基于EEMD与矩阵分形的自动机故障诊断方法

针对自动机振动响应信号非线性、瞬态和冲击特性,提出基于聚合经验模态分解(EEMD)和矩阵分形相结合的自动机故障诊断方法。首先对采集到的自动机各种工况信号采用EEMD分解的方法对其进行分解,通过对分解得到的固有模态函数(IMF)分量信号进行广义维数计算,得到每个工况广义维数分形矩阵,发现不同工况下的分形矩阵有较大差别。通过计算待检测信号与样本信号之间的的相关系数,采用折线图进行直观比较,确定待检测信号的故障类别。验证了该方法能有效地应用在自动机故障诊断中。

局域均值分解与矩阵分形的自动机故障诊断

针对自动机振动响应信号非线性、非平稳、高冲击的特性,提出基于局域均值分解(LMD)和矩阵分形相结合的自动机故障诊断方法。首先对采集到的自动机各工况信号采用LMD法对其进行分解,对分解得到的分量信号进行广义维数计算,通过广义维数相关系数判断方法选取分量信号,进而构建各工况的样本矩阵,用相关性判断方法计算待检测信号矩阵与样本矩阵之间的相关系数,最后通过对比相关系数的大小来判断故障模式。诊断结果与实际情况完全符合,表明该方法能有效的应用在自动机故障诊断中。

基于小波包分解和矩阵分形的齿轮箱故障诊断研究

研究了小波包分解和矩阵分形相结合在齿轮箱故障诊断中的应用,讨论了小波包分解的计算方法和分形矩阵的计算方法。首先对采集的齿轮箱各种工况信号运用小波包三重分解的方法对进行分解,通过计算其分解得到的分量信号的广义维数构建分形矩阵,分析发现在不同工况下通过小波包分解得到的分形矩阵明显不同。通过计算样本信号和待检测信号的相关系数,用柱状图做直观比较确定了待检测信号故障类型,验证了该方法能够有效应用于应齿轮箱故障诊断中。

基于分形矩阵的编织物图案设计与生成

在介绍和拓展矩阵迭代变换与分形矩阵的概念基础上 ,讨论基于分形矩阵生成编织物图案的原理和方法 。

图像扫描波动性定量标准及分形扫描矩阵的快速生成

在图像扫描技术中 ,首要的问题是如何尽量减小生成数据的波动性。本文在深入研究各种扫描技术的基础上 ,定义了一种描述扫描产生数据波动性的度量指标 ,基于图像存在局部连续性 ,证明了 Hilbert分形曲线扫描优于其他传统扫描 ,表明其生成数据的最佳连续特性 ,并通过实验分析了图像扫描方式对 DCT变换编码效果的影响。最后 ,给出了一个构造 Hilbert扫描矩阵的快速算法。

形态学多尺度广义分形矩阵在轴承故障诊断中的应用

针对轴承故障信号非线性特征提取的问题,提出一种形态学多尺度广义分形矩阵对轴承故障信号进行表征。形态学多尺度广义分形矩阵采用数学形态学覆盖法估计信号的分形维数,同时考虑信号在尺度和统计分布上的非严格自相似性,包含比传统分形维数更为丰富和全面的信息。采用轴承7种状态下的振动信号对形态学多尺度广义分形矩阵进行验证,结果表明:与传统的单一分形维数、广义分形维数和多尺度分形维数相比,形态学多尺度广义分形矩阵具有更高的轴承故障诊断精度。

基于优化k值的VMD和矩阵分形的供输弹系统早期故障诊断

对于供输弹系统早期故障信号非线性、非平稳、故障信息易被湮没难以识别的问题,提出了基于优化k值的变分模态分解(VMD)和矩阵分形的早期故障识别方法。首先计算不同k值下相对能量比值μ的大小,选择与较小μ值对应的k作为分解层数并对分解结果进行检验;然后通过计算VMD分解后得到的各工况信号IMF的广义维数,构建每种工况的分形矩阵;最后计算样本信号与待测信号分形矩阵的相关系数,确定待测信号的工况。结果表明该方法能对供输弹系统早期故障进行有效识别。

指纹形态结构的分形矩阵分类法

根据指纹的不同形态结构，运用分形理论对其识别．通过求取指纹的分形矩阵，计算矩阵的本征值λ和迹等特征．由λ值的性质和迹的大小，将指纹分成弧、帐、箕、斗、杂等８类．

由点矩阵的表示生成的分形矩阵的维数

本文利用n阶整数元方阵作为表示基,以Z^n上的有限个点矩阵作为表示系数,构造了空间R^n中的点矩阵的加法表示系统和乘法表示系统,并分别给出了这两种表示系统导出的分形矩阵在不满足开集条件下的Hausdorff维数的上下界.

一种新的图案纹样生成方法

解决如何用计算机生成具有民族风格的纹样的图案是一个富有挑战的问题。提出一种图案生成方法,基于图案基元的变换来快速生成具有民族风格的图案。首先,引入交互分割模型提取图案中具有代表性的意义相对独立的图案基元。设计图案基元的相似变换规则,产生分形基元矩阵。然后引入准Arnold变换规则,对基元分形矩阵进行扰动生成新图案。对图案基元进行变换、扰动不仅生成多种纹样图案,而且由于变换中图案基元的保留,使得生成图案传承了原图案的风格与特色。所提方法简单易行,能快速生成大量保持民族风格的图案纹样。

基于分形云模型元胞自动机的艺术图案生成方法

艺术图案设计中一个非常重要的原则是生成分形、漂亮的图案。基于原有的元胞自动机图案生成方法,考虑到图案生成的模糊性和随机性,提出了改进方法。采用分形矩阵迭代和云模型元胞自动机演化相结合的方式,通过设置迭代和演化次数生成大量的分形图案。实验结果表明:该方法能够基于简单的初始图案生成大量复杂漂亮的分形图案,是一种实用的艺术图案生成方法。