自适应局部迭代滤波与模糊熵在齿轮系统故障识别中的应用

针对齿轮系统实测信号受噪声干扰而不能准确反映故障特征的问题,提出了一种自适应局部迭代滤波与模糊熵相结合的故障识别方法。利用自适应局部迭代滤波可以将齿轮非平稳信号分解为有限个平稳的本质模态函数,由于自适应局部迭代滤波能有效分离出齿轮系统的转频信号,因此,以转频信号对应的本质模态函数为分界,计算前几个本质模态函数的模糊熵,最后,通过计算不同工况振动信号模糊熵的灰色关联度来识别齿轮系统不同的故障类型。结果表明,该方法能够有效地应用于齿轮系统的故障诊断。

基于改进自适应局部迭代滤波的谐波检测方法研究

针对大量非线性负荷及电力电子设备广泛应用导致的电力系统谐波成份非平稳性和复杂性日益突出,难以识别和检测的问题,在引入自适应局部迭代滤波算法的基础上,提出了基于改进自适应迭代滤波与希尔伯特变换的谐波检测方法。改进自适应迭代滤波算法利用Fokker-Planck方程构建滤波函数,经滤波筛选获取具有平稳特征的本征模态分量,具有坚实的数学基础,且能够有效地避免经验模态分解算法存在的模态混叠问题。首先利用改进自适应迭代滤波算法分解得到周期分量,对各分量进行Hilbert变换,提取包括频率、幅值、相位在内的谐波特征参数。测试信号及实测数据分析结果证明了所用方法的有效性,与经验模态分解的对比结果充分验证了本方法在电力系统谐波检测中的强适应性。

一种自适应迭代的非局部干涉相位滤波方法

干涉相位滤波是获取高精度DEM及正射图像过程中必不可少的关键步骤。传统相位滤波方法在滤除噪声和保持相位细节方面不能很好地兼顾,尤其在相干性较差或地形变化剧烈的情况下,难以得到高质量的干涉相位。该文针对上述问题提出了一种自适应迭代的非局部干涉相位滤波方法,其基于非局部的滤波思想,利用图像的冗余信息进行滤波。该方法根据干涉相位的自身特性,实现了衰减参数的自适应,之后通过自动迭代并在迭代过程中调节窗口大小使得滤波精度进一步提高。该文通过仿真和实测数据对现存算法与该文算法进行了对比分析,验证了所提算法的有效性。

基于自适应局部迭代滤波和模糊C均值聚类的滚动轴承故障诊断方法

为准确提取滚动轴承振动信号的故障特征,并对不同状态信号进行划分,提出了一种基于自适应局部迭代滤波(ALIF)和模糊C均值(KFCM)聚类的滚动轴承故障诊断方法。首先,将多模态信号自适应分解为多阶单一模态分量;然后,结合相关系数提取出含有最多故障特征信息的最优分量,计算其近似熵值并构建特征向量矩阵;最后,将得到的特征向量输入KFCM得到聚类结果。试验结果表明,与基于EMD,EEMD和KFCM聚类,以及ALIF和FCM聚类的方法相比,ALIF和KFCM方法的分类系数更接近1,平均模糊熵更接近0,聚类效果更好,对滚动轴承各类故障信号具有很高的识别度和良好的分类效果。

一种消除椒盐噪声的迭代自适应加权均值滤波

针对传统的均值滤波和多种中值滤波不能有效去除高密度椒盐噪声的不足,提出一种迭代自适应加权均值滤波算法。为了能够对图像外围的像素点进行滤波,沿四周进行图像扩展。根据椒盐噪声的极值特性,将像素点分为噪声点和信号点,噪声点采用多轮迭代,利用前次滤波的结果,求取滤波窗口非噪声点灰度值的加权均值,基于与窗口中心像素的空间距离计算加权系数;信号点保持原值。滤波窗口尺寸根据窗口内是否含有非噪声点自适应地由小变大。选用5种不同的算法在噪声密度20%~80%范围内进行仿真对比,验证算法的有效性。仿真结果表明,与其它4种算法相比,在低密度噪声时,该算法的峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)和结构相似性指数(Structural Similarity Index, SSIM)优势明显,在80%高密度噪声时仍然保持突出效果,PSNR值至少提高4.26 dB,验证了该算法对高密度椒盐噪声具有更好的滤波性能,很好地保持图像的纹理边缘和细节。

基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法

图像脉冲噪声移除是获得高质量图像的关键。本文通过热红外相机成像原理研究,提出了一种基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法。首先,根据相机的调制传递函数计算获取原始图像的最大像素梯度,继而建立相应的像素梯度集合。然后,计算原始图像与对应像素梯度滤波图像的梯度权重均方根误差集合,并将该集合高斯分布的最大值对应的像素梯度确定为最佳像素梯度。最后,根据图像中脉冲噪声的密度和复杂度,确定所提滤波器的自适应窗口大小和迭代次数。大量实验结果表明,所提滤波器对移除8位、16位的单通道脉冲噪声图像展现出良好的鲁棒性。与其他先进方法相比,该方法可以实时移除真实热红外相机采集图像中低密度的随机值脉冲噪声和SAPN,并实现噪声抑制过程中99.5%以上的原始像素不会遭受破坏。除此之外,针对高密度SAPN抑制,该方法获得了具有竞争力的结果,与运行时间较快的滤 波方法相比表现出较好的 PSNR和 SSIM,与 PSNR和 SSIM较优秀的去噪方法相比表现出较快的运行时间。对于极限 SAPN(99%)破坏的图像,也能够恢复有意义的图像细节。

自适应局部迭代滤波在齿轮故障识别中的应用

针对齿轮实测信号因受噪声干扰而不能准确反映故障特征的问题,提出将自适应局部迭代滤波应用到齿轮故障识别中,与样本熵、灰色关联度相结合实现齿轮的故障识别。利用自适应局部迭代滤波将齿轮非平稳信号分解为有限个平稳的本质模态函数,通过计算各本质模态函数的样本熵,发现以齿轮系统的转频信号对应的本质模态函数的样本熵为界,前几个本质模态函数的样本熵能表征不同故障类型的特征;计算齿轮系统正常、齿面轻度磨损、齿面中度磨损和断齿4种工况下多个训练样本的样本熵的平均值,将其作为对应工况标准故障模式的参考值;计算待检测样本的样本熵与各状态下训练样本的样本熵平均值之间的灰色关联度,与待识别样本灰色关联度最大的标准故障模式即被认为是待识别样本的故障类型。实例分析结果表明,通过自适应迭代滤波能有效抑制模态混叠现象,发现明显的齿轮转频信号,而采用集合经验模式分解(EEMD)方法进行信号分解后,模态混叠现象比较明显,且在EEMD的分解结果中基本看不出齿轮的转频分量;4种工况的样本熵曲线形状存在明显差异,说明样本熵能有效表征齿轮故障特征的变化;灰色关联度方法能有效地将4种不同的故障类型进行分类识别,分类识别性能优于BP神经网络,对小样本数据具有较好的分类识别能力。

基于自适应局部迭代滤波和能量算子解调的滚动轴承故障特征提取

为了提高滚动轴承的故障特征提取可靠性,该文提出了一种基于自适应局部迭代滤波(Adaptive local iterative filtering,ALIF)和能量算子解调的滚动轴承故障特征提取的方法。该方法首先利用ALIF将轴承的故障振动信号分解为若干个本征模态函数(Intrinsic mode function,IMF)分量,然后对包含故障信息最多的分量进行能量算子解调,得到分量的包络谱来提取轴承的故障特征。仿真结果表明:ALIF能够准确获取IMF分量,解决经验模式分解(Empirical mode decomposition,EMD)带来的模式混叠问题,结合能量算子解调方法能更好地凸显故障信号的包络谱特征,有效地提取轴承故障特征频率。

基于放疗科大孔径CT的自适应迭代重建技术在肺结节穿刺中的应用研究

目的:研究大孔径CT自适应统计迭代重建(ASIR)对肺结节经皮穿刺中图像质量的影响。方法:选取2023年1月—7月于深圳市宝安区人民医院接受大孔径CT引导穿刺的肺结节患者20例。分别应用滤波反投影技术(FBP)和ASIR技术重建图像并评价两组图像质量。主观评价采用Likert评分,客观评价对结节区噪声标准差(SD)、对比噪声比(CNR)和穿刺针针尖位置CT值等资料。结果:图像的主观评价均满足穿刺要求且一致性较好(Kappa值=0.740)。ASIR图像质量随着权重先增加后降低,权重为60%时最佳。和FBP相比,ASIR 60%的Likert评分更高,结节SD和CNR值比较,差异有统计学意义(P=0.004、0.043)。其他统计参数比较,差异均没有统计学意义(P>0.05)。结论:放疗用大孔径CT常规扫描不影响穿刺图像质量,ASIR 60%图像质量更优,可以用于引导肺结节经皮穿刺。

迭代自适应权重均值滤波的图像去噪

针对现有滤波方法滤除图像椒盐噪声的性能不理想和耗时长等缺陷,提出了一种迭代自适应权重均值滤波的图像去噪方法(IAWF)。首先,利用图像邻域像素与处理点的相似性采用新型方法构建邻域权重;然后,将此邻域权重与开关裁剪均值滤波结合形成新型权重均值滤波方法,充分利用像素间的相关性和开关裁剪滤波的优势,有效提高了算法的去噪效果,同时采用自适应的方式调整滤波窗口大小,以便尽可能地保护图像细节;最后,采用迭代式滤波方法,即如果上述操作还没有处理完噪声点,则迭代去噪直至噪声点处理完毕,实现自动处理。仿真实验结果表明,在各种不同噪声密度下,IAWF在峰值信噪比(PSNR)、失真度,以及视觉效果等方面均优于现有的几种优秀的滤波算法,且具有更快的运行速度,更适用于实际应用场合。

利用自适应迭代多级中值滤波法分离海上多震源混合波场

多震源激发技术可提高海上地震勘探作业效率,但其混合波场的分离是影响成像的关键因素。伪分离记录中次震源波场在共炮集域之外的其他时域中呈现与主震源波场不同的随机分布特征。本文采用自适应迭代多级中值滤波去噪法以实现海上多震源混合波场的分离,迭代过程中通过自适应减小中值滤波窗口逐步提取波场细节信息。海上实际多震源采集混合炮集记录的波场分离结果表明,分离后的各震源单炮记录清晰,频谱特征相近,证实本文方法具有很好的实际应用价值。

基于迭代自适应多尺度形态滤波的滚动轴承故障诊断

针对工业现场强噪声背景下振动信号特征信息提取困难和单尺度形态滤波时尺度选择的盲目性和随意性的问题,基于自适应多尺度形态分析(AMMA)的思想提出了一种迭代自适应多尺度形态分析(IAMMA)的滤波方法。该方法对振动信号进行多尺度形态差值迭代运算,每次采用的结构元素尺度逐渐增大,然后求多次滤波结果的平均值,达到滤除噪声成分的目的。对仿真信号和滚动轴承故障信号进行分析,结果表明,IAMMA较AMMA能够选取更为合适的结构元素尺度,提取更多的故障特征信息,滤波效果更佳,与Hilbert包络解调方法相比处理过程更加简捷,从而为轴承的故障诊断提供了一种有效的方法。

基于小波分解的自适应滤波算法在抑制局部放电窄带周期干扰中的应用

在局部放电在线监测中,由于窄带周期干扰的频率范围很宽,自适应滤波器的参数设置比较困难,有时甚至会导致算法不稳定。为此,文中提出了一种基于小波分解的自适应滤波算法,以用于抑制窄带周期干扰:利用小波的分频特性先将信号分解到不同的频段上,然后对各频段的信号施以自适应滤波,由于信号被分解到不同的频段,各频段内的窄带干扰频率相差有限,所以,可以根据各频段信号的特性采用最佳的滤波参数,以达到较好的滤波性能。计算机仿真分析和现场数据处理表明,该算法比普通自适应滤波算法有更好的抗干扰性能和稳定性。

RLS自适应滤波的迭代信道估计与符号检测算法

在现有的OFDM系统联合迭代信道估计与符号检测算法的基础上,针对高速移动通信信道,利用RLS自适应滤波器在非平稳环境下有效跟踪输入统计量随时间变化的能力,提出了一类基于对迭代初始值进行RLS自适应预测的迭代信道估计算法.通过对每次迭代的初始值进行递归计算提高其有效性,减少了后继迭代次数,并提高了收敛值的准确性.仿真结果表明:和传统迭代算法相比,该算法加快了迭代收敛速度,提高了估计精度.在复杂度适当增加的前提下,降低了系统误码率,提高了系统性能.

基于低松弛迭代格式的快速自适应滤波算法

利用Ｂ样条函数基底的光滑性及其局部支撑性质，以最小二乘（ＬＳ）为准则，构造了基于低松弛迭代格式的快速自适应滤波算法．对于一个Ｎ×Ｎ输入图像，由于Ｂ样条函数的局部支撑性质以及低松弛迭代算法的引入，使得在统计意义下最佳的最小二乘滤波算法的计算复杂度降为Ｏ（Ｎ２），就ＬＳ算法的复杂性而言，优于不动点（ＦＰ）迭代算法的Ｏ（Ｎ３）及基于ＦＦＴ的预处理共轭梯度（ＰＣＧ）算法的Ｏ（Ｎ２·ｌｎＮ）．实验结果表明，该滤波器对Ｇａｕｓ白噪声及均匀分布的噪声图像具有良好的降噪特性．

基于经验模态分解的自适应滤波算法在局部放电窄带干扰抑制中的应用

自适应滤波算法是当前抑制窄带干扰的有效方法。对于单频率的窄带干扰,设置自适应滤波器的参数比较容易,但是对于局放监测中多个频率且频率范围很宽的窄带干扰,设置自适应滤波的参数就会变得很困难。根据经验模态分解EMD(Emp iricalMode Decomposition)的分频特性,将EMD引入自适应滤波算法,提出了一种基于EMD的自适应滤波算法。局放信号中多个频率的窄带干扰经EMD分解之后,会分解到不同的模态函数中,从而将多频率的窄带干扰转化成了多个单频率的窄带干扰,在此基础之上对固有模态函数进行自适应滤波,可以较容易地解决自适应滤波器参数设置的问题,并能获得比普通自适应滤波更好的效果。仿真及实际数据的处理验证了该算法的有效性。

永磁直线同步电机的自适应滤波迭代学习控制

针对永磁直线同步电机(PMLSM)迭代学习控制(ILC)过程中非重复性扰动放大的问题,提出一种自适应滤波ILC方案。该控制方案由一个直接反馈环和一个附加的ILC回路组成。在ILC回路上设计开环PD型学习律,与反馈控制器相结合使伺服系统快速收敛,并保证系统具有较高的控制精度。依据伪Wigner-Ville分布获得的信号时频分布信息,设计带宽沿时间轴变化的自适应滤波器Q,避免了在迭代学习过程中非重复性扰动的放大。实验结果表明,所提出的控制方案在提高位置跟踪精度的同时,有效地增强了系统的鲁棒性。

快速迭代滤波分解方法在轴承故障诊断中的应用

轴承故障信号通常是非线性和非平稳的。此外,这种信号非常微弱,容易被不可避免的背景噪声和振动干扰所掩盖。针对该种信号,模态分解方法已经被证实是一种可靠的处理方法。因此,将一种快速迭代滤波分解方法应用到轴承故障检测当中。快速迭代滤波分解方法在抑制模态混合和抗噪方面表现出色。与其他模态分解技术不同,快速迭代滤波分解方法具有超高的计算效率,因此可以明显提高计算速度。通过仿真信号和实际信号验证了该方法的有效性和优越性。

自适应控制迭代的随机值脉冲噪声滤波

定义了一种更接近实际噪声情况的随机值脉冲噪声模型,针对随机值脉冲噪声的滤除提出一种自适应控制迭代次数的滤波算法。算法包括噪声检测、噪声滤除、误检像素修正和迭代控制四个步骤,对固定值脉冲噪声和随机值脉冲噪声均能有效滤除。与中值滤波算法进行实验比较,在滤除随机值脉冲噪声时,该算法滤波后图像细节信息保护较好,且滤波过程无需设定迭代参数,自适应性强。

单滤波器延时估计-局部迭代算法

利用目标系统的稀疏性,提出基于延时估计的局部迭代(Delay Estimate-Selective Partial Update,DE-SPU)算法以降低滤波器有效长度。新算法先利用移动窗积分获取目标系统的延时估计以确定活跃系数位置,然后每次迭代均以自适应算法更新全部活跃系数与循环更新一段非活跃系数。活跃系数获得较高的更新频率以提高系统收敛速度,非活跃系数获得较低的更新频率以保证系统的跟踪能力。新算法用一个滤波器完成对稀疏系统的延时估计与活跃系数辨识,可有效避免双滤波器结构的信息冗余。最后以回声消除为应用背景对新算法进行实验仿真,仿真结果表明新算法性能优于传统的的NLMS算法以及各种双滤波器算法,进一步验证了新算法的有效性。