基于改进自适应局部迭代滤波的谐波检测方法研究

针对大量非线性负荷及电力电子设备广泛应用导致的电力系统谐波成份非平稳性和复杂性日益突出,难以识别和检测的问题,在引入自适应局部迭代滤波算法的基础上,提出了基于改进自适应迭代滤波与希尔伯特变换的谐波检测方法。改进自适应迭代滤波算法利用Fokker-Planck方程构建滤波函数,经滤波筛选获取具有平稳特征的本征模态分量,具有坚实的数学基础,且能够有效地避免经验模态分解算法存在的模态混叠问题。首先利用改进自适应迭代滤波算法分解得到周期分量,对各分量进行Hilbert变换,提取包括频率、幅值、相位在内的谐波特征参数。测试信号及实测数据分析结果证明了所用方法的有效性,与经验模态分解的对比结果充分验证了本方法在电力系统谐波检测中的强适应性。

局部迭代的快速K-means聚类算法

为了解决K-means算法在聚类数量增多的情况下,因选择了不合适的中心初值而影响到聚类效果这一问题,提出了一种局部迭代的快速K-means聚类算法(PIFKM+−)。该算法在K-means聚类的基础上,不断寻找能够被分割的聚类簇和能够被删除的聚类簇,并对受影响的局部数据进行重新聚类处理,降低了整个聚类更新的时间复杂度,提高了聚类的效果。PIFKM+−算法在面对聚类数量众多的情况下,具有能够快速更新聚类、对聚类中心初值不敏感、能够提高聚类精确度等优势。通过与K-means和K-means++两种算法的比较,在仿真数据集和真实数据集的综合实验下,验证了该算法的精确性、高效率性和可扩展性,同时实验结果的统计分析表明该算法在提高了聚类精确度的同时并没有损失太多的时间效率。

自适应局部迭代滤波与模糊熵在齿轮系统故障识别中的应用

针对齿轮系统实测信号受噪声干扰而不能准确反映故障特征的问题,提出了一种自适应局部迭代滤波与模糊熵相结合的故障识别方法。利用自适应局部迭代滤波可以将齿轮非平稳信号分解为有限个平稳的本质模态函数,由于自适应局部迭代滤波能有效分离出齿轮系统的转频信号,因此,以转频信号对应的本质模态函数为分界,计算前几个本质模态函数的模糊熵,最后,通过计算不同工况振动信号模糊熵的灰色关联度来识别齿轮系统不同的故障类型。结果表明,该方法能够有效地应用于齿轮系统的故障诊断。

三维IFS分形插值逆问题的局部迭代算法

研究了三维IFS分形插值逆问题及其在三维曲面重建中的应用.采用具几何意义的简洁迭代格式,简化了压缩变换组中使用的分形参数和计算环节;提出了一种局部迭代算法,解决了利用拼帖定理确定分形参数时出现的无法分离求解问题,可以逐步收敛到最优解.针对三维地表重建的实验结果表明,该算法在重建质量和计算时间上有很好的实用性.

基于自适应局部迭代滤波和模糊C均值聚类的滚动轴承故障诊断方法

为准确提取滚动轴承振动信号的故障特征,并对不同状态信号进行划分,提出了一种基于自适应局部迭代滤波(ALIF)和模糊C均值(KFCM)聚类的滚动轴承故障诊断方法。首先,将多模态信号自适应分解为多阶单一模态分量;然后,结合相关系数提取出含有最多故障特征信息的最优分量,计算其近似熵值并构建特征向量矩阵;最后,将得到的特征向量输入KFCM得到聚类结果。试验结果表明,与基于EMD,EEMD和KFCM聚类,以及ALIF和FCM聚类的方法相比,ALIF和KFCM方法的分类系数更接近1,平均模糊熵更接近0,聚类效果更好,对滚动轴承各类故障信号具有很高的识别度和良好的分类效果。

单滤波器延时估计-局部迭代算法

利用目标系统的稀疏性,提出基于延时估计的局部迭代(Delay Estimate-Selective Partial Update,DE-SPU)算法以降低滤波器有效长度。新算法先利用移动窗积分获取目标系统的延时估计以确定活跃系数位置,然后每次迭代均以自适应算法更新全部活跃系数与循环更新一段非活跃系数。活跃系数获得较高的更新频率以提高系统收敛速度,非活跃系数获得较低的更新频率以保证系统的跟踪能力。新算法用一个滤波器完成对稀疏系统的延时估计与活跃系数辨识,可有效避免双滤波器结构的信息冗余。最后以回声消除为应用背景对新算法进行实验仿真,仿真结果表明新算法性能优于传统的的NLMS算法以及各种双滤波器算法,进一步验证了新算法的有效性。

自适应局部迭代滤波在齿轮故障识别中的应用

针对齿轮实测信号因受噪声干扰而不能准确反映故障特征的问题,提出将自适应局部迭代滤波应用到齿轮故障识别中,与样本熵、灰色关联度相结合实现齿轮的故障识别。利用自适应局部迭代滤波将齿轮非平稳信号分解为有限个平稳的本质模态函数,通过计算各本质模态函数的样本熵,发现以齿轮系统的转频信号对应的本质模态函数的样本熵为界,前几个本质模态函数的样本熵能表征不同故障类型的特征;计算齿轮系统正常、齿面轻度磨损、齿面中度磨损和断齿4种工况下多个训练样本的样本熵的平均值,将其作为对应工况标准故障模式的参考值;计算待检测样本的样本熵与各状态下训练样本的样本熵平均值之间的灰色关联度,与待识别样本灰色关联度最大的标准故障模式即被认为是待识别样本的故障类型。实例分析结果表明,通过自适应迭代滤波能有效抑制模态混叠现象,发现明显的齿轮转频信号,而采用集合经验模式分解(EEMD)方法进行信号分解后,模态混叠现象比较明显,且在EEMD的分解结果中基本看不出齿轮的转频分量;4种工况的样本熵曲线形状存在明显差异,说明样本熵能有效表征齿轮故障特征的变化;灰色关联度方法能有效地将4种不同的故障类型进行分类识别,分类识别性能优于BP神经网络,对小样本数据具有较好的分类识别能力。

局部迭代NLMS算法研究

针对回波抵消器中大量抽头系数需要更新的问题,分析比较各种局部迭代NLMS算法的性能和计算复杂度。根据权系数局部迭代的简化原理,将滤波器系数分成多个系数子集,通过每次迭代仅更新权系数部分子集的方法,减少算法的计算量。并对不同的子集生成策略进行复杂度和滤波性能分析,分析结果表明,基于权系数瞬时梯度估计的Mmax系数局部迭代方法,以及基于最小化干扰原理的选择性权系数局部迭代算法,其性能与全系数更新算法相当,而计算量与连续局部迭代算法相比仅附加少量比较运算。

一类非线性方程解的blow up及局部迭代解

本文以一种变换。化非线性方程为非线性抛物型方程,并利用凸性方法及最大值原理证明其初边值问题的解于有限时间内blow up. 然后借助于Riemann函数。设计一结构,由此经积分而变原问题为积分微分方程,再依不动点原理证明它与原问题等价,且由该积分微分方程而求得一致收敛的迭代解。

基于故障区域局部迭代的工程实用化新能源短路电流计算

新能源快速发展,正在由辅助电源向主力电源过渡。现有新能源工程短路电流计算存在两大问题。一是用1.2~2倍额定电流表征新能源故障特性,过度简化导致计算精度差,难以满足保护要求;二是现有短路电流整定计算软件不支持迭代,因而无法根据节点电压变化而更新新能源故障电流,体现其压控电流源特性。针对该问题,首先,基于新能源的故障特性精细化解析模型,结合现场故障录波数据,构建满足工程实用计算要求的电压电流映射关系;然后,根据电网故障后节点电压跌落程度和节点之间的连接关系划分故障区域,并在故障区域内依据新能源的工程实用化计算公式进行局部迭代计算来求解网络的节点电压和短路电流,从而避免了全局迭代可能带来的收敛性问题,同时也缩短了计算时间;最后,通过工程计算软件验证了所提方法的计算效果。

互连网络局部迭代负载平衡技术

新的基于网络的计算模式(如网格计算,云计算,P2P计算)的共同特点是计算节点之间都是通过互连网络进行通信。对互连网络各个计算节点产生的工作负载进行平衡是提高计算系统性能的关键。文章介绍了近年来在互连网络上使用局部迭代方式求解负载平衡问题在算法设计及其性能分析反面的若干基本研究成果。

基于局部迭代插值的位置指纹听觉定位方法

针对位置指纹听觉定位方法采样周期长和定位运算量大的问题,提出了一种局部迭代插值方法来提高其定位效率。首先,在离线采样阶段,通过减少初始参考点数量的方式来提高定位数据库的构建效率;然后,在在线定位阶段,采用迭代插值方法对数据库进行扩展以达到定位精度要求。与传统插值方法不同,局部迭代插值方法基于定位目标的临近参考点产生虚拟参考点,并且可通过对位置估计过程的监控避免冗余虚拟参考点的产生。此外,采用贪婪搜索算法缩小定位目标的临近参考点匹配范围,从而进一步提高在线定位阶段的效率。实验结果表明,采用局部迭代插值方法可以在保证定位精度的前提下有效提高位置指纹听觉定位过程的效率。

一种基于局部迭代函数系统的数字水印技术

以提高水印的鲁棒性和图像质量为着眼点 ,提出了一种基于局部迭代函数系统(LIFS)的数字水印技术 .利用原始图像与恢复图像的分形参数不变性 ,将水印信息嵌入到灰度补偿因子中 .实验结果表明本文的方法在一定程度上提高了图像质量 ,并对某些图像处理操作和有损压缩仍是鲁棒的 .

一种基于局部迭代的仿射投影算法

为降低仿射投影算法的计算复杂度,提出了一种基于Mmax局部迭代策略的算法。首先根据权系数局部迭代的简化原理,将滤波器系数分成多个系数子集,通过每次迭代仅更新权系数部分子集的方法,减少算法的计算量。仿真结果表明,由于每次迭代将对误差性能贡献最大的输入信号筛选出来作为输入,Mmax系数局部迭代仿射投影算法性能与全系数更新算法相当。

基于自适应局部迭代滤波和能量算子解调的滚动轴承故障特征提取

为了提高滚动轴承的故障特征提取可靠性,该文提出了一种基于自适应局部迭代滤波(Adaptive local iterative filtering,ALIF)和能量算子解调的滚动轴承故障特征提取的方法。该方法首先利用ALIF将轴承的故障振动信号分解为若干个本征模态函数(Intrinsic mode function,IMF)分量,然后对包含故障信息最多的分量进行能量算子解调,得到分量的包络谱来提取轴承的故障特征。仿真结果表明:ALIF能够准确获取IMF分量,解决经验模式分解(Empirical mode decomposition,EMD)带来的模式混叠问题,结合能量算子解调方法能更好地凸显故障信号的包络谱特征,有效地提取轴承故障特征频率。

基于局部迭代的敏捷过程管理研究

阐述了敏捷项目管理的概念与起源,对敏捷过程管理的基本框架进行了改进,提出了基于局部迭代的敏捷过程管理框架,并对该框架的项目生命周期进行了阶段划分,介绍了各阶段的目标以及主要任务。

基于多顶点替换策略的迭代局部搜索算法解决覆盖推销员问题

覆盖推销员问题(Covering Salesman Problem,CSP)是著名的旅行商问题的一个变体,是NP难问题。给定一组顶点和每个顶点相关联的预定覆盖半径,CSP的目标是在顶点子集上找到一个最短长度的哈密顿回路,使每个顶点被访问或者在被访问顶点的覆盖范围内。为提升搜索候选顶点集的质量,提出一种基于多顶点替换的搜索策略,并将该策略引入到迭代局部搜索算法解决CSP。所提CSP算法通过扰动过程和改进过程的迭代探索邻域最优解,其中扰动过程将搜索发散到未探索的区域,改进过程提升解的质量。实验结果表明,多顶点替换方法相比“移出-重新插入”过程可以获得更高质量的候选顶点集。所提CSP算法在寻优的正确率上取得了不错的成效,尽管运行速度与其他启发式算法相比有差距,但可以在合理的运行时间内解决CSP。

引入改进迭代局部搜索的灰狼算法及应用

针对标准灰狼算法(GWO)收敛速度慢,易陷入局部最优等缺点,提出一种引入改进迭代局部搜索的灰狼算法(IGWO)。首先,通过佳点集策略增强初始种群的均匀性与多样性;其次,采用双收敛因子,收敛因子基于种群位置非线性自适应更新,在种群寻优全期平衡全局勘探与局部开发能力;再次,在种群位置更新公式引入欧氏动态权重与莱维飞行策略,提升寻优精度,并帮助种群跳出局部最优值;最后,引入改进迭代局部搜索,使算法的搜索能力更加灵活,帮助算法加速收敛。通过10个基准测试函数的仿真分析及种群寻优平衡性对比,证明了IGWO具有更优的寻优精度、稳定性及收敛速度,随后将IGWO应用于工程优化问题中,相比GWO、GJO、WOA、HSSAHHO、SCHOA、NCPGWO、DSFGWO 7种算法,适应度分别优化了3.25%、27.2%、28.9%、3.15%、3.04%、0.23%、0.07%,证实了在工程应用中的可行性和有效性。

基于自适应直接快速迭代滤波的滚动轴承故障诊断方法

直接快速迭代滤波(direct fast iterative filtering,DFIF)是最近提出的一种非线性和非平稳信号分析方法。针对DFIF方法需人为设定滤波区间调整参数,且该参数在迭代计算过程中缺乏自适应性等问题,提出了自适应直接快速迭代滤波(adaptive direct fast iterative filtering,ADFIF)方法,该方法基于瞬时频率波动能量差准则,自适应确定DFIF算法外循环每层迭代筛分过程中最优滤波区间调整参数。ADFIF方法能够自适应地将任意非线性和非平稳信号分解为若干个瞬时频率具有物理意义的近似窄带信号和一个趋势项之和。通过仿真信号和滚动轴承故障信号分析,将所提ADFIF方法与原DFIF、自适应局部迭代滤波、变分模态分解、经验模态分解等方法进行对比,结果表明,所提ADFF方法在抑制模态混叠和抗噪性方面具有一定的优势,且能提取出滚动轴承更多故障特征信息。

基于K均值的迭代局部搜索聚类算法

K均值聚类算法(KM)是解决聚类问题的一个常用的方法,该方法的主要缺点是其找到的局部极小值与全局最优值的偏差往往较大。论文构造一种基于KM算法的迭代局部搜索算法(称之为IKM)。该算法以KM算法所得到的解作为初始解,从该初始解开始作局部搜索,在搜索过程中接受部分劣解。当解无法改进时,算法对所得到的局部极小解做适当强度的扰动后进行下一次的迭代,以跳出局部极小,从而拓展了搜索的范围。试验结果表明IKM算法得到的聚类结果比KM算法得到的聚类结果有明显的改进,平均改进达100%以上。当数据集越大,簇的个数越多时,改进的效果越是显著,可以达到300%以上。因而,IKM算法是一个确实可行的有效的方法。