基于变分模态提取的动力响应重构方法研究

基于经验模态分解的响应重构方法依赖于参数繁多的带通滤波器,且不适用于具有密集模态的结构,因此,提出一种基于变分模态提取的动力响应重构方法。首先,在时域内使用变分模态提取将由传感器测得的动力响应分解为各阶模态响应;随后,通过根据有限元建模或模态试验导出的模态转换矩阵计算得到响应未知位置的各阶模态响应,再根据模态叠加法完成其余位置动力响应的重构;最后,对非密集模态的悬臂梁和密集模态的3层剪切框架进行数值模拟,并通过简支梁进行试验分析,验证了所提方法的有效性和较好的鲁棒性。

基于改进变分模态提取的轴承早期故障诊断

针对变分模态提取(variational mode extraction,VME)在强背景噪音下初始中心频率难以确定的问题,提出了基于谱相干引导变分模态提取(SC-VME)的滚动轴承故障诊断方法。首先,引入谱相干(spectral coherence,SC)算法对信号进行处理,得到由循环频率和频谱频率构成的双频域,并结合1/3-二叉树滤波器组得到改进包络谱(improved envelope spectrum,IES);然后,以轴承故障特征频率识别的局部特征能量与频带中的IES能量占比为诊断指标,构建诊断性指示图,据此确定VME期望模态的初始中心频率;最后,通过对提取的期望模态进行包络谱分析,实现滚动轴承早期故障诊断。通过仿真和试验信号分析,结果表明所提SC-VME方法准确性更高、用时更短、效果更优。

基于迭代增强变分模态提取的滚动轴承复合故障诊断

针对变分模态提取对多分量复合故障提取能力不足,且存在中心频率和平衡因子两个超参数优化等问题,提出了一种迭代增强变分模态提取(iterative enhanced variational mode extraction,IEVME)的滚动轴承复合故障诊断新方法。首先,提出引入中心频率趋势收敛现象优化VME的初始中心频率,使其能自适应寻找合适的初始中心频率进行提取并加入新的收敛准则对信号进行迭代提取的迭代变分模态提取方法(iterative variational mode extraction,IVME);然后,通过优化IVME的平衡因子得到多个分量信号,再利用图拉普拉斯能量指数选取最优分量进行重构;接着,为全面提取复合故障信号中的主要周期,提出了结合加强运算减去运算的增强最小噪声幅值解卷积(enhanced minimum noise amplitude deconvolution,EMNAD)方法,以降低噪声并增强相对较弱的周期信号;最后,通过融合平方包络谱实现对滚动轴承的复合故障诊断。将所提方法应用到滚动轴承复合故障诊断中,通过仿真和实例信号验证所提IEVME方法的有效性和鲁棒性,并将所提方法与现有多种方法进行对比,结果表明所提IEVME方法准确性更高,效果更优。

基于SFLA优化变分模态提取的滚动轴承故障诊断

为解决变分模态提取(variational mode extraction, VME)在分解轴承故障信号过程中近似中心频率和惩罚因子的选择过于依赖专家经验的问题,提出混合蛙跳算法(shuffled frog leaping algorithm, SFLA)与VME相结合的滚动轴承故障诊断方法。首先,为解决单一指标作为目标函数提取特征时信息不全面的问题,结合信息熵(information entropy, IE)、包络谱峭度和相关系数建立新的参数优化指标—KIC;然后,将KIC的极小值作为SFLA的目标函数自适应地选取VME期望模态的中心频率和惩罚因子;最后,通过包络解调分析期望模态进行故障诊断。仿真信号与轴承试验台相关数据集的分析结果表明,所提出的SFLA-VME方法能够准确地提取出期望模态并诊断轴承故障。

S变换引导变分模态提取的旋转机械故障诊断方法

针对信号变分模态分解(VMD)存在分解层数难以确定、目标模态难以选取的问题,介绍了一种信号分解方法——变分模态提取(VME),且提出了基于S变换(ST)与VME的旋转机械故障诊断方法。VME将信号分解成两层——期望模态和残余信号,并基于一个新的准则:期望模态与残余信号之间具有最小的频谱重叠。为了使VME得到的期望模态包含充分的故障特征,采用S变换对信号进行处理,确定故障特征所在的频段,据此选取VME期望模态的中心频率初始值。为了从期望模态中提取出故障特征频率,采用平方包络谱(SES)对期望模态进行分析。仿真信号与实际振动信号的分析结果表明,所提出的ST‐VME方法能够成功提取出有价值的期望模态和准确的故障特征频率,实现旋转机械故障诊断,且与VMD相比,ST‐VME方法的目标性更强,实施更容易。

基于系统响应图形的组合降阶模型模态提取

文章针对大系统模型降阶问题,提出了基于低阶组合模型的降阶方法。充分利用系统响应图形所表征大系统的宏观性和特殊性,把响应曲线模态分解为平滑模态和振荡模态,降阶模型结构为2种模态模型的线性组合。针对降阶模型模态提取关键问题,提出基于EMMD技术的提取方法。采用四阶复杂系统模型进行降阶验证,结果表明只需采用2个二阶模型的线性组合,即可达到相对误差为-0.0207的效果。该方法可以应用到采用纯数学方法降阶效果不理想的大系统降阶问题。

基于自适应变分模态提取的低速重载滚动轴承故障诊断方法

变分模态提取(variational mode extraction,VME)作为一种以极低计算度提取特定信号模态的新方法,其通过设置期望模态中心频率来获得固有模态函数。但是,VME只能针对一个中心频率提取一个分量,无法实现多分量信号的自适应分解。对此,通过依据信号数据长度与带宽自适应设置多分量模态中心频率参数,把信号分解问题转化为多模态优化问题,在此基础上,提出了一种自适应变分模态提取(adaptive variational mode extraction,AVME)方法。此外,为解决单一指标无法衡量最优解调分量全面信息特征的问题,提出将峭度、相关系数和正交性进行融合来凸显及筛选有用分量进行解调和诊断。通过对滚动轴承故障仿真信号和实测信号进行分析,将所提的方法与现有多种信号分解方法对比,结果表明了该方法在计算耗时上和降噪方面的有效性。

基于弹性变分模态提取的时间相关单光子计数信号去噪

单光子激光雷达的回波信号具有极低的信噪比,有效地消除噪声和提取出回波信号特征是提升单光子激光雷达测距精度的关键,变分模态分解算法需要使用者依据经验确定分解本征模态函数数量,不具有适用性和通用性.为此,本文基于时间相关单光子计数信号特点,提出了在变分模态分解中让信号按照指定频率进行聚类分解的变分约束条件,并采用弹性网回归重构不适定问题的求解模型,提出了弹性变分模态提取算法.实验结果表明,在波段850 nm、平均发射功率为25 nW、背景噪声平均功率为19.51μW的条件下,利用该方法,得到了时间相关单光子计数信号重建精度的均方根误差为1.414 ns.同时在不同的累积时间下,能够稳定且快速地提取出回波信号特征,有效地提高了算法的去噪能力和特征提取的性能.

瑞雷波频散曲线的分模态提取与联合反演

瑞雷波在层状介质中传播具有频散特性,利用地震记录中的面波信息,提取面波的频散曲线,反演可以建立近地表的横波速度结构模型。本文建立了一个理论地质模型,理论合成面波地震记录,研究了频率波数域中面波频散曲线的分模态提取,并利用等厚分层阻尼最小二乘反演方法对面波各模态的频散曲线进行了分模态反演和联合反演。反演结果表明:瑞雷波基阶频散曲线的浅层(<10m)反演结果与理论模型吻合最好,一阶高阶频散曲线在15-30m的反演结果与理论模型吻合最好,联合反演在整个深度范围内都可以很好的吻合理论模型,且反演结果的相对误差要低于分模态反演。

一种基于多模态特征提取的医学视觉问答方法

随着深度学习在医疗领域的快速发展,医学视觉问答(Med-VQA)吸引了研究人员的广泛关注.现有的Med-VQA方法大都使用权重参数共享的同一特征提取网络对多模态医学影像进行特征提取,在一定程度上忽略了不同模态医学影像的差异性特征,导致对特定模态特征提取时引入其它模态的噪声特征,使得模型难以关注到不同模态医学影像中的关键特征.针对上述问题,本文提出一种基于多模态特征提取的医学视觉问答方法.首先,对医学影像进行模态识别,根据模态标签指导输入参数不共享的特征提取网络以获得不同模态影像的差异性特征;然后,设计了一种面向Med-VQA的卷积降噪模块以降低医学影像不同模态特征的噪声信息;最后,采用空间与通道注意力模块进一步增强不同模态差异性特征的关注度.在Med-VQA公共数据集Slake上得到的实验结果表明,本文提出方法能有效提高Med-VQA的准确率.

直流充电桩快速变化的电流和电压波形模态特性分析

针对电动汽车充电桩输出电流和电压呈现出“随机性、波动性、时变性”的快速变化特性,引发电能计量较大超差问题,文章建立充电桩快速变化直流电流和电压的随机信号数学模型及其时频域表征模型;提出快速变化波形模态提取方法,提取了6类12种快速变化直流波形模态,提出并构建了幅度域8个特征参量数学模型,表征影响电能计量的电流和电压特征;提取了典型特征参量数值和重要特性,该特征参量数值和特性可为制定直流电能表动态误差的测试评价试验条件提供理论依据。

warping变换提取单模态反演海底衰减系数

为了获得浅海海底地声模型参数,利用warping变换方法分离出单模态简正波.对于接收深度固定、定深爆炸声源情况,以简正波理论为基础定义了距离归一化的简正波传播损失,并且其随传播的距离呈线性关系,故可通过此变化规律得到声压值实部的衰减因子,进而可求得海底地声模型参数:海底衰减系数.为验证此方法的有效性,仿真了warping变换提取单模态简正波的过程,同时将warping变换提取的单模态简正波与数值计算的结果进行比较验证;并针对某次黄海试验数据进行了处理,得到在150—550 Hz频带范围内海底衰减随频率的变化规律为α=0.581f_k^(1.86)(dB/m).通过与其他学者在相同海域试验结果的对比验证,变化规律基本相同.此外不同模态间反演相同频点的衰减系数接近也较好地支撑了结果.

基于随机子空间法的海洋平台模态特征实时提取方法研究

海洋平台结构模态特征实时提取是其结构健康监测的一项重要手段。针对传统随机子空间算法在有限测点下无法反映结构整体特征的问题,提出了一种改进的协方差驱动随机子空间模态实时提取方法。该方法基于一种新的Hankel元素重构方式,构建了结构实际空间信息与算法的相关性,并有效降低了计算矩阵的维度,从而显著提高了平台模态识别的准确度和计算效率。在此基础上,进一步建立了基于信号累积特征的虚假模态辨识方法与剔除准则,解决了传统随机子空间方法在计算大型复杂结构时存在虚假模态过多的问题。以渤海某海洋平台为例,采用所建立的方法对该平台响应信号进行计算,并与传统随机子空间方法进行对比分析,验证了所提方法的优良适用性和鲁棒性。

从自由模态试验提取约束结构模态参数的方法研究

研究了如何基于模态综合法实现自由试验边界与约束边界的转化。以矩形钢板为例进行理论研究,分别在自由与一端固定两种状态下进行模态试验,提取模态参数,并将自由试验获得的低阶模态频率构成主模态谱矩阵,而主模态振型和高阶剩余模态则由矩形板有限元模型提供,同时将约束条件等效为一种子结构,共同参与模态综合,完成自由试验结果到约束模态参数的转化。数值计算结果与试验结果一致,证明了基于模态综合理论并将试验模型和解析模型相结合的提取方法是可行的。

钻锚机钻臂模态参数的高精度提取方法及实验

研究了一种钻锚机钻臂模态参数的精确提取方法,并通过仿真和实验对方法的有效性和可靠性进行了验证。实验结果表明,该方法能够从脉冲响应信号中高精度的提取结构的模态参数(模态频率、阻尼比),不受多阶模态响应信号叠加的影响,有效地解决了传统模态参数提取方法的不足。利用本方法获得的模态参数,为钻锚机钻臂有限元模型的更新与修正,为其动态特性的预估和优化设计提供了参考。

基于导波基函数投影变换的单模态超声导波提取方法

由于超声导波的多模态特性和频散特性,实际检测时在同一激发频率下存在多种模态的混合信号,影响导波检测的灵敏度。针对上述存在的问题,在建立导波频散信号的数学模型的基础上,提出一种基于导波基函数投影变换的单模态超声导波提取方法。首先根据频散传递函数建立各模态导波信号的数学模型,将各模态导波信号构建为一组导波模态基,之后,以模态基函数为投影变换核,对接收信号进行投影变换,从而实现多模态混叠信号中单模态导波信号的提取。通过对板中的Lamb波S_(0)、A_(0)和A_(1)混合模态仿真和实际信号处理试验表明,提出的方法无需频散补偿即可实现多模态混叠信号中单模态导波信号的有效提取。

基于IPIO-VME与ConvNeXt-Encoder-GRU的轴承剩余寿命预测

基于振动信号的轴承剩余寿命(RUL)预测在工业安全生产中具有重要意义,但该领域目前存在着模型构建难度较高、预测精度较低的问题;为完成自适应的特征模态提取和去噪工作,简化模型构建过程,提升预测效果,提出了基于改进鸽群算法的变分模态提取(IPIO-VME)算法和基于ConvNeXt-Encoder-门控循环单元(GRU)的轴承剩余寿命预测方法。首先,鸽群算法高效准确,适用于VME的参数选择,但容易陷入局部最优,因此利用自适应惯性权重、收缩包围机制、莱维飞行等方法对鸽群算法进行了改进,以提高收敛速度和全局收敛能力;然后,为实现自适应的模态提取目的,设计了IPIO-VME算法的目标函数,能够针对VME算法和轴承振动信号的特点,有效提取轴承振动特征;最后,针对模型构建繁琐、精度低的问题,提出了ConvNeXt-Encoder-GRU模型,采用间隔与连续采样的数据集构建方法,并使用联合振动数据和特征曲线的方法进行了寿命预测模型的构建,通过ConvNeXt模块提取振动特征,然后使用Transformer的Encoder模块提取趋势特征,并利用GRU进行了融合;还对该算法和预测模型进行了实验对比验证。研究结果表明:改进鸽群算法具有更快的收敛速度和更好的全局收敛能力,在测试函数下,经过1000次迭代,其精度最高能达到1.23×10-9;ConvNeXt-Encoder-GRU模型具备较高预测准确性,在西安交通大学-长兴昇阳科技有限公司(XJTU-SY)轴承数据集上的LogCosh指标可以达到0.0013,优于单一模型。该研究结果对轴承的故障特征提取和剩余寿命预测研究具有一定的指导意义。

钢筋混凝土框架结构复模态试验分析

通过一个钢筋混凝土空间框架模型的振动模态试验,分析讨论钢筋混凝土框架结构的模态性质、由实模态替代引起的误差以及哪种实模态提取方法更合适.结果显示,钢筋混凝土框架模型表现出了复模态的特征;其中用复留数相位提取的实模态最接近复模态.

气体管道泄漏声发射单一非频散模态定位

针对气体管道泄漏声发射信号的多模态、频散特性导致互相关泄漏定位误差大的问题,提出采用单一非频散模态提取的气体管道泄漏声发射定位方法。对检测信号的互谱加窗,并根据模态波数确定窗参数,可获得泄漏声发射信号的单一非频散模态导波的互谱。对单一非频散模态导波的互谱进行傅里叶反变换,得到泄漏声发射中单一非频散模态信号的互相关函数以及时延估计,就可以采用单一非频散模态声速,更准确计算出泄漏位置。对气体管道泄漏进行定位实验,相比用未经分解的泄漏声发射信号进行定位,由于声发射单一非频散模态信号的相关性增强,且选用的声速更准确,定位相对误差平均降低7%以上。这表明,通过提取泄漏信号互谱的单一非频散模态成分进行时延估计,可以提高泄漏检测的有效性和减小定位误差。

部分变速器壳体模态试验分析与验证

为了三维模型的准确性做出判断,本文建立了部分变速器壳体的三维CATIA模型,划分网格,进行有限元模态计算,继而采用多点激励单点响应方法对该部分变速器壳体做模态实验,把仿真振型数据域试验模态振型数据做MAC值对比分析。文章还介绍了两种从复模态提取实模态的方法以及两种相关性分析方法。