快速自适应局部均值分解及轴承故障诊断应用

提出了一种新的非平稳信号处理方法——快速自适应局部均值分解(Fast and Adaptive Local Mean Decomposition,FALMD)。采用顺序统计滤波器求取信号上下包络线的均值来获得局部均值函数及包络估计函数,然后将信号分解为若干乘积函数(Product Function,PF)分量及一个残余分量。该算法一方面改变了局部均值分解(Local Mean Decomposition,LMD)严格的终止条件,提高了运算速率,另一方面减少了对极值点的依赖,在一定程度上抑制了端点效应。仿真信号和实验信号分析证明了该方法在非平稳信号自适应分解中的有效性,成功地提取出了滚动轴承的故障特征。

基于正余弦分解的两分段自适应非局部均值滤波方法

为解决包裹相位图中存留的散斑噪声问题,文中提出了一种基于正余弦分解的两分段自适应非局部均值滤波方法。该方法通过两次改进衰减参数的大小和相似性度量的方式实现了算法的自适应化。利用该方法对包裹相位图的正余弦分量去噪,去噪后利用反正切运算获取干净的包裹相位,对该相位进行解包裹运算。实验和仿真结果表明,所提方法既有效去除了包裹相位图中的噪声,也保留了相位图中的边缘信息。相比于分别使用SCA(Sine Cosine Algorithm)方法和BM3D(Block-Matching and 3D filtering)方法,通过所提方法去噪后的图像等效视数(Equivalent Number of Looks,ENL)最大,散斑抑制指数(Speckle Suppression Index,SSI)最小,且均方误差提升了约两倍,说明所提方法有效去除了包裹相位中的噪声,提高了相位解包裹的精度。

基于自适应波形匹配延拓的局部均值分解端点效应处理方法

局部均值分解(LMD)能将复杂的信号自适应地分解成若干个具有物理意义的单分量信号,但是在其实现过程中会产生端点效应,使结果失真。在详细分析了LMD产生端点效应的原因后,提出了自适应波形匹配延拓法来解决端点效应。该方法充分考虑了信号的内在规律与边缘处的变化趋势,使延拓更加合理,且具自适应性。对仿真信号与实际工程信号进行了分析,结果表明该方法能有效抑制LMD分解的端点效应。

基于局部均值分解与快速独立成分分析的潜水泵故障诊断

针对潜水泵故障诊断与分析时的信号干扰问题,提出使用局部均值分解与快速独立成分分析相结合的方法。将采集的振动信号进行局部均值分解,得出一系列的乘积函数分量,计算出每个分量与振动信号的互相关系数,选取互相关系数较大的分量进行重构并与振动信号组成矩阵,对矩阵进行快速独立成分分析处理,将处理后的有效数据进行频谱分析,得到最后的频谱图。通过具体实验,对比局部均值分解与快速独立成分分析处理后的正常运行和故障运行的频谱图,实现故障分析与诊断。实验结果表明,经过局部均值分解与快速独立成分分析处理的频谱图能够清晰地分辨出故障特征频率,提高了故障诊断的准确性。

二维变分模态分解联合快速非局部均值的医学超声图像去噪方法

针对医学超声图像成像过程中出现的斑点噪声,提出一种基于二维变分模态分解(2D-VMD)联合快速非局部均值(FNLM)的去噪算法。该算法利用2D-VMD获得一系列高频至低频的本征模态分量;对保留绝大部分信息的低频模态进FNLM滤波,从而实现对超声图像的去噪。实验结果与传统滤波方法进行对比,提出算法在去噪的同时较好地保留边缘信息,有更好的客观评价参数,尤其是在高噪声方差中去噪效果明显优于其他算法。

基于二维局部均值分解的自适应保真项全变分图像滤噪方法

为了在滤除图像噪声的过程中既保留图像的边缘细节,又对噪声有良好的滤除效果,提出一种基于二维局部均值分解和局部高频能量的自适应保真项全变分图像滤噪算法.首先采用二维局部均值分解算法自适应地将图像分解成从高频到低频不同尺度的成分;然后将其中最高频的成分用于计算局部能量函数,求得自适应保真项参数;最后通过求解最小化能量泛函实现图像噪声滤除.实验结果表明,该算法能较好地保留图像的细节边缘,即使在强噪声下也能较好地对图像平滑区域实现滤噪,解决了其他算法在保留边缘的同时产生的阶梯效应、斑点效应以及边缘附近噪声滤除效果差等问题;且相比于自适应保真项全变分图像滤噪等典型算法,具有更好的鲁棒性与更快的处理速度.

局部均值分解方法在调制信号处理中的应用

为了提取多分量调制信号的调制信息,研究了一种信号分析方法——局部均值分解(local mean decomposition,简称LMD)方法。LMD方法首先将一个多分量的调制信号自适应地分解成若干个具有一定物理意义的PF(product function)分量,其中每个PF分量为一个包络信号和一个纯调频信号的乘积,然后求出每个PF分量的瞬时幅值与瞬时频率,从而获得原信号完整的调制信息。本文用LMD方法对仿真信号以及齿轮故障振动信号进行了分析,结果表明该方法能有效地提取出信号的调制信息。

基于局部均值分解和极值差分的直流电机间接测速方法

针对直流电机无转速传感器间接测速问题,首先,根据局部均值分解(LMD)可将复杂信号按频率递减的顺序自适应地依次分离出各PF分量的特点,构建了基于LMD的自适应滤波器(AF)。其次,确定了AF中截止分量阶数以组成带通滤波器提取换向电流;最后结合直流电机换向特点,提出了基于极值差分(ED)的换向电流频率求取方法。试验对比了LMD和EMD提取换向电流特点,并对比ED方法和脊线算法、Hilbert变换及LMD中的反余弦法求取换向电流的频率特点,相关试验证明了所提方法的可行性和有效性。

基于局部均值分解和共振解调的滚动轴承故障诊断

针对滚动轴承原始振动信号信噪比小,以及传统共振解调中带通滤波器参数选择难以确定,且依赖于人的主观经验的问题,提出一种基于局部均值分解和共振解调相结合的方法;该方法首先利用局部均值分解算法将振动信号分解成多个分量,再通过希尔伯特(Hilbert)变换获得各个分量的时频图,然后利用快速谱峭图算法自动确定带通滤波器的中心频率和带宽,最后对信号进行带通滤波和包络解调分析完成故障诊断。数字仿真信号和滚动轴承实验证明了该方法的有效性。

改进快速自适应双边滤波的SAR图像去噪

针对已有算法在去除散斑噪声时存在边缘信息丢失的现象,提出一种基于平稳小波变换,结合快速自适应双边滤波、小波阈值去噪和优化贝叶斯非局部均值的算法(SFOBNLM算法),在保持边缘信息的同时有效地去除SAR图像中的散斑噪声.先用平稳小波变换将图像分解为近似子带和细节子带,对这两个子带分别进行快速自适应双边滤波和小波阈值处理;然后用小波逆变换对去噪后的图像进行重构;最后用OBNLM算法对图像进一步去噪.实验结果表明,SFOBNLM算法在峰值信噪比(PSNR)、结构相似度(SSIM)、特征相似度(FSIM)、边缘保持因子(EPF)、等效视数(ENL)和视觉质量方面均优于传统的滤波方法.

基于自适应高频谐波LMD法的风电机组故障诊断

针对实际应用中局部均值分解(LMD)法存在的模态混叠问题,提出了自适应高频谐波LMD法.分析了信号中异常事件对求取包络函数和均值函数的影响,将构造的自适应高频谐波加入到原始信号中,通过改变原始信号的极值点位置来抑制模态混叠现象.对含有典型异常事件的信号进行了自适应高频谐波LMD法和ELMD法仿真实验对比,验证了该算法的有效性和优越性.将该算法应用于风电机组传动系统故障诊断中,结果表明:采用该算法后,原有的模态混叠状况得到明显改善,并成功提取出轴系不平衡故障特征,可为风电机组故障诊断提供参考.

基于LMD近似熵和SVM的自适应重合闸方法

自适应重合闸的功能是快速、准确地辨识故障性质及捕捉电弧熄灭时刻.在分析瞬时性故障和永久性故障断路器跳闸后的端电压波形复杂性的基础上,提出了局部均值分解(LMD)、近似熵和线性支持向量机(SVM)相结合的自适应重合闸整体实现方案.利用LMD分解故障信号得到若干个PF分量,选取前3个PF分量算出其近似熵值构成三维特征向量,将三维特征向量作为SVM的输入量来区分故障性质和捕捉电弧熄灭时刻.线路故障仿真结果表明,该方案可智能识别故障性质和捕捉电弧熄灭时刻且具有一定的抗噪能力.

基于FAVMD-时变峰度的电缆局部放电多传感器在线检测与定位

在利用多传感器测量法进行电缆局放故障在线定位时,由于强环境噪声的干扰,局放初至脉冲的拾取误差较大或无法拾取,造成精确定位失败。针对这一实际工程问题,提出一种基于FAVMD-时变峰度的电缆局放初至脉冲检测方法。首先利用相关系数法自适应确定最优基本模态个数,将其应用于变分模态分解,将局放信号和噪声信号快速分解到不同的基本模态中,实现噪声信号的有效分离。然后运用时窗能量比方法确定局放时窗,并采用一种新的时变峰度法在局放时窗内精确拾取局放初至脉冲。最后运用多传感器测量法实现电缆局放源的在线定位。实验结果表明,相对于现有方法,该算法适应噪声能力强,定位精度高,在信噪比为-16 dB的强噪声环境下,相对定位误差仅为0.23%,在实际工程中有良好的应用前景。

基于LCEEMD的低信噪比拉曼光谱自适应去噪方法研究

在生物体拉曼光谱快速采集或低功率采集过程中,往往会获得低信噪比拉曼光谱。针对低信噪比光谱数据,提出应用补充总体经验模态方法(CEEMD)分解拉曼光谱,并且依据特征模态分量的归一化排列熵值(NPE)按比例扣除噪声成分的方法,称为局部补充总体均值经验模分解方法(LCEEMD)。LCEEMD方法不仅解决了经验模态(EMD)分解中高频信号与噪声的模态混叠问题,还有效降低了总体经验模态分解法(EEMD)中的残留噪声。仿真数据实验显示,LCEEMD方法在处理10db信噪比模拟光谱时获得了39.615 0db信噪比,0.001 17标准差和0.999 9相关系数。在人体皮肤拉曼光谱试验中,LCEEMD方法滤波后数据准确呈现出角质层脂质酰胺I带激发拉曼强谱峰以及甘油三酸酯中(C—O)酯微弱谱峰。在水稻叶片可溶性糖定量预测模型中,LCEEMD方法取得了0.871 7预测相关系数和0.912 0预测标准误差,优于EMD和EEMD软阈值去噪(0.511 4,1.647 8和0.638 2,1.508 8)。LCEEMD方法实施过程中,根据去噪性能指标反馈调整归一化排列熵阈值,直至获得最佳去噪效果,滤波过程无需参数设置,可以自适应实现。

基于CERLMDAN-PE-NLMS的MEMS陀螺信号去噪方法

随着武器技术的不断发展,常规弹药的制导化改造已成为一种必然趋势。通过应用精确制导技术,可以显著提高弹药的打击精度和效率。而在实现弹药制导化改造的过程中,精准测量角速度是一项关键核心技术。微机电系统(Micro-Electro Mechanical System,MEMS)陀螺仪存在输出信号噪声大、精度低的问题,针对上述问题,提出了一种自适应噪声完备集合鲁棒局部均值分解(CERLMDAN)和归一化LMS算法(Normalized Least Mean Square,NLMS)结合的滤波模型。该模型通过在鲁棒局部均值分解(Robust Local Mean Decomposition,RLMD)过程中添加白噪声将原始数据分解为多个乘积函数(Product Functions,PF),并根据排列熵(Permutation Entropy,PE)将PF分为混合PF和有用PF;其次对混合PF使用NLMS去噪;最后,把处理后的PF和有用PF进行重构,得到去噪后的信号。试验表明,本文提出的去噪模型对信号均值与方差有显著提升,信号均值由0.5891提升至0.5396,信号方差由44.473提升至5.2692。

一种GNSS-MR海平面高度反演模型研究

针对大地测量型GNSS接收机获取的信噪比(Signal to Noise Ratio,SNR)观测值存在趋势项分离不佳和信号叠加干涉的问题,融合自适应噪声完备集合鲁棒局部均值分解方法对原始SNR信号进行分解,有效分离SNR观测值中的趋势项并提取相应的潮位信号,以布设在美国华盛顿州星期五海港岸边的SC02测站为例,利用实测数据反演潮位变化并与传统的低阶多项式拟合方法进行对比分析。结果表明,融合CERLMDAN方法的反演结果的均方根误差(Root Mean Square Error,RMSE)、相关系数分别为0.56 m和0.97,相比于传统方法的反演精度提升了33.7%。

一种煤矿机械轴承故障诊断方法

针对现有煤矿机械轴承故障自适应诊断方法易受高频噪声和间断噪声干扰而导致原始信号分解和特征提取精度较低的问题,提出了一种基于改进局部均值分解的煤矿机械轴承故障诊断方法。该方法在局部均值分解方法的自适应分解部分采用噪声辅助分解方法,将高斯白噪声加入原始信号,然后进行局部均值分解,以抑制高频噪声及间断噪声对信号分解的影响;在特征参数提取部分对乘积函数分量进行Hilbert变换,然后进行特征参数提取,以实现在全部取值范围内提取特征参数。仿真及测试结果表明,该方法对轴承故障信号分解和特征参数提取的效果较好,对轴承内外圈故障诊断的准确性较高。

改进LMD算法在微电网电能质量扰动信号检测中的应用

采用局部均值分解(local mean decomposition,LMD)算法对电能质量扰动进行检测时存在'端点效应'和'模态混叠'问题,严重影响了检测精度。文章针对分布式电源接入引起的微电网电能质量问题,对LMD算法进行改进,提出四点波形曲率延拓,寻找最优匹配波形用以改善'端点效应'。采用三次样条函数插值提高计算速度,使得筛选过程更快,间接减小了'端点效应'和'模态混叠'的影响。进一步提出了自适应筛选停止准则,通过内外层循环判据确定筛选停止条件,从而抑制'模态混叠'。通过对单一扰动、复合扰动模拟信号与实测信号的时频分析,验证了所提算法的可行性和有效性。最后通过与其他算法的计算量对比分析,进一步表明所提算法具有较低的计算量。

基于改进LMD和能量相对熵的主动配电网故障定位方法

针对配电网发生单相接地故障且分布式电源(distributed generations,DGs)大量接入后,配电网结构和运行方式复杂多变、故障后电气量不明显、故障特征弱等特点,提出一种基于改进局部均值分解(improved local mean decomposition,ILMD)和能量相对熵的主动配电网故障定位方法。首先,利用镜像延拓将信号在两端延拓,消除LMD存在的端点效应,同时,在信号中加入自适应噪声,克服LMD存在的模态混叠问题,对各区段暂态零序电流进行ILMD分解;然后对分解后所有乘积函数(product function,PF)的能量相对熵进行计算,所有PF分量的相对能量熵之和即为区段间的相对能量熵,通过所设置的定位判据,对故障区段进行判断。仿真结果表明,所提算法在10 kV小电流接地系统和改进的IEEE33节点系统中,在不同的仿真条件下故障定位结果准确率高,验证了所提方法的准确性。

基于ASR降噪和改进LMD的齿轮故障诊断方法

针对恶劣环境影响下齿轮特征信息难以被有效提取出来的情况,提出了一种基于自适应随机共振降噪和改进局部均值分解的齿轮故障诊断算法。利用粒子群优化算法对随机共振参数进行优选,实现最佳随机共振输出,提取出微弱故障信息;基于故障特征频率信噪比,改进局部均值分解,剔除伪分量的干扰,提取模糊熵特征对齿轮类型进行诊断识别。实验研究表明,该方法能较好地识别出多种齿轮类型,是一种有效的齿轮故障诊断算法。