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。

快速迭代滤波分解方法在轴承故障诊断中的应用

轴承故障信号通常是非线性和非平稳的。此外,这种信号非常微弱,容易被不可避免的背景噪声和振动干扰所掩盖。针对该种信号,模态分解方法已经被证实是一种可靠的处理方法。因此,将一种快速迭代滤波分解方法应用到轴承故障检测当中。快速迭代滤波分解方法在抑制模态混合和抗噪方面表现出色。与其他模态分解技术不同,快速迭代滤波分解方法具有超高的计算效率,因此可以明显提高计算速度。通过仿真信号和实际信号验证了该方法的有效性和优越性。

利用迭代方法快速分析两腔三传输零点滤波器

利用一种基于传输线理论与快速模式变换理论的高效率迭代方法快速分析了复杂的平面微带电路结构。通过在分界面上引入横电磁波的概念代替以往的切向电磁场,加快了计算过程。最终,给出了一种新型的两腔三传输零点微带滤波器的结构参数,利用迭代方法计算其S参数并与主流电磁仿真软件结果进行对比,验证了滤波器结构的有效性及迭代过程对于处理平面微带结构的高效性及准确性。

一种迭代滤波快速图像修复算法

为了充分利用图像局部区域信息来加快信息有效扩散及克服现有算法对图像纹理细节保护不足,提出了一种迭代滤波快速图像修复改进算法。该算法从破损区域由外向内取得一组有先后次序的待修复点,通过自适应选择其高斯掩膜领域,充分汲取已知(完好)区域信息,利用领域点等值线方向信息及远近距离来调整高斯核权系数,以准确控制滤波过程中的平滑强度;实验表明,与同类算法相比,该算法在同等迭代修复次数下,图像纹理更加清晰,峰值信噪比提高,具有较好的图像修复效果。

基于奇异值分解单步迭代滤波算法的应用

单步迭代滤波比推广卡尔曼滤波线性化误差小、滤波近似程度更好,但其常规算法数值鲁棒性差,滤波易于发散。文中对常规算法的误差协方差矩阵使用了奇异值分解,从而形成了一种基于奇异值分解的迭代滤波算法,提高了数值鲁棒性,并且可以处理相关的量测噪声。应用于飞行状态的估计问题,获得了较为满意的结果。

基于迭代滤波和快速峭度图的滚动轴承微弱故障特征提取

在强背景噪声干扰下,快速峭度图提取滚动轴承微弱信号故障的特征效果并不明显。将迭代滤波(Iterative Filtering,IF)和快速峭度图相结合用于滚动轴承的微弱故障特征提取。滚动轴承故障振动信号通过迭代滤波进行自适应分解得到一组内禀模态分量,用迭代滤波对强噪声滚动轴承信号进行降噪处理,用快速峭度图构造最优带通滤波器,将滤波后信号的包络谱与轴承故障特征频率进行比较,从而诊断出具体故障。通过仿真和试验验证了所述方法的有效性及优点。

U-D分解单步迭代滤波在飞行状态估计中的应用

针对单步迭代滤波常规算法数值鲁棒性差、滤波易于发散的缺点对误差协方差矩阵使用了 U - D分解 ,从而形成了一种基于 U - D分解的单步迭代滤波算法。该算法提高了数值鲁棒性 ,并且对相关的量测噪声有一定处理能力 ,应用于飞行状态的估计问题 。

基于Frobenius范数奇异值分解的快速ICP算法

迭代最近点法(ICP)及其变体是三维点云刚性配准的典型方法,但此类通过迭代计算逐点距离矩阵实现点云配准的方式,严重制约了点云的配准效率。本文提出一种快速ICP算法,利用Frobenius范数表示待配准的两幅点云之间的误差函数,获得误差值最小点位置,并对此位置进行奇异值分解,从而得到旋转矩阵和平移向量,极大压缩了迭代次数和配准时间。在Standford数据集和3DMatch数据集上进行试验,与传统ICP算法及其变体、3种基于学习的点云配准算法进行对比,本文方法配准效率最优;在达到相近的配准精确度时,提出的快速ICP方法的迭代次数仅为传统ICP算法的0.2倍,在Standford数据集上配准所需时间为传统ICP算法的1/4,在3D Match数据集上配准所需时间为传统ICP算法的1/8倍。本文提出的快速ICP算法在数据量大的点云场景下,具有更高的效率。

一种基于迭代短卷积算法的低复杂度并行FIR滤波器结构

该文基于快速卷积算法,提出一种适用于线性相位FIR滤波器的并行结构。该结构采用快速卷积算法减少子滤波器个数,同时让尽可能多的子滤波器具有对称系数,然后利用系数对称的特性减少子滤波器模块中的乘法器数量。对于具有对称系数的FIR滤波器,提出的并行结构能够比已有的并行FIR结构节省大量的硬件资源,尤其当滤波器的抽头数较大时效果更明显。具体地,对一个4并行144抽头的FIR滤波器,提出的结构比改进的快速FIR算法(Fast FIR Algorithm,FFA)结构节省36个乘法器(14.3%),23个加法器(6.6%)和35个延时单元(11.0%)。

基于迭代导向滤波与多视觉权重信息的红外与可见光图像融合

为了充分利用源图像重要特征,提出了一种基于迭代导向滤波与多视觉权重信息的红外与可见光图像融合算法.首先,通过一种迭代导向滤波器将输入图像分解为基础层与细节层;其次,利用边角信息、清晰度与对比度来综合确定二进制权重系数,再选择导向滤波对其优化,进一步去除噪声并抑制伪影的产生;最后,应用重构准则对基础层与细节层进行组合,得到融合图像.实验结果表明,与其它多尺度分解相比,该方法具有尺度感知特性,可以更好地分离空间重叠的特征,不仅可以使夜视融合图像的细节信息更突出,还能够有效地抑制伪影.

FISTA框架下基于构造导向空变中值滤波的含异常噪声地震数据重建

受实际环境、采集成本等因素的制约,野外观测的地震数据经常出现不规则缺失的现象.为了给后续地震资料处理和成像提供完整的数据,势必要对缺失地震道进行插值重建.基于稀疏变换的插值方法被广泛用于地震数据重建,但传统的基于稀疏变换的插值方法对异常噪声非常敏感,当采集数据中存在异常噪声时会严重影响该方法的重建精度.为了克服这一问题,本文在快速迭代阈值收缩算法(FISTA)框架中引入构造导向中值滤波技术,提出了一种能同时压制异常噪声并对缺失地震道进行高精度重建的插值方法.该方法在FISTA的每次迭代中都对地震信号沿其局部倾角方向进行中值滤波以衰减异常噪声并最大限度地保护有效信号不被损害.得益于此,新方法可对含异常噪声的欠采样地震数据进行高精度重建.模型和实际数据测试均表明,当采集数据存在异常噪声时,新方法在插值精度和稳定性方面均优于传统稀疏促进插值方法.

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。

基于数据驱动自适应变分非线性chirp模态分解的瞬时频率识别

为降低初始频率和信号噪声对变分非线性chirp模态分解(variational nonlinear chirp mode decomposition,VNCMD)的影响,提出了一种基于数据驱动自适应变分非线性chirp模态分解(data-driven adaptive variational nonlinear chirp mode decomposition,DDAVNCMD)的方法。通过模态能量占比确定响应信号的模态个数,同时采用导数归一化算法初步估算模态分量的初始频率,并添加迭代时变滤波器来降低噪声的影响,在此基础上再对响应信号进行VNCMD。通过单分量和多分量解析信号及拉索结构试验对所提方法进行验证。研究结果表明,基于DDAVNCMD的瞬时频率识别方法具有较好的准确性和抗噪性。

自适应迭代滤波在水轮发电机组振动分析中的运用

水轮发电机组的振动和水轮机压力脉动是衡量机组运行状态稳定性的重要指标,为了确保机组的正常运行,通常采集机组的振动信号进行识别判断。通常,水轮发电机组的振动信号为非平稳信号,并且会参杂着的噪声。针对水轮机振动信号,提出一种基于自适应迭代滤波分解和独立分量分析的水轮机振动信号特征提取方法,介绍其基本原理及求解步骤。先使用独立分量分析对原始信号进行分解,将背景中多余的噪声去除,接着对每个通道的信号进行自适应迭代滤波分解,计算每个模态分量的能量集中度并设定相关的边界值,将超出该值的模态分量去除,并将剩余的分量进行重构,获得除去噪声成分后的重组信号。通过对仿真信号以及实际信号的分析,该方法可以将振动信号中的噪声成分去除,并对相关物理特征进行有效的提取。最后得出结论:1)独立分量分析可将水轮机振动信号中的噪声去除,并突出特征;2)采用自适应迭代滤波分解并以能量集中度作为模态筛选指标,能够将含有少量噪声的模态提取出来,获取相关特征信号。

基于BAACMD和BESDFIF的风电机组主轴承故障诊断

针对风电机组主轴承故障难以诊断的问题,提出一种基于带宽感知自适应啁啾模式分解(Bandwidth Aware Adaptive Chirp Mode Decomposition, BAACMD)和秃鹰算法优化直接快速迭代滤波(Bald Eagle Search Direct fast Iterative Filtering, BESDFIF)的故障诊断方法。首先采用加权频谱趋势法准确划分信号频段,诊断各频段的有效成分,随后利用模型拟合方法确定ACMD方法中惩罚因子α和初始中心频率f,并通过BAACMD方法实现对故障信号进行处理实现故障特征信息的提取;其次利用秃鹰优化算法对DFIF方法中影响参数及分量选取过程进行寻优;最后使用最优滤波区间参数的BESDFIF方法对所得分量进行分解降噪处理,从中诊断出微弱的风电机组主轴承故障特征频率成分。现场数据分析结果表明,所研究方法可以有效诊断风电机组主轴承的微弱故障特征,实现风电机组主轴承的故障诊断。

基于迭代滤波和MOMEDA的滚动轴承故障诊断方法

针对噪声环境下轴承故障微弱特征难以提取的问题,提出了一种基于迭代滤波和多点最优最小熵反褶积相结合的轴承故障特征提取方法。该方法首先运用迭代滤波分解方法将滚动轴承振动信号进行分解,得到多个本征模态分量,然后运用相关系数和峭度确定最能体现轴承故障信息的敏感分量,最后对敏感分量进行多点最优最小熵反褶积消噪处理后进行频谱分析,从而提取轴承故障特征。通过数值仿真信号的分析和内圈故障信号的分析验证了所提出方法的有效性。

一种快速的数学形态学滤波方法及其在脉搏信号处理中的应用

针对数学形态学滤波法处理一维信号运算量大的问题,提出一种快速的数学形态学滤波方法。首先,对腐蚀操作进行改进,使其能够用于信号实时处理;然后,将微处理器系统缓存区的数据更新过程与形态学滤波原理相结合,采用滑窗迭代的方式进行运算,减少运算量;进一步,改进平滑滤波,提高滤波结果优化速度。采用实测脉搏信号作为实验数据,结果表明,相比于现有方法,改进后方法保持精度不变,并有效地降低了运算时间(提速70倍以上),基于扁平型和线型结构元素的形态学滤波法具有更快的滤波速度(提速110倍以上),随着结构元素和缓存区长度的增加,所提出方法仍能快速地进行信号处理(对于240 s的数据,耗时小于4.5 s),并能用于脉搏信号实时滤波、分割和特征提取(耗时小于45 s)。因此,所提出方法有望用于手环、手表等实时性要求较高的智能可穿戴设备。

基于迭代与优化搜索策略的二维Otsu算法

针对二维Otsu阈值算法计算复杂度高的缺点,提出一种快速算法.该方法首先对阈值的判定公式作了一定的推导以减少计算变量,然后用迭代的方法消除计算冗余,最后结合小波分解和对角线优先搜索的策略获得图像分割阈值.结果表明,快速算法比传统二维Otsu法的计算量减少了4个数量级,相对于基于迭代的查询表算法,其运行时间也减少了50%以上,而各种算法得到的图像分割效果差异不大.

基于小波多尺度分解的Mean Shift图像滤波方法

将小波多尺度分解与传统MeanShift滤波算法相结合提出的一种有效的图像滤波方法。先将含噪声图像进行Mallat塔式分解,获得不同尺度、不同频带的子图像。将低频近似图像保持不变,对高频细节进行MeanShift滤波,最后将低频近似图像与高频滤波后的图像进行合成得到去噪后的图像。由于MeanShift算法是一种迭代方法,要保证较高的数值计算精度则需要较多的迭代次数,耗费较长的计算时间,为克服这一缺点,提出了采用Fourier级数来近似计算高斯函数。实验结果表明该方法在降低噪声的同时能够尽可能的保留图像细节,其去噪效果优于传统的高斯滤波、Wiener滤波方法和单一小波域值法和MeanShift滤波方法。

多枝域电磁场问题快速投影分解法的收敛性分析及应用

对求解枝连区域上电磁场问题的投影分解法和快速投影分解法的收敛性进行了分析和比较,并证明了快速投影分解法的收敛速度要快于一般的投影分解法.实际应用表明,快速投影分解法的收敛速度大大加快,其迭代次数大约只有原来的三分之一左右.