基于双树复小波变换—最大熵谱估计和参数优化概率神经网络的齿轮箱故障诊断研究

齿轮振动信号具有非平稳性和非线性的特点。为了准确提取其故障特征并进行故障诊断,提出一种基于双树复小波变换(DTCWT)-最大熵谱估计(MESE)和惯性权重线性递减粒子群优化(LDWPSO)算法-参数优化概率神经网络(PNN)的齿轮故障诊断方法。首先,利用DTCWT把状态已知的齿轮振动信号分解为不同频带的模态分量。其次,采用MESE得到每个分量的最小偏差频谱估计,计算出不同频段的能量熵作为故障特征矩阵。然后利用LDWPSO算法寻找出最优神经网络参数——平滑因子。最后,将故障特征矩阵输入优化后的PNN模型,建立起故障特征和齿轮运行状况之间的数值化映射关系,进而完成齿轮故障诊断模型。经试验数据分析表明,采用提出的DTCWT处理齿轮的振动信号,并引入MESE处理关键分量,可以提取稳定的信号特征并降低噪声干扰。另外,相比于传统的PNN,基于改进的PNN的齿轮故障状态的数值化判别具有更高的诊断精度和稳定性。

小波包-最大熵谱估计及其在水轮机故障诊断中的应用

充分利用小波包(WP)的时频局部化分析能力和最大熵谱估计(MESE)的频谱细化优点,提出了一种新的谱分析方法——小波包-最大熵谱估计(WP-MESE)。该方法能对振动信号进行多分辨分解,提取故障特征信息,进而进行精确的频谱分析;并运用此法有效地提取了水轮机轴系动态特性信息。实践证明该法是提取微弱故障信息并进行早期诊断的有效方法。

最大熵谱估计在空空导弹仿真模型验证中的应用

最大熵谱估计方法和古典谱估计方法相比,具有分辨率高,特别适用于短时同序列等优点,近年来发展迅速。文中介绍了最大熵谱估计方法在空空导弹仿真模型验证中的应用,重点探讨了实际应用中的问题和采取的对策。

基于最大熵谱估计的距离-多普勒成像

提出一种目标超分辨逆合成孔径(ISAR)成像方法。该方法首先利用最大熵谱估计的方法对雷达宽带测量数据进行外推处理,然后对经过外推处理后的数据采用距离-多普勒原理进行ISAR成像,最后采用仿真数据和实际测量数据进行实验验证。实验结果表明,该方法对目标ISAR成像分辨率有明显提高,对用传统方法不能进行的ISAR成像数据,采用该方法成像效果有明显改进;且计算量不是很大,易于工程实现。

应用最大熵谱估计进行导弹系统的仿真模型验证

探讨了导弹系统仿真模型验证的定量方法。依据最大熵谱估计方法分辨力高的特点，分析其近似统计特性，分别给出了两个样本和两个正态总体的一致性检验方法。仿真结果表明，利用最大熵谱估计进行有效性检验是可行的。最后给出了一个应用实例。

基于遗传熵谱估计的年径流周期识别

为识别年径流量序列的隐含周期,提出基于加速遗传算法的熵谱估计算法,与传统的方差谱和Burg谱相比,该方法由熵谱分析的4个等价条件构建多目标函数,并以加速遗传算法作为优化算法,谱估计结果不依赖于初始值的选取,对数据长度、信噪比和初相位有较强的适应性。在三川河流域后大成站1956-2000年径流量序列周期识别中的应用结果表明,在95%的置信检验水平下,序列中存在着12.29年和2.67年的显著隐含周期,为三川河流域年径流的变化规律和变化的阶段性研究提供了一条新的定量研究手段。

基于最大熵谱估计的频谱感知方法的研究

频谱感知是认知无线电系统的关键技术环节,为了减少系统间的相互干扰,要求频谱感知具有短时性、分辨率高等特点。为此,提出了基于最大熵谱估计的频谱感知方法,理论分析与仿真结果表明,基于最大熵谱估计的频谱感知方法具有感知时间短、频谱分辨率高、系统复杂度低等突出优势,可以作为认知无线通信系统设计的选择方案。

应用最大熵谱估计检测微弱信号

频谱分析是数字信号处理的主要内容之一 ,近年来 ,由于最大熵算法的一些优点 ,使它成为现代谱估计中一个比较活跃的领域。最大熵算法是 196 7年由Burg提出来的一种现代谱估计方法。提出了应用最大熵谱估计及LMS自适应算法 ,根据有限数据 ,在频域内提取被淹没在噪声中的有用信号的方法及应用MATLAB语言进行的仿真。

基于递推算法的严格最大熵谱估计

提出了一种基于递推算法的严格最大熵谱估计方法,所获得的AR模型系数的估值,使反映前、后向预测误差的能量以及前、后向预测误差与信号之间的正交关系的一个综合目标函数极小化,即可以同时满足最大熵谱估计的4个近似等价条件。并利用Levinson递推算法,使计算更简单且计算量比直接求解自相关函数矩阵小。计算机仿真分析表明,当数据长度较短时,文中的方法在谱峰偏移、谱峰分裂及谱分辨率等方面均比Burg法优越,具有良好的估计质量。

梯度格型自适应算法与最大熵谱估计

通过比较梯度格型快速自适应算法和最大熵谱估计算法的优缺点，结合工程实际应用，给出了一种适合于快速处理的谱估计方法，使谱估计的运算量提高约一倍。

基于改进最大熵谱估计的弹道目标超分辨成像

鉴于高频宽带雷达回波信号可采用自回归(AR)模型进行有效拟合的机理,提出了一种弹道目标超分辨逆合成孔径雷达(ISAR)成像方法。该方法首先采用改进的最大熵谱估计方法计算AR模型全局线性预测系数,然后对已有宽带测量数据进行外推预测等效大带宽数据,最后利用距离-多普勒原理进行ISAR成像。利用电磁计算数据进行了实验验证,结果表明,该方法可有效改善弹道目标ISAR成像分辨率,尤其是径向距离分辨率,且计算量小,易于工程实现。

一种基于最大熵谱估计的高分辨率时间延迟估计方法

当采用相关法估计时间延迟时,多径时延的分辨率受到相关函数主(?)宽度的限制。本文将最大熵谱估计方法中的Burg算法和Marple算法引入不可解的多径时延估计,可以得到较高的时延分辨率。给出了原理和性能分析以及计算机模拟的结果。

基于局部均值分解和最大熵谱估计的径流分析

研究径流序列的变化规律是水文预报的重点,如何将非平稳非线性的径流序列分解为平稳序列是当前水文领域的研究难点之一。基于此建立局部均值分解和最大熵谱估计耦合模型,以密云水库上游控制入库的下会站月径流序列为例,尝试将局部均值分解用于径流序列的时频分解,并采用最大熵谱估计分析各分量频率,以检验分解结果,获取径流序列更多有效频率信息。结果表明:局部均值分解能够对下会站径流序列进行分解且分解结果良好,各分量在最大熵谱检验中均呈现出一个主要周期,其对应值分别为2个月、6个月、18个月、5年、11年和22年。该方法在实际案例中的成功应用表明局部均值分解和最大熵谱估计耦合模型能够为水文时间序列分析及预测提供新的思路。

循环谱密度的两通道最大熵谱估计

对周期平稳随机过程的循环谱密度的估计,过去主要采用时域平均周期图法和频域平滑周期图法,但当短数据时,上述方法的分辨率很低,方差很大。本文提出了循环谱密度的两通道最大熵谱估计,该方法不仅具有很高的分辨率,而且估计的方差也很小,具有较好的估计性能。

基于最大熵谱估计的沉积旋回划分方法探讨

为了提高测井曲线划分沉积旋回的精度和可靠性,采用最大熵谱估计原理对测井数据进行了预测误差的估计,并在此基础上计算了预测误差趋势曲线。采用对称和非对称理论模型对该方法进行了试验,结果表明:预测误差曲线可以较好地识别沉积旋回界面,预测误差趋势曲线可以识别旋回内部的半旋回。利用该方法对实际测井数据进行了沉积旋回的划分,取得了较好的应用效果。因此,该方法可作为测井沉积旋回划分的辅助分析手段。

基于极大熵谱估计准则的动态数据预测方法及应用

在进行动态数据预测时,预测结果往往会受人为因素影响而出现偏差。本文将极大熵谱估计准则应用于动态数据预测,详细介绍了趋势项提取、模型参数确定、阶数选择以及数据预报的过程,基于MATLAB平台编制了相应程序,最后结合实例对该方法的优点和不足之处进行了客观评价。

基于最大熵谱估计的工程非平稳信号的频谱分析研究与实践

大型机电设备的运行过程常常为非平稳运行过程,其动态的状态信号也常表现为非平稳性信号。非平稳过程往往包含着丰富的设备状态信息,也包含了丰富的故障信息,因此研究工程中的非平稳信号分析和特征提取方法对提高诊断的准确率具有十分重要的意义。采用基于最大熵谱估计(MESE)的方法对机电设备故障诊断中的实时工程非平稳信号进行频谱估计,以期进一步提高其分析精度和准确性,并与传统的谱分析方法进行了对比。

最大熵谱估计在预测雷达杂波中的应用

近年来 ,由于最大熵算法的一系列优点 ,使它成为现代谱分析中极其活跃的一个研究领域。最大熵算法是Burg于 1 967年提出的一种现代谱分析法 ,用这种方法可以预测观测区间以外的数据 ,以便填补出一个长时区。本文提出了一种自适应的数字滤波方法 ,它是利用格型结构来预测和估计雷达杂波 。

基于镜像映射最大熵谱估计的虚拟样机实验验证

应用虚拟样机技术创建机械系统模型后,要对模型进行实验验证(模型验证)。根据虚拟样机仿真分析属于后台处理及实验数据长度有限的特点,采用一种解算精度高、稳定性好且适于处理短序列数据的定量模型验证方法———基于镜像映射非实时递推算法的最大熵谱估计法。算例分析表明,在数字化仿真软件定性地分析创建模型的基础上,结合此验证方法,可以为仿真分析提供定量依据。

基于最大熵谱估计的GPS坐标时间序列噪声分析

通过提取苏通大桥GPS坐标序列,对不同时间观测的同一监测点时间序列采用db6小波函数进行五层分解并去噪处理,得到噪声序列。然后采用最大熵谱估计分析GPS坐标分量的信号噪声特性,并与传统的谱分析方法相比较。结果表明,GPS坐标时间序列主要含有白噪声与闪烁噪声,随机漫步噪声不明显。因此,在分析GPS观测得到的时间序列时,应当顾及这种噪声特性,适当地加权以得到比较切合实际的结果。