基于改进Laplace小波时延提取的声源定位方法

针对侵彻弹命中多层硬目标后产生的撞击声的定位问题,提出了一种基于改进Laplace(refined Laplace,R-Laplace)小波时延提取的声源定位方法。该方法通过先验信息处理构造出Laplace小波,与声信号进行相关系数计算得到时延信息,并结合搜索匹配算法求得多次撞击的声源位置。搭建了声源采集定位系统,并进行多次硬目标撞击声试验。外场试验结果表明,可以定位出4层撞击的声源位置,定位误差平均为0.3 m。相较于传统基于到达时间差的定位算法定位精度较高。该算法在基于到达时间差声源定位问题中具有较大的应用潜力,对实际应用中的声源定位问题具有重要意义。

基于改进Laplace小波和改进卷积神经网络的压裂车动力端轴承故障识别

在强背景噪声工况下,压裂车动力端轴承振动信号故障特征较微弱,导致轴承故障诊断的准确率较低。针对这一问题,提出了一种基于改进Laplace小波(ELW)和改进卷积神经网络(ECNN)的压裂车动力端轴承故障识别方法。首先,采用了一种Laplace小波振荡频率参数选取策略,使Laplace小波搜寻到了最佳频率参数;然后,采用改进Laplace小波,对采集到的压裂车动力端轴承故障振动信号进行了降噪处理,并在卷积神经网络(CNN)的基础上引入了自注意力机制和编码器、解码器结构,设计出了改进卷积神经网络(ECNN)模型;最后,将压裂车动力端轴承降噪后的信号输入改进卷积神经网络,进行了自动特征提取和故障识别;为了验证该方法的有效性和先进性,将其与其他方法(模型)进行了对比分析。研究结果表明:采用基于改进Laplace小波与和改进卷积神经网络的方法(模型),对压裂车动力端轴承故障进行识别的准确率可高达99.67%,单个样本的测试时间仅为0.14 s;在识别准确率、召回率、F1得分和统计检验等方面,与其他方法(模型)相比,基于改进Laplace小波与改进卷积神经网络的组合模型具有更为优秀的故障识别性能。

改进Laplace小波字典在轴承故障诊断中的应用

机械系统中滚动轴承局部故障会导致振动信号中出现冲击响应成分,为有效提取轴承故障冲击特征,基于信号稀疏表示理论,提出了基于改进Laplace字典的轴承故障诊断方法。通过快速Fourier变换及相关滤波法确定基底函数的参数,构造Laplace小波基并通过错位拓展转换为Toeplitz矩阵,以此矩阵作为稀疏表示字典,实现振动信号在Laplace小波基下的稀疏表示,提取信号中瞬态冲击成分特征。对仿真信号及轴承故障信号的验证结果表明:基于改进Laplace字典的稀疏表示方法可有效提取冲击信号特征,实现轴承典型故障诊断。

自适应Laplace小波字典的矿山微震信号稀疏降噪方法

针对矿山微震信号降噪问题,提出了一种基于自适应Laplace小波字典的稀疏降噪方法。该方法从矿山微震信号特征波形的先验知识分析入手,首先通过相关滤波法选取与微震信号特征波形最匹配的Laplace小波参数,并以此构造Laplace小波参数字典。然后结合正交匹配追踪(OMP)算法,稀疏重构出微震信号的特征波形。考虑到相关滤波法计算量大、时间较长,使用鲸鱼优化算法(WOA)进行快速的全局参数寻优。仿真微震信号和实测信号分析结果表明,所提出方法可有效重构出微震信号的特征波形,实现微震信号的降噪,且对噪声具有一定的抗干扰能力。相比常用的集合经验模态分解(EEMD)方法,提出的基于自适应Laplace小波字典的稀疏降噪方法具有一定的优越性。

基于改进小波神经网络的大型风力发电机组叶片损伤检测研究

风力发电机组长期运行在复杂的自然环境中,特别是叶片部分,直接承受着各种气候条件和机械载荷的影响,极易产生损伤和故障。因此,现提出基于改进小波神经网络的大型风力发电机组叶片损伤检测研究。首先,通过构建改进小波神经网络模型,捕获信号在不同分辨率下的特征,其次,提取风力发电机组叶片的损伤特征,描绘叶片的损伤类型,从而实现叶片损伤的有效检测,对改进小波神经网络模型进行训练,模型将输出分类结果,以此为依据来准确判定叶片的损伤类型。实验结果表明:基于改进小波神经网络的大型风力发电机组叶片损伤检测方法在检测准确率方面优于传统方法。因此,可以证明在损伤识别方面,改进的小波神经网络模型表现出了较高的准确率和稳定性。

VTI介质改进声学近似qP波交错网格正演模拟

Alkhalifah提出的声学假设近似令沿TI介质对称轴的qSV波速度近似为0,建立了相应的qP波波动方程并进行了数值模拟,但存在两个不足:一是方程中存在退化的qSV波解,不是纯qP波波动方程;二是方程不适用于ε<δ(ε和δ为Thomsen参数)的介质。为此,在Liang等的工作基础上,将改进声学近似方法的思想引入qP波频散关系和一阶波动方程推导。令qSV波的精确频散关系中的圆频率为0,同时结合椭圆分解,推导了VTI介质纯qP波解耦频散关系,利用改进标量算子的空间域渐近近似建立了VTI介质改进声学近似qP波一阶速度—应力波动方程,采用交错网格有限差分算法实现了基于改进声学近似的VTI介质纯qP波正演模拟。频散关系分析和数值示例表明,基于改进声学近似的qP波一阶波动方程不包含退化qSV波,是纯qP波方程,与弹性波波动方程模拟结果吻合较好,具有较高精度,并且该方程在ε≥δ和ε<δ的VTI介质中均是稳定的,同时也适用于复杂VTI介质。

基于EEMD和Laplace小波的滚动轴承故障诊断

滚动轴承故障导致振动信号中出现多阶模态冲击响应,为了提取单阶模态冲击响应的模态参数,由于Laplace小波相关滤波受多阶模态冲击响应的影响,提出一种基于EEMD和Laplace小波的滚动轴承故障诊断方法。先用EEMD把振动信号中的多阶模态脉冲响应分解为各单阶模态冲击响应分量,然后用从分解的分量的频谱中选取所需的单阶模态冲击响应分量,再用Laplace小波相关滤波对选取的单阶模态冲击响应分量进行分析,便可以诊断出故障。通过对仿真信号和滚动轴承内圈、外圈、滚动体数据分析很好地验证了提出的方法的有效性。

瞬态成分Laplace小波稀疏表示及其轴承故障特征提取应用

机械系统中轴承局部故障会导致振动信号中出现瞬态冲击响应成分,可通过对瞬态成分的分析与提取实现故障特征的提取。稀疏表示是强背景噪声下微弱特征提取的有效方法之一,在信号稀疏表示理论的基础上,针对冲击响应信号的特点,提出其在Laplace小波基底下的稀疏表示,并应用于轴承局部弱故障状态下振动信号中瞬态冲击成分的提取。在选定匹配基底函数的前提下,运用分裂增广拉格朗日收缩算法求解基追踪去噪(Basis pursuit denoising,BPD)问题,将信号中的瞬态冲击成分转化为一系列稀疏表示系数,实现强背景噪声下弱特征的有效提取。仿真信号和轴承微弱故障下的特征提取表明提出的方法能有效地检测和提取强背景噪声下的微弱故障。

基于Laplace小波相关滤波的结构模态参数精确识别方法

为了从结构脉冲响应信号中精确识别结构模态参数,提出一种基于Laplace小波相关滤波的结构模态参数精确识别方法。首先对结构的脉冲响应信号进行经验模式分解,将结构多阶模态响应信号分解为与各单阶模态响应信号一一对应的分量,再对这些分量分别进行Laplace小波相关滤波便可准确识别结构的各阶模态参数。仿真信号的计算结果表明该方法可以得到精确的阻尼固有频率,并能准确地锁定阻尼比。悬臂梁力锤激励试验结果表明该方法在实际结构的模态参数识别中也非常有效。

经验模态分解和Laplace小波在机车柴油机齿轮系故障诊断中的应用

针对机车柴油机配气齿轮系故障信号呈现时变非平稳特征且信噪比低的特点,提出基于经验模态分解和Laplace小波的机车柴油机声信号分析方法,并成功用于工业现场。简要介绍信号经验模态分解的基本原理与算法,以机车柴油机实际声信号为例,分析其抑制噪声干扰的能力。经验模态分解相当于自适应滤波器组,可将信号分解成不同频带的固有模态函数(Intrinsic mode functions,IMF)。试验表明对表征齿轮故障的IMF分量进行功率谱分析,能有效检测齿轮故障。根据滚动轴承故障信号表现为单边冲击衰减震荡,故障特征频率包含的能量少且容易受噪声干扰的特点,提出采用基于Laplace小波的相关滤波实现冲击特征波形准确识别,提取故障特征频率的轴承诊断方法。机车柴油机运行测试试验证明,上述方法能准确诊断各种类型的配气齿轮传动装置故障。

基于实Laplace小波的脉冲涡流检测系统特性分析

研究脉冲涡流检测等效模型及其系统特性对提高仪器检测性能具有重要作用,首先针对现有模型中存在的不足,将脉冲涡流传感器和被测试件简化为RLC电路等效模型,指出因试件壁厚和传感器提离的波动而引起的模型中电感和涡流损耗的变化,均会在固有频率和阻尼比等系统特性上得到体现。然后基于Laplace小波特性的理论分析,选取实小波对脉冲涡流检测信号进行分析,给出了根据检测信号选取支集起点及结合参数向量确定支集长度的方法。最后搭建脉冲涡流试验台获取实际检测信号,用实Laplace小波对试验信号进行分析,得到了系统特性随试件壁厚和传感器提离变化的规律,为研究脉冲涡流检测系统的特性提供了新的途径。

基于形态滤波和Laplace小波的轴承故障诊断

针对强噪声背景下,轴承故障冲击响应的提取易被周围噪声干扰的问题,提出了一种基于数学形态学滤波和Laplace小波的包络谱分析方法。首先通过形态学滤波来滤除信号中的复杂噪声,增强信号的冲击特征,然后采用Laplace小波相关滤波法提取信号的冲击响应,最后对提取的冲击相关系数进行包络谱分析,即可诊断出故障。该方法结合了数学形态滤波和Laplace小波两者的优点,可以准确地捕捉到强噪声下的故障脉冲。将该方法应用于轴承内圈、外圈的故障诊断,与传统包络谱分析方法的对比结果很好地验证了所提方法的有效性。

利用Laplace小波和粒子群算法实现阻尼和频率精确计算

提出一种利用Laplace小波求自由衰减信号阻尼和频率的新方法.该方法利用Laplace小波实部的衰减特性来识别信号中的自由衰减波形,从而实现阻尼、频率的正确识别.同时为了提高识别效率,引入了粒子群算法来实现Laplace小波的参数寻优.仿真试验表明:这一方法具有较高的计算精度,且计算精度不受相邻模态耦合的影响.

一种基于小波尺度函数变换的Laplace反演方法

该文基于Ｄａｕｂｅｃｈｉｅｓ小波尺度函数变换建立了关于ＬＡｐｌａｃｅ变换的一种反演数值方法．通过对小波尺度函数的低带通谱特性的定性与定量讨论，给出了这一反演方法所得原像函数的适用域．结果发现：其区域大小随着小波尺度函数的分辨指标（ｒｅｓｏｌｕｔｉｏｎｌｅｖｅｌ）选取的升高而增大．最后，以颤振曲线、具有指数增长的复函数、和一维振动弦的初边值问题等为例，定量给出了其反演方法的数值结果．通过与相应的原像精确结果对比发现：在反演的有效区域内，其数值反演的原像几乎与精确的原像图象重合．这表明这－Ｌａｐｌａｃｅ反演数值方法是有效和可靠的．

Laplace小波及其工程应用

小波变换是非平稳信号处理的有力工具 ,小波性质取决于它的基函数。在模态分析、机械监测诊断等领域 ,冲击响应信号十分普遍。一种单边衰减复指数型的Laplace小波基函数具有分析冲击响应信号的优势 ,采用Laplace小波相关滤波方法可提取振动信号中的冲击响应分量 。

基于车辆总线和Laplace小波的机车轴承诊断系统

为保证高速客运机车的行车安全,开发基于车辆总线的机车轴承故障诊断系统,通过车辆总线监测温度和振动信号对机车走行部轴承进行早期诊断和预警。给出诊断系统的硬件结构、软件功能与特点。分析机车轴承振动信号特征,针对故障轴承冲击响应由一系列单边衰减振荡信号组成,轴承故障特征频率包含的能量少且受到噪声干扰的特点,将Laplace小波引入轴承振动信号分析,提出基于Laplace小波相关滤波和包络谱分析提取故障特征频率的机车轴承诊断方法。试验表明,所开发的系统有很强的鲁棒性,能有效诊断机车走行部各种类型的故障。

有限区间上的分数阶扩散-波方程定解问题与Laplace变换

求解了如下的分数阶扩散-波方程定解问题0Dαtu=2ux2,0<x<1,t>0,0<α≤2,u(0,t;α)=0,u(1,t;α)=θ(t),u(x,0+;α)=0,当1<α≤2时,还有ut(x,0+;α)=0.其中θ(t)是Heaviside单位阶跃函数,0Dαt为关于时间t的α阶Caputo分数阶导数算子,u=u(x,t;α)为时间t的因果函数(即t<0时恒为零的函数).利用Laplace变换的复围道积分反演和离散化反演及FoxH函数理论,给出在计算上对大的t和小的t分别适用的解的表达式.

基于多普勒调制时移Laplace小波的列车轴承故障声信号瞬态成分快速提取方法

提出了一种基于多普勒调制时移Laplace小波的列车轴承故障声信号瞬态成分快速提取方法,包含“先粗后精”两个步骤:1)瞬态参数粗估计,利用现有的多普勒调制等周期Laplace小波模型粗略估计瞬态参数;2)参数精确估计与瞬态成分提取,构造多普勒调制时移Laplace小波模型,使用逐个匹配的策略进行瞬态参数精确估计和瞬态成分的提取。所提方法具有以下优点:1)更高的精度,使用的多普勒调制时移Laplace小波模型在时域内仅有一个时延参数定位的小波成分,能够解决周期瞬态模型在提取伪周期瞬态成分时匹配误差问题;2)高效率,由于使用了周期瞬态模型粗略估计瞬态成分参数,因此在瞬态成分逐个提取的过程中小波参数的范围可以设的很小,实验对比分析结果显示,与直接提取方式相比效率提高了71.46%。本研究提供了一种从含有多普勒畸变的列车轴承故障声信号中精确地、高效率地提取瞬态成分的方法。

采用Laplace变换分析桩基应力波传播问题

将土体中的混凝土桩基简化为黏滞介质中的一维黏弹性杆,桩顶部受锤头冲击产生内部应力波。根据杆内微元应力平衡条件建立杆中一维黏弹性应力波传播的控制方程,结合桩顶锤头冲击条件和桩底弹-黏性约束条件给出桩基两端的耦合边界条件。对控制方程和定解条件作Laplace变换并求解变换后的常微分方程,得到变换域的应力像函数解析解。采用数值反变换技术将像函数转变为时间域的应力波形。应用此方法可以较方便地分析桩基中应力波的产生、传播、反射及相互作用过程。

基于改进蜜獾算法的波能转换器阵列优化

针对波浪能转换器(WEC)阵列发电效率提升问题,提出一种基于改进蜜獾算法的三系WEC阵列优化方法.首先,为克服原始蜜獾算法(HBA)收敛速度慢、收敛精度低等缺陷,引入佳点集初始化、混沌机制和蜜獾种群变异3种策略对原始HBA进行改进.此外,为了验证改进蜜獾算法(IHBA)的先进性和有效性,开展2个浮标、10个浮标和20个浮标3个不同规模的WEC阵列优化实验.2浮标阵列仿真结果表明,WEC阵列优化存在多组最优解,且IHBA、HBA、遗传算法和粒子群优化算法都能以不同速度找到最优解.然而,随着WEC阵列规模的增大,3种对比算法都会陷入局部最优解.相反地,IHBA依然表现出较强寻优能力并能搜寻到全局最优解.最后,IHBA所获10浮标和20浮标的阵列q因子分别高达1.059和0.968,远优于其他3种算法.