与桥梁抗震规范设计反应谱一致的地震动合成

工程上在对结构进行动力响应分析时,大多是在实测强震数据库中筛选出与规范设计反应谱相一致的实测强震记录作为地震动输入依据,然而,实测强震记录数量有限,需要系统地处理才可投入工程应用,且在对大型工程结构进行动力反应分析时无法体现地震动的空间变异性,因此,本文以《公路桥梁抗震设计规范》(JTG/T 2231-01-2020)中的设计反应谱为例,详细梳理了地震动向量过程的本征正交分解方法(POD)和复相干函数模型,并将反应谱转化功率谱法和调幅功率谱迭代法相结合,基于降维模拟方法,在概率层面上高效地生成了与设计反应谱相一致且具有空间变异性和非平稳性的人工地震动向量过程。数值算例表明,根据目标反应谱转化为调幅功率谱后,再根据功率谱迭代法迭代一次生成的地震动样本与目标反应谱对应良好,同时,降维方法生成的地震动样本具有显著的非平稳性和空间变异性,且统计特征与目标值对应良好。可以认为,本文为桥梁结构在地震作用下的地震激励输入提供了新的途径。

基于矢量振动信号的AR功率谱分析及应用

以矢谱分析为基础,提出了一种针对双通道振动信号的分析方法———矢功率谱分析.从矢谱基础理论出发,证实了转子同一截面上互相垂直的任意两个通道在各频率响应下的能量总和为一定值这一结论,并以此为前提给出矢功率谱分析的表示方法,然后利用参数模型功率谱估计中的AR模型实现了双通道数据集成的AR功率谱估计;因计算过程较为繁琐,提出简化算法,对两个信号的处理可以同步进行,最后用C++Builder5.0编程实现了这一分析方法,并用实际数据验证了其实用性.

机械故障矢功率谱—支持向量机识别方法研究

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面。而支持向量机为解决机械故障诊断中有限的故障样本识别问题提供了一种有力的工具。基于此,结合矢功率谱和支持向量机,提出了一种故障诊断的新方法。该方法是以矢功率谱作为特征输入到支持向量机的多故障分类器进行故障识别,并应用到旋转机械故障诊断中。同时,该方法还与基于矢功率谱的径向基函数网络识别结果进行了比较,实验结果表明,该方法是有效的,尤其在小样本情况下,SVM识别效果明显优于径向基函数网络。

基于信息融合的短时矢功率谱分析方法

研究了基于信息融合的旋转机械短时矢功率谱分析方法。根据单通道信号处理的不足,本文提出把全矢谱技术与短时傅里叶变换相结合,建立矢量信号的短时矢功率谱概念,导出其计算公式,阐述其图谱表达,并将其应用于实际故障诊断系统中。研究表明,短时矢功率谱可以对矢量信号的短时能量随频率、时间等的变化过程作出分析,可以应用于旋转机械故障诊断实践中。

基于矢功率谱-AIS的旋转机械故障识别方法研究

结合矢功率谱分析技术和人工免疫系统,提出一种新的机械故障模式识别方法,它以矢功率谱分析为特征提取工具,以aiNet网络为数据压缩工具,以支持向量机为分类器。该方法成功地应用到旋转机械故障诊断中,实验结果表明,该方法是可行和有效的。

矢功率谱与支持向量数据描述相结合在故障诊断中的应用研究

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面。为了解决智能监测和故障诊断中故障样本缺乏的问题,提出一种矢功率谱与支持向量数据描述(support vectordata description,SVDD)相结合的单分类方法。将该方法应用于转子试验台模拟的故障诊断中,实验结果表明,该方法是有效的。

基于激光超声的铝合金搅拌摩擦焊典型缺陷检测及分析

利用不同搅拌摩擦焊(FSW)工艺参数获得2219铝合金薄板根部未焊合、隧道孔两种典型缺陷,对比X射线检测结果,采用激光超声对这两种典型FSW缺陷进行检测.从时域上对采样信号峰值点及幅值进行分析,并进一步运用PSD-welch功率谱法进行频域分析,提取频域不同频段的能量,结合时域最大幅值作为特征,利用支持向量机建模并训练,识别率达到85%.结果表明,基于激光超声检测的时、频域特征能够有效对铝合金FSW两种典型缺陷进行分类识别,从而为铝合金FSW缺陷检测提供一种技术途径.

旋转机械诊断中的矢功率谱-模糊C均值聚类方法

结合矢功率谱和模糊C均值聚类算法,提出了一种新的旋转机械故障识别方法。该方法以矢功率谱为特征向量,以模糊C均值聚类算法为分类器,成功地应用到旋转机械故障诊断中。实验结果表明,该方法是有效的。

矢功率谱与概率神经网络结合在旋转机械故障诊断中的应用研究

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面,而概率神经网络学习速度快、收敛性好,基于此,结合矢功率谱和概率神经网络,提出一种故障诊断的新方法,该方法是以矢功率谱作为特征输入到概率神经网络分类器进行故障识别,并应用到旋转机械故障诊断中。实验结果表明,该方法是有效的。

基于支持向量机的功率变换器开关管开路故障诊断

提出一种基于支持向量机的功率变换器开关管开路故障诊断方法。利用支持向量机建立分类模型,模型以相电流功率谱为输入量,7种故障状态为输出量,选用高斯核,使用基于二叉树分类器的分类算法。将诊断结果与基于BP神经网络的诊断结果进行比较,结果表明基于支持向量机的分类器在功率变换器开关管开路故障诊断中具有更高的准确率和更好的泛化能力。

矢功率谱与RBF网络结合在旋转机械故障诊断中的应用

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面。径向基函数网络具有良好的推广能力和分类能力。基于此,本文结合矢功率谱和径向基函数网络,提出了一种新的故障识别方法,该方法以矢功率谱为特征向量,径向基函数网络为分类器。并以转子裂纹、转子不对中、油膜涡动为例进行实验研究,实验结果表明,该方法是有效的。

EMD分解在感应电机转子复合故障诊断中的应用

针对感应电机转子断条与偏心复合故障特征受定子电流基波信号的影响而难以提取的难点,提出了一种基于定子电流Park矢量模EMD分解的诊断方法。首先从理论上分析了Park矢量模在凸显复合故障特征方面优于单相瞬时功率,然后通过仿真验证了这一结论的正确性。仿真结果还表明,基于定子电流Park矢量模EMD分解方法诊断灵敏度高、故障特征直观清晰,同时提取的故障特征IMF分量还可以从定量上对故障严重程度作出分析,是一种优越的可行方法。

基于样本内主成分分析的潜油电泵偏磨诊断

特征参数的选择与提取是潜油电泵偏磨诊断至关重要的一步。对潜油电泵偏磨和碰磨过程作了力学分析,证明了利用加速度信号实现偏磨诊断的可行性。据小波变换和功率谱参数的特点以及主成分分析的优点,提出潜油电泵偏磨诊断的特征参数选择和提取方法。对加速度信号使用‘bior1.5’小波先作3层小波分解,然后逐层求取3层细节系数和第3层近似系数的功率谱系数,最后对这4维功率谱系数求取1维主成分,得到了4个代表一个样本的特征参数。该参数消除了小波分解时造成的相邻尺度的相关性,并保留了样本的本质信息和主要信息。以支持向量机作为分类器,5次交叉验证平均正确识别率高达91%,高于小波系数的功率谱系数最大值、小波系数主成分等参数。

基于室外图像的天气现象识别方法

为提高室外视频监控的准确率,实现天气现象的自动观测,提出了一种基于室外图像的天气现象识别方法,该方法通过分析天气现象对图像的影响,提取图像功率谱斜率、对比度、噪声和饱和度等特征进行训练与分类,在训练过程中根据类别之间的特征距离建立分类决策树,并为决策树上非叶子节点构造支持向量机(SVM)分类器,并在每个分类器构造过程中通过对特征赋权值实现对特征的选择。通过对WILD图像数据库和采集图像集不同天气800个样本的测试,除了对降雨的识别率较低(75%)外,对晴、阴、雾天气的识别率均高于85%。

多元位置3值连续相位调制解调方法

为进一步改善多元位置随机极性改进的连续相位扩展二元相移键控(Modified Extend Binary Phase Shift Keying with Continuous Phase,MCP-EBPSK)调制信号的频谱利用率,充分利用相位调制的位置和极性来携带多进制信息,提出了多元位置的3值MCP-EBPSK调制。阐述了多元位置3值MCP-EBSPK调制原理和基于(Back Propagation,BP)神经网络/支持向量机多分类器的解调器模型,对比和分析了随机极性MCP-EBPSK调制、3值MCP-EBPSK调制,以及多元位置随机极性MCP-EBPSK调制、多元位置3值MCP-EBPSK调制的功率谱、-60dB带宽、频谱利用率和解调性能.仿真结果表明:在保持功率谱结构不变的前提下,新的调制方式不仅提升了码率和频谱利用率,且解调性能更佳.

基于频率约束独立分量分析的开关柜局部放电故障识别

针对开关柜局部放电故障检测中窄带干扰等多种噪声消除难题,为提高故障识别率,提出了一种新的局部放电故障识别方法。借助射频电流互感器和高速数据采集系统采集局部放电混合信号,运用频率约束独立分量分析方法从混合信号中分离局部放电的有效信号,克服了其它信号频谱混叠的影响,大幅度提高了信噪比。以0.4-1.1 MHz和1.8-2.7 MHz 2个频带的功率谱构造故障识别的特征向量,采用最小二乘支持向量机对局部放电故障进行识别。通过搭建局部放电实验平台验证了算法的有效性,实验结果表明,开关柜局部放电故障的识别率达98.0%,所提供的识别算法具有良好的泛化能力。

单矢量水听器的几种DOA估计方法

针对单矢量水听器,将旋转不变技术(estimation of signal parameters via rotational invariance techniques,ESPRIT)等参数估计算法用于直方图统计,并提出了基于单矢量水听器的多重信号分类(multiple signal classification,MUSIC)算法,推导出波束形成的功率谱公式和半功率波束宽度公式以及不同声压振速组合情形下定向性能的理论下界,同时也对其他波达方向(direc-tion of arrival,DOA)估计方法进行了总结。理论分析和实验结果表明:ESPRIT等用于直方图统计后能够获取更为全面准确的目标信息;MUSIC算法可获得比最小方差无畸变响应(minimum variance distortionless response,MVDR)更高的分辨率,而且同样满足实时处理要求;MVDR的半功率波束宽度与信噪比大致呈现反比例关系,而常规波束形成(conventional beam-forming,CBF)的半功率波束宽度收敛于131.06°,两者都只与信噪比有关;声能流法等适用于较高信噪比情形,而波束形成和子空间方法的定向精度在较低信噪比情形下仍能接近理论下界,尤其是波束形成具有良好的宽容性;功率谱估计的3种算法具有相同的估计误差边界;各定向算法的时间花销都较小,均可应用于实时系统。

基于扫频振动的禽蛋裂纹检测方法

针对禽蛋裂纹流水线在线检测中,声脉冲敲击法检测易受环境大噪声干扰、需要多次敲击、检测效率低等问题,文中拟构建基于磁致伸缩振动器扫频式振动的禽蛋裂纹检测系统,通过扫频振动增强破损蛋壳敏感频段的振动信息来提高信噪比,分别对裂纹在不同位置的禽蛋(裂纹分别出现在鸡蛋小头、赤道以及大头处)进行研究以提高辨识的普适性,通过对扫频振动音频信号进行功率谱分析,分别构建基于BP神经网络、径向基(RBF)神经网络和支持向量机(SVM)的禽蛋裂纹检测模型,并比较其检测效果。实验中,对290枚鸡蛋进行检测(训练集200枚,测试集90枚),结果表明:支持向量机裂纹检测模型分类效果最佳,测试集中无损蛋与裂纹蛋的判别率分别达到100%和98.3%,且检测每枚禽蛋的时间为57.7 ms,能够满足流水线在线检测要求。

正常家鸽的宽频带心电图时域值和功率谱

实验用南京新博公司生产的NHE-1000型宽频带心电信息检测分析仪,研究了正常家鸽宽频带心电图(WFB-ECG)的时域值和QRS波群的功率谱。主要结果如下:(1)Ⅱ、Ⅲ、aVF导联,QRS波群均为主波向下,形成rS或 rSr’型,无Q波,与人类相应导联的心电图波形相反;S波的升支均有一较大的切迹(无一例外),Ⅱ导联切迹幅度为 0.413±0.133mV,宽度为9.733±1.291ms;Ⅱ、Ⅲ、aVF导联T波直立,方向均与主波相反门(1例除外)。aVR导联,QRS波群主波向上,形成Rs型,T波倒置,与主波方向相反(无一例外),也与人类aVR导联的波形相反。(2)P波时程与P-R段之比值为0.8,而人的为1.0-1.6,小鼠的为0.4。(3)Ⅱ导联QRS波群的功率谱特点:以低频信号(低于80 HZ)为主,而高频频段的相对能量比小鼠的低,比人的高,其中高频频段100-1000 Hz的相对能量为(10.181±7.443)％,80-300HZ为(15.418±10.579)％。(4)QRS波群的额面心电轴为-118°±10°(-96°～-136°);(5)心电向量环的位置与人类的相反,位于-90°～-180°相限。这些现象的产生原因可能是由于家鸽心室 Purkinje纤维末梢延伸到心外膜下心肌,导致心外膜下心肌先除极化,心内膜下心肌后除极化而产生的。

疲劳驾驶识别中的脑电信号特征选择算法和支持向量机模型研究

针对疲劳驾驶识别中脑电特征选择和分类模型,提出采用粗糙集理论的离散化算法对通道和脑电信号特征量进行选择,选用支持向量机作为疲劳驾驶识别模型,并将疲劳误判风险作为支持向量机模型参数进行模型优化.针对5名受试者的实验结果表明,与主分量方法相比,粗糙集离散化算法选取的特征量较少,以0.8为相容度阈值,在208个候选特征中选择的特征数为2～4个,不同被试者选取的特征不同且对建立支持向量机识别模型有影响;疲劳误判风险控制参数可以达到调节支持向量机识别模型误判风险.