一种多分辨率体绘制中张量分解最佳秩选取算法

采用多分辨率体绘制是解决海量数据体绘制的一种有效方法,但是基于信息熵的多分辨率体绘制在解决信噪比低、细微结构复杂的物探领域内体数据时存在较大的缺陷。而数据的张量近似是通过高阶奇异值分解提取数据的特征基,并通过特征基的线性组合来近似包含细微结构的低信噪比体数据。因此可以在保证数据压缩率的情况下,保留数据的细微构造信息。本文针对基于张量近似的多分辨率体绘制中秩的选取问题开展研究,低秩实现了高的数据压缩,但峰值信噪比低;高秩实现了较好的绘制效果,但数据压缩率低。本文提出了一种张量近似中最佳秩的选取算法。其基本思想是在高秩分解的基础上,通过二分搜索选取满足误差门限的最佳秩。并且,数据分块处理,不同分块采用不同秩,实现了在满足数据压缩率的情况下,保证有较好的绘制效果。通过仿真结果表明,相比于统一秩的高秩分解而言,提升了数据压缩率,而整体绘制效果基本与高秩分解相当;相比于统一秩的中低秩分解而言,在增加少量的压缩率的情况下,提升了绘制效果。

动态模式分解及其在轴承早期故障诊断中的应用

滚动轴承是装备制造业中关键基础零部件,其在服役过程中的工作状态直接决定着主机产品的性能、质量和可靠性,有效的轴承早期故障监督检测技术是实现设备预防维修的重要保证。提出将动态模式分解(DMD)算法改进后应用于轴承早期故障信号的特征提取中,传感器采集得到的原始时间序列通过投影降噪后进行动态模式分解,采用软阈值法自适应地根据原始信号噪声水平得到若干单频模式,对这些模式分量进行多尺度排列熵值计算,通过阈值法筛选出原始动力学系统中的低秩成分,对其进行恢复重构后提取早期故障特征频率。在仿真信号和实测信号的试验研究中验证了提出方法的有效性。