基于CEEMDAN-FastICA-MCNN的多传感信息融合轴承故障诊断

针对轴承振动信号易受噪声干扰、变工况及单一传感器提取特征信息不完备的问题,提出基于自适应噪声完备集成经验模态分解(Complete Ensemble Empirical Mode Decomposition of Adaptive Noise,CEEMDAN)、快速独立分量(Fast Independent Components Analysis,FastICA)降噪和多输入卷积神经网络(Multiple-input Convolutional Neural Networks,MCNN)的多传感信息融合轴承故障诊断方法。首先分别对多传感采集的振动信号划分数据集,并输入CEEMDAN得到本征模态函数(Inherent Nodal Function,IMF);随后,选择峭度大于3的IMF构造观测信号,其余IMF构造虚拟噪声信号,作为两个输入源输入FastICA,分离出特征向量;最后,设计MCNN识别故障类型。在CWRU和XJTU-SY数据集上的正确率分别为99.94%和99.64%。在信噪比为-8 dB的抗噪性能测试中,正确率分别为96.95%和98.29%;在信噪比为0 dB的抗噪性能测试中,正确率分别为99.00%和99.23%。对比实验结果表明此方法能够提取更为全面的故障特征信息,获得更高的准确率。

基于EWT-FastICA的水下超声回波信号降噪方法研究

针对水下超声无损检测易受噪声信号干扰导致缺陷检测精度低的问题,提出基于经验小波变换(EWT)结合快速独立分量分析(FastICA)的水下超声回波信号降噪方法。首先,应用EWT算法对超声回波信号进行分解,得到不同尺度的模态分量(IMF);其次,通过模糊熵(FuzzyEn)算法计算各模态分量模糊熵值,筛选出所需要的模态分量;最后,进行FastICA运算,将筛选出的IMF重构,最终实现超声回波信号与噪声信号的盲源分离,得到纯净的超声回波信号。仿真与实例实验表明,EWT-FastICA结合的降噪方法在超声回波信号降噪处理中,改善了传统经验模态分解出现的模态混叠、端点效应,以及过包络、欠包络等现象,并且降噪处理过程更加快速、准确,可应用于类似的水下超声检测信号降噪处理。

基于FastICA算法的多源固定频干扰背景下语音信号去噪

在特定环境中,语音信号易混入多源固定频干扰信号,且干扰信号处于语音信号频带内,造成语音信号质量急剧下降。针对多源固定频干扰条件下的语音信号去噪问题,提出将FastICA算法应用于混合信号去噪过程。仿真实验结果表明,基于FastICA语音信号去噪算法可以有效提升频带内多源固定频干扰下的语音信号质量。

基于改进FastICA算法的工控网络恶意节点攻击检测系统设计

为了确保工控系统的安全和可靠性,基于改进FastICA算法,设计工控网络恶意节点攻击检测系统。在工控网络服务器端集群中,从网络服务器端、攻击行为排重模块、恶意节点辨识模块和Fabric攻击行为检测组件等4部分设计工控网络恶意节点攻击检测系统的硬件模块。在此基础上计算Fast初始值,统计ICA单位的不确定性,改进FastICA算法。由此,联合相关攻击行为信息,推导恶意节点的攻击分离条件。实验结果表明,按照1∶1的负荷标准分配待测数据,所设计系统可以有效检测恶意节点攻击行为,得到的恶意节点实时检测数量值与额定值的拟合度接近100%,能够较好维护网络体系的运行稳定性。

改进FastICA在食品次表层信号分离中的实验研究

随着人们对食品质量和安全的愈发重视,食品次表层信号的分离和提取成为了食品质量检测和分析的重要任务。然而,传统的FastICA算法在处理食品次表层信号时存在一些问题,如信号混叠和收敛速度慢等,限制了其在实际应用中的效果。因此,本文提出一种基于改进FastICA的食品次表层信号分离方法,通过对食品次表层信号的研究,对传统FastICA算法进行改进,引入一种新的收敛准则和自适应学习率的策略。实验表明,基于改进的FastICA算法,可以更好地完成食品次表层信号分离的任务,为提高食品质量、保障食品安全提供有效手段,同时也为相关行业开展食品质量检测和分析领域的研究提供有益启示。

基于松弛因子改进FastICA算法的遥感图像分类方法

多波段遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础.独立分量分析算法利用信号的高阶统计信息,去除了遥感图像各个波段之间的相关性,获得的波段图像是相互独立的.然而独立分量分析算法计算量太大,影响了其在多波段遥感图像分类上的应用.MFastICA算法可以改善FastICA算法的性能,减少计算量,但是同FastICA算法一样,其收敛依赖于初始权值的选择.在MFastICA算法中引入松弛因子,使算法可以实现大范围的收敛.应用BP神经网络对独立分量分析算法预处理后的图像进行自动分类,其分类精度比原始遥感图像的精度高,并且3种独立分量分析算法的最终分类性能相当.

FastICA算法网络安全入侵检测防护系统设计

为解决传统网络安全入侵检测系统检测精度差、耗时长等问题,本文设计了采用固定点算法的网络安全入侵检测防护系统。系统分为数据接收、数据解码及数据预处理三大功能模块,通过引入固定点算法对异常数据进行提取,通过数据特征完成对异常数据的检测。测试表明,与基于优化粒子群算法的网络安全入侵检测防护系统相比,本系统具有更高的精度,能够有效提升工作效率与网络安全维护执行能力,具有良好的应用价值。

基于FastICA-SVM的光伏并网逆变器故障诊断

为解决电力电子器件在发生开路故障时,光伏并网发电系统中的逆变器虽能工作,但存在故障隐患的问题,提出一种基于快速独立成分分析(Fast Independent Component Analysis,FastICA)算法和支持向量机(Support Vector Machine,SVM)相结合的故障诊断方法。首先,采用FastICA对三相电流进行独立成分分离,当得到正弦半波和近似正弦波两个独立成分时,判定逆变器发生单管开路故障;其次,求取旋转电流I_(d)时的频域特征值,将其作为SVM模型的输入值;最后,以不同内积核函数构建SVM,将提取的特征值作为SVM的输入值,逆变器工作状态编码作为SVM的预测输出值,以此进行SVM模型训练。实验结果表明:FastICA能够实现逆变器单管开路故障判定;由二次内积核函数构建的SVM模型故障定位准确率最高,可达97%以上,证明了所提方法的有效性。

基于FastICA的并网逆变器开路故障诊断

三相并网逆变器发生单管开路故障时,故障相电流会缺失半波,非故障相电流仍为正弦波形.文章对三相输出电流进行FastICA算法分析,能够实现相电流波形与噪声分离,同时保持相电流固有波形特征.根据分离得到的相电流波形特征,可以确定是否发生单管开路故障.逆变器上、下桥臂的开关管发生开路故障时,对应相电流将会缺失正、负半周波形,非故障管对应相电流基本正常.据此引入能量函数分别计算相电流前后半周能量值,能量值最小者即能定为故障开关管.

基于小波变换和FastICA的眼电伪迹去除研究

为了高效去除脑电信号(Electroencephalogram,EEG)中的眼电伪迹,文章提出一种基于小波变换(Wavelet Transform,WT)和快速独立成分分析(Fast Independent Component Analysis,FastICA)相结合的眼电伪迹去除方法。首先,应用小波变换将信号分解成不同频率的小波分量,采用适合的小波基函数和阈值针对高低频噪声做去噪处理;其次,应用FastICA算法分离出各通道的独立成分,获取纯净的脑电信号;最后,对BCI competition IV公共数据集应用融合算法,并输入支持向量机(Support Vector Machine,SVM)进行分类验证。实验结果表明,相较于单一的小波变换和FastICA算法,采用文章提出的融合算法处理后的脑电信号的SVM分类识别率分别提升了18.9%和15.8%,证明该融合算法对去除脑电信号中的眼电伪迹有较好的效果。

基于FEWT-FastICA的滚动轴承故障特征识别方法

滚动轴承故障信号常包含着大量的噪声,并以调制的形式存在,其故障特征信息提取困难;同时,采用快速经验小波变换(FEWT)分解故障信号时,又存在故障特征被削弱的问题。为此,将FEWT与快速独立分量分析(FastICA)的优点相结合,在此基础上提出了一种基于FEWT-FastICA的滚动轴承故障特征识别方法。首先,利用FEWT算法对轴承故障信号进行了分解,得到了一组固有模态分量(IMF);根据峭度准则,将峭度值大于3的IMF分量重构为振动冲击信号,峭度值小于3的IMF分量重构为虚拟通道信号;然后,将重构后的信号输入FastICA算法,进行信号的降噪解混,得到信号的最佳估计信号,对最佳估计信号进行了包络谱分析,完成了对滚动轴承的故障诊断;最后,为了验证FEWT-FastICA算法的有效性,采用仿真信号及真实轴承故障信号分别进行了实验验证;同时,为了验证FEWT-FastICA算法的优越性,将其与FEWT进行了对比分析。研究结果表明:该方法能有效地提取故障特征信息,比FEWT方法所得结果的信噪比提升了1.55倍,为轴承故障诊断提供了一种新方法。

改进FastICA算法在谐波检测中的应用

介绍了一种基于改进的快速独立分量分析(FastICA)算法,并将其引入到谐波检测中。该算法在FastICA算法的基础上对牛顿迭代法进行了改进,使其满足三阶收敛,同时依据负熵极大的独立性准则实现了谐波信号的盲分离。为了更好地逼近真实信号,对分离后的信号进行幅值修正,从而完成谐波的检测。仿真实验结果表明了该算法相对于FastICA算法的优点在于减少了迭代次数和加快了收敛速度,同时在谐波分离准确性方面也明显优于FastICA算法。

基于改进FastICA的局部放电在线监测窄带干扰高保真性抑制方法

为了解决传统阈值法和盲分离法在局部放电周期性窄带干扰抑制过程中存在的波形畸变与不确定性问题,提出利用改进的Fast ICA算法对局部放电(PD)信号进行窄带干扰抑制。首先结合PD混合信号离散傅里叶变换功率谱的特点,引入信息熵理论对窄带干扰个数进行确定,并提出利用功率谱"两步法"对窄带干扰频率进行精确估计;然后引入简化的Simpson-Newton迭代公式对Fast ICA算法进行改进,减少算法的迭代次数,并提出利用校准信号对分离信号进行校准,修正分离PD信号的幅值和相位。仿真及实测结果表明,该方法能够有效抑制周期性窄带干扰并能有效保留信号原始特征,且算法的时间复杂度较小,同时与频率切片小波去噪方法和傅里叶变换滤波相比,该方法去噪效果更明显,且能有效避免边缘效应的影响。

改进的高阶收敛FastICA算法

高阶收敛的FastICA具有形式简单、收敛速度快的特点,但其对初始值的选择比较敏感,若初始值选择不当很容易影响收敛的效果,甚至造成不收敛的结果.针对这一问题,采用最速下降法对三阶和五阶收敛的FastICA算法进行改进.首先,应用最速下降法求出初值,再用高阶收敛的FastICA算法求出最优解.语音信号的分离实验表明:改进后的算法对混合信号进行了较好的分离,并且有效地克服了初值敏感性的问题.

FastICA和RobustICA算法在盲源分离中的性能分析

首先简单介绍了FastICA和RobustICA这两种目前最为常用的盲源分离算法,并对这算法的目标函数以及优化算法进行了分析研究,进一步对这两种算法的稳健性及算法复杂度等方面的性能进行分析比较。总的来看,RobustICA算法的综合性能要优于FastICA算法。

基于FastICA的浙江省茶叶早春霜冻时空分布特征

为分析浙江省茶叶早春霜冻时空分布特征,根据前人研究成果结合浙江茶叶生产实际,提出了茶叶早春霜冻的气象指标和等级划分。基于该指标和全省64个基本气象站1971—2011年气象数据,采用FastICA负熵最大化算法分析浙江省茶叶早春霜冻时空变化特征。结果表明,浙江省茶叶整体、轻度、中度和重度早春霜冻第一独立成分方差贡献率分别为76.65%、49.78%、48.01%和55.82%,第二独立成分方差贡献率较小。各等级早春霜冻第一独立成分变化趋势基本一致,浙江北部是最易发生茶叶早春霜冻的地区。41年间每年都发生茶叶轻度和中度早春霜冻,且空间分布都为北多南少,2000年以后茶叶各等级早春霜冻均呈增加趋势。茶叶各等级早春霜冻第二独立成分呈正负相间的分布型,轻度早春霜冻正值中心位于浙西北,温州中部为负值;中度早春霜冻正值位于嘉兴、湖州东部、杭州东北部和温州中部,宁波南部和台州北部为负值中心;重度早春霜冻负值位于湖州西部和温州西南部,浙江其他地区为正值。41年间浙江省茶叶轻度早春霜冻呈减少趋势,中度早春霜冻趋势线呈波动变化特征,其中20世纪70年代和80年代后半期呈减少趋势,20世纪80年代前期、90年代和2000年以后呈增加趋势,重度早春霜冻没有明显的变化趋势。研究结果可为茶叶生产提供科学依据。

引入松弛因子的高阶收敛FastICA算法

高阶收敛的FastICA算法对初始值的选择较为敏感,如果初始值选择不当不仅会影响算法的收敛效果,甚至可能导致不收敛的结果.针对这一问题,将松弛因子引入高阶收敛的牛顿迭代法中,通过适当的修正,获得了既能保证一定收敛速度,又能有效克服初值敏感性的改进三阶、五阶FastICA算法.仿真工具采用Matlab软件,应用3种算法对语音信号进行分离;结果表明,对比基本FastICA算法,改进后的算法有效地分离了混合信号,并且降低了算法对初始权值的依赖性.

基于FastICA算法的电力线通信OFDM信号分离方法

提出了一种基于快速独立成分分析(FastICA)算法的电力线通信正交频分复用(OFDM)技术信号分离方法。该方法在FastICA算法对2路观测信号进行解混处理的基础上,将解混信号的前导字段幅度归一化后分别与OFDM符号的前导序列的对应字段进行互相关,取相关值中最大值较大的解混信号作为通信信号,实现了通信信号和噪声的正确识别。定义分离比值为2路相关值中最大值的比值,作为解混效果的评价标准。通过设置合适的分离比值阈值,实现了期望的解混效果。以解混信号的前导字段为参考相位,采用DBPSK调制解调方式,实现了接收数据与解混信号相位无关。建立了MATLAB通信系统仿真模型,仿真结果验证了该方法在低信噪比条件且无纠错编码功能时仍具有较好的通信效果。最后基于硬件平台对算法的可实现性进行了验证测试。

基于虚拟观测的FastICA的坠砣位移的风荷载分量去除

通过检测坠砣位移、摇杆倾角以及环境参数可以得到接触网张力传递系统的运行状态,而风荷载会导致棘轮补偿器坠砣位移的变化。为准确提取接触网张力传递系统中的故障信息,需对风荷载作用导致的坠砣位移分量进行去除。考虑到风荷载分量是弱信号,提出基于虚拟观测的FastICA的去除方法,并针对ICA的不确定性,提出SS-MDP法消除分离信号的不确定性,并通过仿真验证该方法的可行性。仿真结果证明,该方法可实现坠砣位移信号中风荷载分量的去除。去除风荷载分量后的信号可用于接触网张力传递系统的故障状态的提取。

一种基于FastICA的运动目标检测新方法

独立分量分析是一种新颖的盲源分离技术,目前已经在语音识别、图像处理、通信系统和医学信号处理等领域得到了广泛的关注。简单介绍了独立分量分析的基本理论和算法,用快速独立分量分析(FastICA)方法进行运动目标检测的试验,试验结果表明这是一种鲁棒性较强的运动目标检测方法。