基于时域统计特征的音频内容取证新算法

针对现有音频内容取证算法采用二值图像作为辨识水印所带来的安全隐患,以及基于音频内容或特征生成的辨识水印稳定性不高,易被常规信号处理操作淹没的问题,提出了一种新的基于时域统计特征的音频内容取证算法。通过对音频信号时域统计平均值进行非均匀量化生成辨识水印。理论和实验结果表明通过该方法生成的辨识水印能够抵抗常规信号处理操作,稳定性高。生成的辨识水印存储于认证中心,组建辨识水印库。对音频内容进行取证时,将由该音频生成的辨识水印与从水印库中提取的对应辨识水印进行比对,即可对待取证音频的真实性、完整性进行鉴定。该取证方法操作简便,对不同类型音频均能实现篡改定位,对常规音频信号处理操作的鲁棒性高,有效扩大了基于内容音频取证算法的应用范围。

时域统计特征可视化优选方法及其滚动轴承故障诊断应用

信号的时域统计特征是最早应用且最为简洁实用的特征参数。目前,用于模式识别的时域统计特征的选用多是基于经验或者不加选择地使用,识别正确率难以保证。针对这个问题,提出一种可视化的特征优选方法。该方法根据特征数据的轮廓图,分析各维特征数据的聚类特性,去除聚类性弱、对故障区分无益的冗余特征维度,仅保留聚类性强的特征维度用于故障识别。在轴承故障诊断实验中,对故障信号时域统计特征进行优选,并采用BP神经网络进行故障识别。实验结果表明,优选后故障识别率得到大幅度提高。

基于混沌特征和支持向量机的内燃机故障诊断

为解决内燃机故障诊断这一复杂问题,对6110型柴油机进行气门间隙故障模拟试验,测得振动信号,并计算其关联维数、最大Lyapunov指数、Kolmogorov熵3个混沌特征和它们的统计特征,作为故障特征量,利用支持向量机对故障进行识别。结果表明,用单一的混沌特征识别故障类型,效果较差;将统计特征与混沌特征共同作为故障的特征向量,效果较好。

基于试验加速度响应的统计损伤辨识方法

基于对某框架结构的试验加速度数据,运用4种统计方法对不同工况的损伤进行了辨识,并对结果进行了比较。对加速度响应的频域特征,频率的能量分布,时域的幅值频率分布、概率密度分布、概率累计分布进行了分析,结果表明,以上统计特征会随损伤工况而对应改变,为结构的损伤辨识提供了可能;同时,直接基于加速度响应的频率特征,及时域统计特征的损伤辨识,辨识结果不显著。选取5%的显著性水平,对5种工况进行了假设检验,其结果可以用于损伤辨识初步。通过主成分方法对加速度响应进行压缩及特征提炼后,可以较简洁地实现辨识,并可用于相对损伤较大工况下的初步整体定量分析。

综合时频域及核判别分析的两级特征提取新方法

为了解决模拟电路软故障诊断中特征提取不全面准确的问题,提出了一种基于综合时频域及核判别分析的两级特征提取新方法。首先,对采集到的故障响应信号分别提取均值、方差等时域统计特征和小波包分解后不同频带的能量作为频域特征;然后,通过核判别分析方法对故障特征进一步优选,从而保证故障特征的准确有效性;最后,将所得到的最优故障特征输入支持向量机进行故障诊断。对Sallen-Key带通滤波器电路的仿真实验结果表明,该方法能够很好地反映故障响应信号的本质特征,有效提高故障诊断的性能。

电缆附件高频局部放电检测技术及应用

局部放电检测是电缆附件绝缘检测的重要手段,其中高频局部放电检测方法能有效发现电缆附件的潜伏性缺陷。利用电缆故障模拟装置获取检测数据,分析不同局部放电故障的时域统计特征,得到不同故障的特征向量,建立局部放电故障特征数据库,为电缆故障诊断提供有力的数据支撑,并通过缺陷模型检测数据验证其检测方法的有效性。

一种涡轮泵故障阈值检测算法

涡轮泵是火箭发动机的心脏,是火箭发动机中的高速旋转组件,也是故障率较高的部件之一。涡轮泵的可靠性在整个发动机的可靠性中占有重要地位。传统的故障检测有时会出现虚警或漏警的现象,而且主要用于试车后的状态分析与评估;在实时故障检测中存在很大的不足。涡轮泵发生故障的主要原因是由于振动,因此振动加速信号研究对涡轮泵的故障检测显得尤为重要。通过一种阈值检测算法对振动加速信号进行研究,并结合已有涡轮泵故障信息对该算法进行验证,验证了该算法的准确性、实时性等要求。