柔性滤波驱动机构的自适应动态面模糊控制

以具有可控界面弹性变形的柔性滤波驱动机构为研究对象,考虑柔性变形、摩擦和传动误差等非线性因素的影响,建立了基于LuGre摩擦模型的系统数学模型。利用模糊逻辑在线逼近系统中的未知参数与非线性项,通过逐步引入一阶滤波器设计了虚拟控制量,构建了自适应动态面模糊控制器。利用Lyapunov理论证明系统所有闭环信号半全局一致有界。与传统PID做比较,仿真实验结果表明所提出的控制策略抑制摩擦等非线性项的干扰,提高了系统的跟踪精度与鲁棒性。

基于LCP基板的宽带柔性滤波器研究

研制了一种基于50μm厚度的LCP基板的低损耗、高带外抑制的宽带柔性滤波器。此柔性滤波器采用一段均匀微带线连接4对开路、短路枝节结构,通带频率为5~11 GHz,带内插入损耗优于1.9 dB,当频率高于15GHz时,滤波器在很宽的频率范围内均具有高于40 dB的带外抑制。同时对比了滤波器在不同弯曲状态下的仿真及实测S参数,结果显示此柔性滤波器的性能对结构弯曲并不敏感,这表明它将在柔性电路应用中有很大的发展前景。

具有高带外抑制的新型柔性滤波器设计

基于127μm厚度的Rogers5880基板设计了一款工作在S频段的新型柔性滤波器。该柔性滤波器在伪交指结构的基础上,利用环电路枝节与开路枝节线引入传输零点以实现低插损、高带外抑制。通过优化,该滤波器带外抑制高达30dB,带内插入损耗低于1.66dB,回波损耗优于16dB。并对此结构建模进行柔性仿真,当弯曲半径R=20mm时,回波损耗仅恶化0.9dB,零点位置右移0.15GHz。结果表明,此柔性滤波器的性能对结构弯曲并不敏感,为它在柔性电路中的应用提供了依据。

基于柔性形态滤波和支持矢量机的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的强噪声背景以及现实中不易获取大量典型故障样本的特点,提出一种基于柔性形态滤波和支持矢量机(Support vector machine,SVM)的滚动轴承故障诊断方法。柔性形态滤波既可以有效地提取出信号的边缘轮廓和信号的形状特征,同时又具有稳健性;SVM具有良好的分类性能,特别在小样本、非线性及高维特征空间中具有较好的推广能力;SVM分类器的惩罚因子和核函数参数采用经典粒子群优化算法进行优化,避免传统方法对初始点和样本的依赖。首先对振动信号进行柔性形态滤波,然后提取滤波后信号的故障特征频率的归一化能量为特征矢量作为SVM分类器的输入参数,用于区分滚动轴承的外圈、内圈和滚动体故障,SVM分类器的参数采用标准粒子群优化算法进行优化。试验结果表明了方法的有效性。

柔性性形形态滤波和遗传规划在电机轴承故障诊断断的的应应用用

针对电机轴承故障振动信号的强噪声背景,以及电机轴承故障是一个内圈故障、外圈故障和滚动体故障多级分类问题的情况,提出了一种基于柔性形态滤波和遗传规划的电机轴承故障诊断方法.该方法首先对电机轴承故障原始信号进行柔性形态滤波,然后提取滤波后信号的故障特征频率的归一化能量以及时域统计特征量作为遗传规划中的终止符,通过复制、交叉、突变以及适应度计算等操作,使个体逐渐逼近问题的最优解,得到电机轴承故障模式分类的最优模型,试验结果表明了该方法的有效性.

多尺度柔性形态滤波在轴承故障诊断中的应用

针对经典的形态学滤波在取单一结构元素的情况下存在缺陷的问题,提出了一种基于多尺度柔性形态滤波的轴承振动信号滤波方法。多尺度柔性数学形态学在保留柔性形态学好的鲁棒性、滤除正负噪声和保留细节等优点的同时,进一步对其结构元素进行改进,以期获得更好的脉冲提取性能。将多尺度柔性形态滤波应用于轴承故障诊断,结果表明,其比经典的柔性形态滤波能更好地保留振动信号中的冲击脉冲,为轴承故障的进一步诊断打下基础。

基于模糊推理和柔性形态滤波的图像增强方法

根据柔性形态学的相关概念和性质,提出了一种基于模糊推理和柔性形态滤波的图像增强方法.该方法首先定义了方向性结构元素,在结构元素内引入模糊推理方法判别图像边缘方向,进而构造方向性柔性形态学滤波器对图像边缘进行滤噪增强,并根据局部均值和熵差自适应确定增强系数.实验结果表明该方法可以有效滤除噪声,增强图像边缘.

基于整体退火遗传算法的柔性形态滤波器优化设计

整体退火遗传算法 (WAGA)是一种新的遗传算法 ,它将退火机制引入选择算子 ,并允许父代加入竞争 ,使遗传算法更加稳健、高效 .本文应用WAGA优化柔性形态滤波器 ,并研究了在不同噪声比例和最小平均绝对误差(MAE)、最小均方误差 (MSE)准则下优化算法的性能 .仿真实验显示优化后的柔性形态滤波器性能得到较大改善 。

基于柔性形态学滤波优化的周期性噪声消除算法

针对周期性噪声滤波易产生图像失真与降噪效果不佳等问题,提出一种柔性形态学滤波的周期性噪声消除算法。在数学形态学的思想上,构建了一种柔性形态学滤波器,利用形态学开-闭运算和闭-开运算相结合,提高滤波器噪声抑制性能。并利用粒子群优化耦合被动聚集技术,改进信息共享机制,对柔性形态学滤波器的五个主要参数进行优化,输出最优值,从而消除周期性噪声。实验结果表明,与当前降噪技术相比,所提算法对周期性和混合性噪声具有更强的鲁棒性,在消除噪声的同时也较好地保护了图像细节信息。

基于柔性形态滤波与信息熵的电能质量暂态扰动定位分析

针对电力系统中电能质量扰动信号常因周期性变化和采样过程而存在各种噪声的情况,提出一种基于柔性形态滤波和信息熵的扰动定位方法。柔性形态滤波器是在标准数学形态学滤波器基础上发展起来的,具有更强的抗噪声性能和鲁棒性。信息熵可以用来表征信号的无序性测量指标,已经被广泛应用于检测信号的突变情况。首先,将电能质量扰动信号进行柔性形态滤波处理,再将去噪声后的信号进行形态梯度变换,放大扰动信号的突变特征,最后求取信号的信息熵,根据信号突变处信息熵的不同得到扰动信号的准确定位结果。仿真结果表明,该方法对多种暂态扰动信号能准确定位,抗噪声干扰强,具有很高的可行性和有效性。

柔性形态滤波的神经网络实现及遗传算法优化

柔性形态滤波是一种重要的非线性滤波方法.柔性形态滤波器的研究可分解为形态滤波运算和结构系统选择2个基本问题,一旦形态滤波运算选定后,柔性形态滤波性能就主要取决于结构系统的选择.该文提出了一种柔性形态滤波的神经网络模型及其网络参数(即滤波器结构系统)的遗传算法优化方法.进行优化训练的目的是为了使结构系统自适应地反映图像的形态结构特征,自动调整结构系统中硬核、边界和重复度的组成,从而提高对复杂噪声图像的滤波性能.实验仿真结果显示,该算法优化后的柔性形态滤波器性能得到较大改善,在收敛速度和滤波效果方面,其优化结果要优于简单的遗传算法.

基于粒子群算法的柔性形态学滤波器

典型的中值和均值滤波器分别存在去噪不完全和使图像模糊的缺点,为此,提出了一个改进的柔性形态滤波器(ISMF),在保护细节的同时有效去除高斯和椒盐噪声。为定量分析该滤波器中参数和非线性约束条件,提出了一种改进的粒子群优化算法(msPSO),该算法具有更高的收敛速度和精度。实验表明经msPSO优化后的ISMF能够在峰值性噪比和形状误差上取得比较好的效果。

用于次同步振荡模态提取的柔性原子滤波

针对现有次同步振荡模态提取方法在模式分辨率、动态特性和抗噪声干扰能力等方面的不足,提出一种柔性原子滤波方法。该滤波器的时频域带宽柔性可调,能根据测量需要获取较高模式分辨率和快速动态特性。该方法在次同步频带设置滤波器,每个滤波器具有相同尺度因子和带宽参数,能在次同步频带通过滤波计算获取主导模式幅值包络线和频率,再利用最小二乘法从幅值包络线中提取各模式初始振荡幅值和衰减因子,进而获取阻尼比参数。Matlab仿真算例和基于EMTDC/PSCAD的IEEE第一标准测试模型算例证明了所提方法的正确性和有效性。仿真结果证明该方法能准确辨识频谱密集的复合振荡模态,准确跟踪时变性振荡频率,且具有较好的噪声鲁棒性。

适于遥感噪声图像恢复的柔性形态滤波器优化设计

遥感图像在其成像过程中产生了噪声,对被噪声污染的遥感图像进行滤波处理,从中恢复出有用图像正在成为遥感进一步研究和应用的基础.选用了一种重要的非线性滤波方法———柔性形态滤波器,并用模拟退火算法进行柔性形态滤波器的优化设计.计算机仿真结果表明,优化后的柔性形态滤波器在遥感噪声图像恢复方面取得了较好的效果.

双馈风力发电机轴承故障诊断研究现状与发展

双馈风力发电机(DFIG)目前广泛应用于风电事业。就自身结构而言,轴承是电机非常重要的组成部分,其状态决定着电机整体的运行性能。在实际风电场中一般会定期更换电机轴承,但该方法不能避免轴承产生的早期故障。因此对其进行故障初期的诊断尤为重要。首先简单介绍DFIG轴承故障的产生机理及故障模式,再对近几年来相关的诊断方法做逐条归类阐述,最后基于现有成果展望未来DFIG轴承故障诊断方法的发展趋势,为日后该领域的突破和新方法的提出做好准备。