应用S.L.Peng窄带分解与广义分形的自动机故障诊断

针对某型高射机枪自动机振动信号低信噪比、干扰多的特点,提出利用S.L.Peng的局部窄带分解理论对信号进行分解和重构,并用支持向量机对故障模式进行识别。通过对自动机故障机理分析,找到易发生故障的位置,并设置3种故障后进行振动信号采集。将信号通过基于局部窄带信号的分解和重构后通过广义维数计算获得各种工况的盒维数、信息维数、关联维数、广义分形维数谱均值,将其供给支持向量机进行故障分类。所得诊断结果准确率达93.75%,具有一定的参考及实用价值。

ACROA优化的自适应最稀疏窄带分解方法

提出了基于人工化学反应优化算法(artificial chemical reaction optimization algorithm,ACROA)的自适应最稀疏窄带分解(adaptive sparsest narrow-band decomposition,ASNBD)方法,将信号分解转化为对滤波器参数的优化问题,使用ACROA进行优化,以得到信号的最稀疏解为优化目标,在优化过程中将信号自适应地分解成若干个具有物理意义的局部窄带信号。对数值仿真和齿轮故障数据进行分析,结果表明该方法在抑制模态混淆、抗噪声性能、提高分量的正交性和准确性等方面要优于ASTFA方法、基于遗传算法(genetic algorithm,GA)的ASNBD方法及总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)方法,并能有效识别出齿轮的典型故障。

自适应最优化窄带分解方法及其应用

提出了自适应最优化窄带分解(Adaptive Optimization Narrow-Band Decomposition,AONBD)方法。该方法将信号分解转化为对滤波器参数的优化问题,以得到信号的最优化解为优化目标,在优化过程中将信号自适应的分解成多个内禀窄带分量(Intrinsic Narrow-Band Components,INBC)。AONBD分为两步,首先通过优化得到最优的滤波器,然后使用该滤波器对信号进行滤波以得到信号的最优化解。阐述了AONBD的基本原理及分解步骤。采用仿真信号将AONBD方法与自适应最优化时频分析(Adaptive Sparsest Time-Frequency Analysis,ASTFA)方法及经验模态分解(Empirical Mode Decomposition,EMD)方法进行对比。结果表明,AONBD在抑制端点效应和模态混淆、抗噪声性能、提高分量的正交性和准确性等方面具有一定的优越性。对转子振动信号的分析结果表明,AONBD能有效应用于机械故障诊断。

互补集合自适应最稀疏窄带分解及其应用

自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)是在包含内禀模态函数(Intrinsic Mode Functions,IMF)的过完备字典库中搜索信号的最稀疏解,将信号分解转化为优化问题,但在强噪声干扰时计算精度仍有待提高。因此在结合了互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)算法,得到了新的互补集合自适应最稀疏窄带分解(Complementary Ensemble Adaptive Sparsest Narrow-band Decomposition,CE-ASNBD)方法。此方法是加入成对符号相反的白噪声到目标信号,从而减小重构误差,在对滤波器参数的优化过程中实现信号的自适应分解。对仿真和实验数据的分析结果表明,该方法在抑制模态混淆、端点效应、性能、提高分量的正交性和准确性等方面要优于CEEMD和ASNBD方法,并能有效应用于滚动轴承故障诊断。

一种改进的ACM算法及其在鄱阳湖水域监测中的应用

Sentinel-1合成孔径雷达(SAR)卫星具有测绘带宽、重访周期短、分辨率高等优点,为长时间的水域监测提供数据基础。2016年长江中下游地区洪涝灾害严重,鄱阳湖是长江干流的重要调蓄性湖泊之一,基于SAR图像的鄱阳湖水域提取及其变化检测具有重要意义。然而受相干斑噪声的影响,尤其是在鄱阳湖分布较广、地物背景较复杂、弱边缘和模糊边缘较多的情况下,传统的水域分割方法边缘保持性较差、提取精度较低。针对上述问题,该文提出一种基于局部窄带的ACM边缘提取算法,并将其应用于Sentinel-1A获取的鄱阳湖水域时序观测图像中。该算法首先采用两级Otsu方法获取初始轮廓,随后在初始轮廓附近建立局部窄带,最后在窄带内采用基于区域的ACM方法进行轮廓线演化来解决弱边缘或模糊边缘问题。实验结果表明该方法在边缘保持和分割精度上具有明显优势,并且降低了计算时间。

S.L.Peng自适应分解算法的研究与探讨

介绍S.L.Peng的基于瞬时频率和局部窄带信号的自适应分解方法,对两类局部窄带信号分解方法进行分析与研究。这种算法选取局部窄带信号作为基信号,通过构造奇异线性算子,从其零空间中提取局部窄带信号,从而实现信号的自适应分解,并通过与MP算法的比较,给出这两种算法的内在联系。