. 53%,8. 62%和16. 86%。

基于VMD和K-SVD字典学习的供水管道泄漏振动信号压缩感知方法

针对供水管道泄漏振动信号在分析型字典下进行压缩感知时,信号的重构均方误差较大和不能保留信号中重要泄漏信息的问题,提出了基于变分模态分解(VMD)和K-奇异值分解算法(K-SVD)的供水管道泄漏振动信号压缩感知方法。首先,利用VMD算法将管道泄漏振动信号分解若干个本征模态函数(IMF),并对IMF分量进行互相关性分析;然后,选取最优模态分量,构成最优模态集,再借助K-SVD学习算法训练过完备字典;最后,选择高斯随机矩阵为观测矩阵和重构算法为正交匹配追踪算法(OMP)对管道泄漏振动信号进行压缩感知。实验结果表明,基于VMD-K-SVD稀疏表示构造的过完备字典的压缩感知方法与基于FFT正交基、DCT正交基、K-SVD的压缩感知方法相比,在压缩率为50%~89.5%下重构均方误差更小和互相关系数更高,且在相同压缩率下得到的重构信号的互相关延时估计定位误差的平均值分别降低80.12%、64.2%、61.38%。因此,所提的压缩感知方法具有较好的重构性能和稀疏性。

不同方向的气体管道泄漏声发射信号模态特性分析

针对泄漏声发射信号多模态、频散及衰减特性导致泄漏定位误差大的问题,采用导波分析理论和壳体振动理论研究不同方向的泄漏信号的模态特性,通过选取最佳数据采集方向来减少泄漏定位误差。利用壳体振动理论分析管内气体与管壁之间的声学耦合作用,据此选择合适的导波分析模型来研究不同方向的泄漏声发射信号的模态类型、频散及衰减特性。通过实验证实了理论分析,研究结果表明,管道轴向声发射信号的主导模态为纵向模态,且轴向声发射信号表现出最弱的频散和衰减特性,这将为气体管道泄漏声发射信号中单一非频散模态提取提供新的思路。

基于广义互相关的供水管道泄漏振动信号时延估计器性能研究

针对供水管道泄漏振动信号低信噪比下时延估计器性能差的问题,利用仿真分析与实验验证相结合的方法,对互相关(CC),脉冲响应(ROTH)、平滑相干变换(SCOT)、维纳(WIENER)、相位变换(PHAT)和最大似然(ML)这6种时延估计器在供水管网泄漏声振动信号下的性能进行研究。首先,在不同噪声类型下分别研究了6种时延估计器随着信噪比的变化规律;然后,分析了不同信噪比下时延计器的噪声抑制性能;最后,将6种时延估计器应用于供水管道泄漏定位实验中,分析不同时延估计器产生的泄漏定位相对误差来比较他们的噪声抑制性能。仿真分析和实验验证表明,SCOT时延估计器在噪声抑制方面性能最优,基于SCOT时延估计器的供水管道泄漏平均相对定位误差为3.48%,Wiener时延估计器性能最差,平均相对定位误差为18.23%。

基于四阶累积量的供水管道泄漏振动信号自适应时延估计

在相关高斯噪声干扰下,特别是在低信噪比时基于互相关的供水管道泄漏振动信号时延估计性能严重下降。因此,提出基于四阶累积量及递归最小二乘(RLS)自适应滤波的供水管道泄漏振动信号时延估计方法。首先,通过自、互四阶累积量分割信号频带,获得含有泄漏振动信号特征的一维切片;然后,引入可变步长的RLS算法,提高收敛速度;最后,利用RLS算法对上述一维切片进行迭代计算,分析滤波器权系数曲线及误差曲线得出时延估计结果。仿真与实验结果表明,该方法能够有效的实现供水管道泄漏定位:在低信噪比与相关高斯噪声背景下,互相关方法失效;与四阶累积量-互相关方法相比,所提方法的平均相对定位误差减少了2.56倍,标准差减小了1.736倍。

基于VMD-SVD自优化的管道微泄漏信号增强方法

针对复杂环境噪声下管道微泄漏特征难以提取的问题,提出基于变分模态分解-奇异值分解(VMD-SVD)自优化的管道微泄漏信号增强方法。首先,采用遗传迭代算法对VMD参数对[α,K]进行自适应优化,采用奇异值峭度差频谱对SVD重构阶次进行自适应优化;然后,采用参数优化的VMD对泄漏信号进行分解,并采用峭度分析法对分解的模态分量进行筛选并重构;最后,采用阶次优化的SVD对重构信号进行非线性滤波,从而提高微泄漏信号的信噪比。仿真与实验结果表明,信号增强方法使仿真信号的信噪比提高了9.32 dB,使管道微泄漏信号的相关性提高了5.92倍,使互相关泄漏相对定位误差减少了14.34%。

气体管道泄漏声发射单一非频散模态定位

针对气体管道泄漏声发射信号的多模态、频散特性导致互相关泄漏定位误差大的问题,提出采用单一非频散模态提取的气体管道泄漏声发射定位方法。对检测信号的互谱加窗,并根据模态波数确定窗参数,可获得泄漏声发射信号的单一非频散模态导波的互谱。对单一非频散模态导波的互谱进行傅里叶反变换,得到泄漏声发射中单一非频散模态信号的互相关函数以及时延估计,就可以采用单一非频散模态声速,更准确计算出泄漏位置。对气体管道泄漏进行定位实验,相比用未经分解的泄漏声发射信号进行定位,由于声发射单一非频散模态信号的相关性增强,且选用的声速更准确,定位相对误差平均降低7%以上。这表明,通过提取泄漏信号互谱的单一非频散模态成分进行时延估计,可以提高泄漏检测的有效性和减小定位误差。

基于VMD和BiCS的机械状态监测数据修复方法

工业“大数据”时代的到来为机械装备健康监测带来了新机遇。然而,由于运行环境异常、人为因素干扰以及采集设备故障等,机械装备健康监测大数据中往往混杂大量与健康状态无关的异常值或缺失值数据,从而造成数据质量下降。为保障数据质量,提高振动信号恢复效果,提出一种基于变分模态分解和双向压缩感知(Variational Mode Decomposition, VMD;Bidirectional Compressed sensing, BiCS;VMD-BiCS)的振动信号重构方法。首先通过变分模态分解对采样数据进行去噪处理,其次在压缩感知框架下构造观测矩阵、稀疏表示字典矩阵,然后基于子空间追踪(Subspace Pursuit, SP)算法从两个方向重构出稀疏表示向量。在此基础上利用离散余弦变换构造稀疏矩阵,利用压缩感知原理重构双向信号,最后对重构信号加权得到最终重构信号,实现对残损振动信号的数据恢复。分别采用仿真信号和西储大学公开轴承数据进行修复实验,将该方法用于对压缩感知传统重构算法进行改进,发现所提方法在时域指标均方根误差上均优于传统重构算法。并从修复效果角度验证发现该方法成功还原了外圈故障信号的故障特征频率,达到了修复的目的。

基于改进Holt双指数模型的轴承剩余寿命预测方法

针对Holt双指数模型参数难以确定导致预测精度较低的问题,提出一种基于深度残差收缩网络(Deep Residual Shrinkage Network, DRSN)和Holt双指数模型的轴承剩余寿命预测方法。首先,无需任何人为经验的干扰,利用DRSN模型对轴承原始信号进行特征自提取,挖掘退化特征并构建健康指标;然后,利用Holt双指数模型构建剩余寿命预测模型,针对Holt双指数预测模型超参数α,β难以确定的问题,采用麻雀搜索算法对两个参数进行优化。将DRSN提取出的健康指标进行平滑处理后,利用优化后的Holt双指数预测模型进行预测,完成轴承的剩余寿命预测。利用轴承全寿命实验数据对所提方法进行了验证,实验结果表明,本方法预测误差比双指数预测模型低12%,有效提高了轴承剩余寿命预测精度。