基于遗传算法在时域提取电磁参数的新方法

基于遗传算法的优化能力 ,并利用电磁场时域响应信息 ,提出了一种提取目标媒质电磁参数的新方法。将时域测量所得的散射场与由时域算法获得的不同个体的响应相比较 ,根据两者近似程度 ,通过遗传算法进行规划处理 ,即可确定媒质的介电常数和电导率等物理参数。算例结果与真实值吻合较好。相对于传统的频域测量法 ,该方法具有原理简单 ,容易实现等优点 。

信号时域提取方法结合时域有限差分法分析传输线馈电的微波元件

本文提出了一种信号时域提取方法,对于非色散传输线馈电的微波元件,利用这一方法,从时域模拟获得的总场响应中提取馈线参考面上的时域入射波和反射波,进而得到其频域特性。与传统方法相比,它可以避免通过时域有限差分法直接求解入射波和反射波,因此可以减少计算时间和计算机内存。矩形微带天线的数值模拟表明,这种方法的计算精度与传统方法完全一致。

基于DSP的通信信号瞬时频率时域提取

通信信号瞬时频率的提取是许多调制识别方法正确识别频率调制信号和相位调制信号的基础,绝大多数瞬时频率提取方法计算复杂、硬件实现难度大。提出一种信号瞬时频率的时域提取新方法,直接从正交分量和同相分量估计通信信号瞬时频率,结合DSP阐述了该方法的特性。利用Matlab软件对6种调制信号进行算法仿真,表明该方法的可行性,且不仅适合DSP硬件实现,而且计算简便、效果良好。

机械故障信号小波包分解的时域特征提取方法研究

本文利用小波包分解机械故障信号 ,对分解后的不同频带内的分解系数进行时域重构 ,分别对重构时间序列用时域分析的方法提取对故障敏感的特征参数 ,实现对往复机械等复杂机械的故障诊断 ,并以某油田往复泵为例。验证了该方法对这类机械进行故障诊断的有效性。

脉搏波信号时域特征提取与算法的研究

研究脉搏波信号时域特征以及提取算法,针对脉搏波信号中若干有明确生理意义的特征点(如主波、潮波、重搏波等),提出采用极值法从脉搏信号中提取上述特征点,并根据特征点来计算脉搏周期。仿真实验证明,采用极值法与传统的脉搏信号提取法相比,极值法的脉搏特征提取更简明、准确。

基于时域特征提取的围栏入侵模式分类方法

基于无线传感网的防入侵应用领域中行为分类问题,提出一种基于时域特征提取的电子围栏入侵检测及异常入侵模式识别系统。由于频域处理方法计算量大、复杂度高、传感器采样率高,为减轻系统的传输负担并减少时延,首先对原始信号预处理提取时域特征,然后通过一个三层的BP神经网络对目标事件进行分类,最后对比了多种典型的分类器方法的准确率。仿真结果表明:相比于频域处理方法,该方法复杂度低、易于实现,多种分类器准确率达86%以上,其中BP神经网络测试集的准确率能够达到94%,并且训练集和测试集的准确率偏差较小。

基于零相位数字带通滤波的旋转机械不平衡量提取方法

针对动平衡测试中FFT频谱法难以从非整周期采样信号中提取不平衡相位的问题,提出一种基于零相位数字带通滤波提取旋转机械不平衡量的方法。首先将采集的振动信号通过中心频率为转速频率的零相位带通滤波器,得到无相位差的转速同频信号,然后计算信号峰值点幅值和相位的算数平均值,得到不平衡量。实现了非整周期采样下不平衡幅值和相位的精确提取。仿真和实测验证了方法的有效性,相位提取误差小于2°,动平衡效率大于80%。该方法无需专门的硬件跟踪滤波电路,具有较高的工程实用价值。

基于时域特征检测用户用电不确定性行为

针对用户用电不确定性程度难以量化,如何选取合适用户参与电网新业务的问题,提出一种基于时域特征分量提取的用户用电不确定性行为检测方法,首先依次提取用电数据的周期分量、趋势分量和随机分量,并从随机分量中检测用户的不确定行为点,其次分别从短期和长期两个维度提出用户局部和整体不确定性指标,并对用户不确定性进行排序。结果表明,所提方法可以准确检测用户的不确定行为点,量化用户的不确定性程度,在检测精度,效率和速率等方面均比其他方法具有优势,为电网公司在不同时段选取用户参与调控提供依据。

基于随机森林二分类器的模块化多电平换流器子模块开路故障检测方法

随着模块化多电平换流器(modularmultilevel converter,MMC)应用领域的日益扩展,其子模块的开路故障引起了更多关注。为了诊断子模块开路故障,该文提出一种基于机器学习(machinelearning,ML)的故障检测和定位策略。根据开路故障特性,文中选择子模块电容器电压作为故障检测的关键指标,然后引入一种从电压数据中提取时域特征的方法,以构造用于有监督学习分类器的样本。在对随机森林的分类器进行样本训练后,检测策略实时电压数据的特征量判断每个子模块的工作状态。所提出的策略可快速准确地定位故障子模块,而无需添加额外的传感器或构建电路的数学模型。最后,通过三相MMC实验平台验证所提出的开路故障检测策略的有效性。

基于支持向量机的汽车发动机故障诊断研究

研究在汽车发动机不解体的情况下获取发动机缸盖表面的振动信号和上止点信号,按曲轴转角的周期对振动信号的时域能量进行合理分段;提取各段信号的时域能量作为发动机各缸状态的特征值。建立发动机各缸不同故障状态的训练集,用支持向量机的方法实现发动机故障模式的诊断与识别。研究结果表明,该方法对汽车发动机故障类型、故障位置的诊断识别具有重要工程意义。

电动汽车电机驱动系统传导干扰建模及预测

电机驱动系统高压直流端电磁干扰(EMI)抑制是电动汽车电磁兼容设计的关键技术之一。目前行业内针对该端口的EMI抑制通常采用基于经验试错法,缺乏一套精确的系统级EMI仿真预测模型进行定量的电磁兼容风险评估。文章研究了电机驱动系统EMI传导干扰路径,提出了一种基于矢量匹配法的电机高频等效电路建模方法和一种基于时域提取法的系统等效干扰源建模方法,并建立了电机驱动系统传导干扰高频电路模型。基于一台实际乘用车电驱系统进行仿真实验,结果显示,在150 kHz~10 MHz频率范围内,预测结果与实际结果的误差小于6 dB,表明该模型能够精确预测系统高压直流端EMI滤波抑制前后的传导干扰水平,可以有效指导电机驱动系统电磁兼容正向设计。

湿式离合器换段过程液压系统故障机理分析与诊断方法研究

为了预测一定负载下,液压机械无级变速器(简称HMCVT)湿式离合器由于液压系统压力、流量脉动使得主从动轴长时间产生较大转速差而一直处于滑摩状态,导致湿式离合器换段不理想的问题。通过分析液压系统故障形成机理,利用AMESim搭建湿式离合器液压系统,模拟注入故障类型,进行时域特征提取,提出量子粒子群(QPSO)优化BP神经网络权值、阈值的算法对湿式离合器液压系统进行故障诊断,提升该系统的诊断效率与诊断精度,并结合台架试验验证该算法的准确性。研究结果表明:QPSO算法优化BP神经网络的故障诊断算法故障识别率高,算法具有更高的收敛精度及收敛速度,研究结果为设计拖拉机HMCVT的故障自诊断系统提供理论参考以及工程开发思路。

Φ-OTDR系统振动信号的聚类识别方法

分布式光纤声学传感(DAS)利用单模通信光纤即可实现大规模、低成本的传感阵列,针对基于相位敏感光时域反射(Φ-OTDR)技术的DAS系统产生的大量数据中有效信息稀缺的问题,提出了一种基于时域振幅特征提取和无监督聚类的方法,旨在探索无监督学习在DAS入侵事件识别中的应用。该方法通过计算相邻数据点差值、提取关键特征,并使用层次聚类对振动事件进行分类,相较于主流神经网络算法,需更少样本且无需手动标记。实验模拟了风噪声、人工敲击和挖掘三种振动事件,结果表明,该方法的V度量为0.721、剪影系数为0.778、聚类准确率可达88.68%,有效区分了入侵信号与噪声,并基本分辨出人工敲击与挖掘信号,证明聚类识别可应用于Φ-OTDR事件识别。