CEEMD-FastICA-CWT联合瞬态响应阶次的电驱总成噪声源识别

以某增程式电驱动总成为研究对象,提出基于联合算法的噪声分离识别模型。首先,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)联合快速独立分量分析(fast independent component analysis,FastICA)方法提取纯电模式稳态工况下单一通道噪声信号特征,利用复Morlet小波变换及FFT对各分量信号时频特性进行识别。其次,采用阶次分析法和声能叠加法对稳态分量信号对应的各瞬态响应阶次能量进行对比分析,并结合皮尔逊积矩相关系数(Pearson product moment correlation coefficient,PPMCC)相似性识别确定不同噪声激励源贡献度。结果表明:减速齿副啮合噪声对该增程式电驱总成纯电模式运行噪声整体贡献度最大。

基于光谱处理方法的棉花叶绿素含量高光谱反演研究

【目的】叶绿素含量可以用来评价棉花的长势情况,快速、准确和大面积监测棉花叶绿素含量,有助于实现精准农业。【方法】分别用0~2阶(步长为0.2)的分数阶微分处理和1~10尺度下的小波变换对田间测定的陆地棉和海岛棉等2种棉花的高光谱反射率进行处理,提高棉花叶绿素含量反演精度。通过分析不同处理方式的光谱与叶绿素含量之间的相关性,筛选得出敏感波段;并运用支持向量机回归和随机森林回归模型分别构建棉花叶绿素含量高光谱估算模型。【结果】(1)在全波段范围内,2种棉花325~1075 nm光谱反射率曲线整体变化趋势基本相同,其反射率均随着叶绿素含量的增加而增大。(2)经连续小波变换和分数阶微分变换后,2种棉花高光谱数据和叶绿素含量的相关性有所增强。使用随机森林回归和小波能量系数7对陆地棉叶绿素含量的反演效果最好,建模集决定系数(coefficient of determination,R^(2))为0.931,均方根误差(root mean square error,RMSE)为0.782,剩余预测偏差(residual prediction deviation,RPD)为2.162;使用随机森林回归和小波能量系数6对海岛棉叶绿素含量的反演效果最佳,建模集R^(2)为0.932,RMSE为1.198,RPD为2.687。【结论】本研究可为棉花叶绿素含量遥感估算提供技术参考。

基于连续小波变换和高阶统计量的心律失常识别算法

针对可变持续时间心电图(ECG)数据信号的非平稳性和时序性问题,提出一种基于连续小波变换(CWT)和高阶统计量(HOS)的心律失常识别算法。首先,针对可变持续时间ECG数据中每个样本的数据点数量不同,采用RR间期插值法预处理数据,并通过CWT将信号分解为不同的时频分量,从而使网络能够更好地提取心电信号中的时间和频率特征。其次,针对时序信息利用不充分的问题,提出基于HOS和长短期记忆网络的时序挖掘模块,以捕捉和学习ECG信号中的长期依赖关系,从而有助于识别和理解特定的心律失常类别。通过在公开的ECG数据集MIT-BIN上进行的大量实验,验证所提方法的有效性和优越性。

模型约束与机器学习下的植物类胡萝卜素和叶绿素含量反演方法

叶绿素和类胡萝卜素含量是评价植物健康状况的一个重要指标。PROSPECT模型与机器学习耦合反演植被生化特性已得到广泛应用。但由于叶片方向半球反射率因子(DHRF)光谱和二向反射率因子(BRF)光谱之间的差异,耦合模型的应用范围受到限制。为此,以北美地区植物叶片光谱数据库(EcoSIS)作为实验数据集,提出PROSPECT模型作为机器学习的附加约束形成混合数据集,对此混合数据集利用连续小波变换(CWT)产生的小波系数谱和一阶导(FD)产生谱,提出三种全光谱域和VNIR光谱子域下的植物叶片叶绿素、类胡萝卜素的光谱特征变量筛选策略,即是:竞争性自适应重加权算法(CARS)、连续投影算法(SPA)和主成分分析法(PCA)。由此,基于上述2×2×3=12种不同光谱处理方法、特征提取方法组合,分别建立了植物叶片叶绿素和类胡萝卜素含量的人工神经网络(ANN)预测模型。进而开展了不同模型下的预测精度对比分析,结果表明:PROSPECT模型约束下的模拟数据一定程度增强了机器学习的训练集质量;经一阶导、小波变换处理的光谱能较好地减少DHRF模拟光谱和BRF实测光谱间的偏差,并在结合特征提取算法CARS后进一步提升了预测表现。在全光谱域下的FD+CARS组合对叶片叶绿素的反演效果最佳,测试集R2为0.8064,RMSE为2.9114;在VNIR光谱子域下的CWT+CARS组合对叶片类胡萝卜素最佳,测试集R2为0.7972,RMSE为0.4141。该方法可为研究人员从叶片BRF光谱及其他近端反射率图像更精确、高效地提取植物叶片生化特征提供参考。

分数次Chebyshev小波结合SA算法求解分数阶微分方程数值解

为了求解分数阶微分方程,提出了一种结合分数次第二类Chebyshev小波(FOCWs)配置法与模拟退火(SA)算法的有效数值方法。首先,构造了分数次的第二类Chebyshev小波函数,利用正则化的Beta函数,推导了分数次Chebyshev小波函数在Riemann-Liouville分数阶积分定义下的积分计算公式。其次,利用分数次小波函数及积分公式并结合配置法,将分数阶微分方程转化为线性或非线性代数方程,给出了算法的误差估计。由于分数次小波函数中涉及分数次参数α,解的结果依赖于参数α的选择,考虑使用SA算法寻找最优参数。最后,通过数值算例验证了该方法的可行性和有效性。

高阶Haar小波方法求解一类Caputo-Fabrizio分数阶微分方程

利用高阶Haar小波配置法求解了一类Caputo-Fabrizio分数阶微分方程。通过Caputo-Fabrizio分数阶积分将原方程转化为等价的二阶常微分方程,再结合高阶Haar小波配置法将得到的常微分方程化为线性代数方程组进行求解。数值实验表明,使用很小的尺度J可以得到满意的数值精度,且增加尺度J可以获得更高精度的数值解,该算法稳定,具有一定的应用价值。

基于小波变换的轴流风扇2阶叶频噪声机理分析及叶型优化方法研究

为了研究空调室外机轴流风扇2阶叶频噪声产生来源和抑制方法,采用大涡模拟仿真,结合能谱分析和小波分析方法,识别影响2阶叶频噪声的典型流场位置和流动结构,对风扇叶型优化设计方法进行研究和试验验证。结果表明,2阶叶频噪声主要受风扇与周围部件的间隙及叶尖出口区域流动的影响,通过增加风扇与隔板间隙9 mm,即可降低2阶叶频噪声6 dB;针对风扇的优化设计方法,前加载叶型可显著降低2阶叶频噪声,而通过调整周向积叠线,可将不同叶高区域2阶叶频噪声相位差控制在π/3,从而抑制幅值叠加,实现降低2阶叶频噪声6.7 dB。研究结果可为空调室外机轴流风扇的叶频噪声优化提供技术参考。

基于优化小波包分解的航空发动机主轴承故障特征增强方法

目的 解决航空发动机主轴承微弱故障特征在高背景噪声环境和变转速工况下难识别的问题,提出基于优化小波包分解的航空发动机主轴承故障特征增强方法。方法 首先通过计算阶次分析方法,将振动时域信号转化为振动角域信号;然后对振动角域信号进行小波包分解,并引入有效故障特征能量比和优化最大相关峭度解卷积方法对信号故障特征进行增强,通过循环迭代逐步提取故障特征;最后对信号进行包络分析,并与理论轴承故障阶次进行对比,实现轴承故障诊断。结果 通过对整机试车条件下航空发动机主轴承外圈压坑故障实验数据进行分析,验证了该方法能够有效增强振动信号中的故障特征信息。结论 与传统WPD方法相比,该方法可以有效增强主轴承故障特征阶次,实现高背景噪声环境和变转速工况下的故障诊断。

先天性心脏病筛查系统设计

为提高医生筛查先天性心脏病的效率,设计一款基于卷积神经网络的先天性心脏病筛查系统。系统以软硬协同的方式实现心音、心电等生理参数的实时同步采集以及可视化和定量化分析。系统包含上下位机,下位机以FPGA为核心实现心音心电数据采集以及小波阈值去噪等预处理,上位机在Windows系统环境下以Python编程语言实现二阶谱特征提取、卷积神经网络二分类识别以及用户界面可视化显示。最终,系统对200名志愿者进行测试,准确率达到94.5%,特异度为95.9%,敏感度为93.2%。结果表明系统具有良好的表现,可以为临床先心病筛查提供有效的辅助。

基于多传感信号融合的运动负荷强度信息监测

针对外界传感环境中因信道噪声过强、频谱信号接收能力较差,导致监测误差大的问题,提出多传感信号融合方法。对原始采集的负荷强度信号实施降序处理,并利用小波包变换法对分配后的数据重新定义,运用函数定义序列重建原始强度数据,排除噪声干扰;以该数据值作为运动负荷强度的判定集合,参考传感器监测状态、强度评价参数以及灵敏度数值三者间对应关系,以国家规定强度参数为判定依据,完成运动强度监测。仿真实验证明,所提方法的监测精准度较高、稳定性较好、整体实用性较强。

基于哈尔小波配点法的虚拟同步化电网动态仿真方法

虚拟同步化电网中多元设备间惯量差异明显、多尺度特征突出,传统动态仿真方法对多尺度特性的适应性存在不足。该文提出一种基于哈尔小波配点法的仿真方法用于虚拟同步化电网系统的动态仿真。首先揭示虚拟同步化电网系统的多尺度特征,分析传统仿真方法在多尺度系统仿真中的局限性。然后,介绍小波配点法的基本原理,建立基于哈尔小波表征的虚拟同步化电网多尺度模型,通过构造积分步内的插值配点,提出基于小波配点法的仿真求解方法。而后,详细分析该方法的时间复杂度和误差累积特性,为了提升仿真效率,进一步提出多层次自适应与多区间自适应的仿真策略,构建了优化的哈尔小波配点法动态仿真计算流程。最后,基于不同规模虚拟同步化电网算例,将哈尔小波配点法与传统商用仿真算法进行对比分析。结果表明,所提方法准确可靠,具备高阶精度、快速仿真能力,可以实现多尺度虚拟同步化电网的大步长仿真。

CWT-ETVF与SWT结合的齿轮无转速计阶次跟踪及其应用

变转速齿轮故障振动信号特别微弱时,同步压缩小波变换(synchrosqueezing wavelet transform,SWT)无转速计阶次分析方法的提取效果不佳。基于此,提出一种连续小波变换的椭圆时变滤波(continuous wavelet transform-elliptic time-varying filtering,CWT-ETVF)与SWT相结合的无转速计阶次跟踪方法,用以提取齿轮时变低频故障特征。将CWT-ETVF与SWT结合对振动故障信号进行瞬时频率估计,以获得参考轴相位;再对原信号进行等角度重采样得到角域平稳信号,并作其阶次谱分析和SWT分解;最后,选取SWT重构分量进行阶次谱分析与阶次包络谱分析,以提取齿轮断齿的时变故障特征。仿真及实验结果验证了该方法在齿轮变转速工况下低频微弱故障特征提取的有效性。

基于AR-EWT和SSI的桥梁结构模态参数识别

为解决随机子空间识别(SSI)算法存在的系统定阶困难问题,避免各模态之间的相互影响,提出一种结合自回归功率谱经验小波变换(AR-EWT)和SSI的桥梁结构模态参数识别方法。首先,采用AR-EWT将结构不同测点的振动响应信号分解成一系列仅含单一模态信息的单分量信号,并利用奇异值分解(SVD)去噪单分量信号。然后,组装所有测点中包含相同模态信息的单分量信号。最后,利用SSI分别处理各组单分量信号,识别结构的自振频率、阻尼比和振型。ASCE Benchmark模型、简支梁模型和西宁北川河桥的模态参数识别结果表明:所提出的AR-EWT结合SSI的模态参数识别方法可避免直接利用SSI识别模态参数时存在的系统定阶问题,提高模态参数识别效率;ASCE Benchmark模型、简支梁模型和西宁北川河桥的模态参数识别结果与直接利用SSI的识别结果、有限元分析结果基本一致。

基于连续小波变换的表层土壤有机碳含量的高光谱估算

土壤有机碳含量的高光谱估算,可快速、准确监测土壤肥力,为农业生产进行合理施肥提供科学依据。以博斯腾湖西岸湖滨绿洲为研究区,应用ASD FieldSpec3光谱仪测定表层土壤的高光谱反射率,采用重铬酸钾-外加热法测定表层土壤有机碳(SOC)含量;运用连续小波变换(CWT)分别对土壤高光谱反射率(R)及其一阶微分变换(R′)进行尺度分解,分析不同尺度分解后的数据与表层SOC含量的相关性,筛选敏感波段,分别建立偏最小二乘回归(PLSR)、随机森林(RF)和支持向量机(SVM)3种模型估算表层SOC含量。研究结果表明,土壤高光谱反射率与SOC含量呈负相关,经过一阶微分变换后,通过极显著性检验(P<0.01)的波段数由1689个降低为227个,最大相关系数绝对值(|r|)由0.39提高至0.54;土壤高光谱数据CWT处理后,与表层SOC含量的相关性随分解尺度的增加呈现先增后降的趋势。R′-CWT-SVM模型估算效果最优,建模集和验证集R 2分别为0.83和0.80,RMSE分别为5.24和3.56,RPD值为2.12,能够有效估算研究区表层SOC含量。

基于瞬时故障特征频率曲线提取的变转速滚动轴承故障诊断

提出了一种基于瞬时故障特征频率曲线提取的阶比分析诊断方法,首先,采用希尔伯特变换获得滚动轴承振动信号的包络信号;然后,采用同步挤压小波变换对包络信号进行时频分析,根据所得时频图确定滚动轴承瞬时故障特征频率曲线的频率范围,经过阈值处理、频率校准、曲线拟合估计瞬时故障特征频率;最后,根据瞬时故障特征频率进行等角度重采样及频谱分析获得阶比谱,根据故障特征系数和阶比谱图判定轴承故障。

基于数据筛选及平滑处理的风电功率曲线建模方法研究

风电功率曲线是评估风力发电机组性能及发电能力的一项重要依据,但同一风速下的风电功率往往存在较大范围的波动,这给风电功率曲线的建模带来了很大的困难。针对传统风电功率曲线建模方法精度不理想的问题,提出了一种新型的风电功率曲线建模方法。采用核密度估计法对数据做筛选处理;采用基于时间序列平滑的预处理方法对输入风速进行平滑处理;利用小波神经网络实现风速与功率的非线性映射功率曲线建模。通过风电功率曲线建模实例的对比分析,结果表明该方法具有很好的优越性,能取得更高的建模精度。

渭-库绿洲耕层土壤砷含量高光谱估测研究

以新疆渭干河-库车河三角洲绿洲耕层土壤为研究对象,通过对原始光谱反射率(R)、包络线去除(CR)和一阶微分(R')变换光谱数据结合连续小波变换生成小波系数,筛选出与砷含量具有极显著相关性的特征波段(P<0.001),运用偏最小二乘回归、BP神经网络、随机森林回归及支持向量机回归分析方法建立耕层土壤砷含量的高光谱估测模型。结果表明,经一阶微分结合连续小波变换处理后,光谱数据与砷含量之间的相关性提升尤为明显。综合考虑各模型估测精度及稳定性,认为R'-CWT-2^(6)-SVMR模型可作为研究区耕层土壤砷含量的最佳估算模型,其训练集和验证集的决定系数(R^(2))分别为0.753和0.740,均方根误差(RMSE)分别为1.350 mg/kg和1.819 mg/kg,相对分析误差(RPD)分别为2.03和2.00。

移动加载车轨道刚度检测数据快速处理方法

根据移动加载车轨道刚度检测方法和检测数据特点,提出了轨道刚度检测数据快速处理方法。采用小波-有序中值滤波方法将信号分解成含冲击噪声的高频部分和正常的低频部分,用相邻数据的有序中值替换冲击噪声;采用绝对里程修正方法,根据曲线信息提取各段曲线,通过相关性分析对曲线段进行里程粗调修正,再通过插值法进行里程精调;对检测数据滤波、里程校正处理以及对轻载和重载数据进行相关性分析后,得到荷载作用下的轨道变形,计算得到轨道刚度。依据数据处理方法,采用VS2019编程工具,开发了轨道刚度检测数据快速处理软件,软件运行良好。

基于连续交叉小波相干分析和自适应CYCBD的轴承故障诊断

最大二阶循环平稳指标盲解卷积(maximum second-order cyclostationarity blind deconvolution,CYCBD)能从强背景噪声信号中恢复周期脉冲,是轴承故障诊断的有效方法。故障特征频率是CYCBD的关键参数,由于滚动轴承存在制造误差、滚子滑移等现象,导致真实的故障特征频率与理论值存在偏差,降低了CYCBD的有效性。同时,故障轴承测试信号中含有大量噪声和谐波干扰,也降低了CYCBD的故障特征提取能力。对此,提出了一种基于连续交叉小波相干分析和自适应CYCBD的轴承故障诊断方法,首先,利用正常轴承、故障轴承测试信号的交叉小波相干分析获取轴承故障共振频带。其次,基于3种归一化的周期检测指标提出一种新的周期检测技术以获取真实的轴承故障特征频率。最后,基于轴承故障共振频带信号和真实轴承故障特征频率进行CYCBD滤波,并针对滤波信号进行Teager能量算子解调分析得到能量频谱,从而进行轴承故障诊断。仿真信号和高速列车牵引电机轴承试验信号的分析结果表明,该方法能够有效识别轴承故障特征,且优于传统的CYCBD方法。

第六类Chebyshev小波配置法求分数阶微分方程数值解

基于第六类Chebyshev小波配置法,提出一种求解分数阶微分方程数值解的数值方法。利用平移的第六类Chebyshev多项式,在Riemann-Liouville分数阶定义下,获得了第六类Chebyshev小波函数的分数阶积分公式的精确表达式。利用积分公式,结合有效配置法,将分数阶微分方程的求解问题转化为代数方程组进行求解。同时,给出了第六类Chebyshev小波函数展开逼近的一致收敛性分析和L2范数意义下的误差估计。通过数值算例验证该算法的适用性与有效性。