基于局部特征尺度分解的经验包络解调方法及其在机械故障诊断中的应用

提出一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)和经验包络(Empirical envelope method,EE)解调的非平稳信号分析方法。该方法通过局部特征尺度分解将一个复杂信号自适应地分解为若干个内禀尺度分量之和,对得到的各个内禀尺度分量进行经验包络解调,得到各个分量信号的瞬时幅值和瞬时频率信息,从而得到原始信号完整的时频分布。采用仿真信号将基于LCD和EE解调的时频分析方法和希尔伯特黄变换方法进行对比,结果表明,新提出的信号分解和解调方法在抑制端点效应和迭代所需时间,瞬时特征的精确性等方面优于希尔伯特黄变换方法。针对滚动轴承和齿轮故障振动信号的调制特点,将基于LCD和EE的时频分析方法引入机械故障诊断中,对试验信号的分析结果表明,基于LCD和EE的时频分析方法能有效地提取机械故障振动信号的特征。

基于局部特征尺度分解法的声反馈抑制算法

出于抑制扬声系统中声反馈的目的,提出基于新时频分析法——局部特征尺度分解(Local Characteristicscale Decomposition,LCD)的声反馈抑制新算法。通过一次分解,分离出局部特征最明显的内禀尺度分量(Intrinsic Scale Component,ISC)——啸叫单频分量,并以此算法为理论基础,给出了基于DSP的系统设计。对导入的语音信号叠加啸叫单音进行仿真分析,分析结果表明,此方法能有效分离语音与啸叫单音,并且可完好保留语音信息。

基于滑动熵互相关系数与k-means聚类算法的局部特征尺度分解分量筛选方法

提出了一种利用滑动熵以及互相关系数算法对局部特征尺度分解所得分量进行筛选分类的方法。首先对原始信号进行局部特征尺度分解,其次对分解所得的任一分量以及原始信号通过移动起始点的方式计算熵值并计算每一个熵值序列与原始信号的互相关系数,最后利用k-means聚类算法对上述互相关系数进行分类,即可实现分量的筛选。仿真结果表明,该方法能够有效对局部特征尺度分解所得分量进行筛选,较同类方法具有较大的类间距离。

总体局部特征尺度分解及ELM的滚动轴承故障诊断

针对滚动轴承非平稳性的振动信号,提出了基于总体局部特征尺度分解(Ensemble Local Characteristic-scale Decomposition,ELCD)及极限学习机的滚动轴承故障诊断方法。首先,对振动信号进行ELCD分解,获得一系列内禀尺度分量(Intrinsic Scale Component,ISC);其次,根据分解后ISC分量计算时域指标、能量、相对熵,利用特征评估法提取敏感特征;最后,将敏感特征向量输入极限学习机(Extreme Learning Machine,ELM)进行训练与测试,从而识别滚动轴承的故障类型。对实验信号的分析表明,该方法能够有效的诊断出滚动轴承不同的工作状态,且效果较局部特征尺度分解方法好。

尺度估计和多特征融合的目标跟踪算法研究

针对核相关滤波器跟踪算法(Kernel Correlation Filter,KCF)在特征提取单一以及尺度估计不足而导致跟踪效果不佳的问题,本文提出了一种多特征融合的尺度自适应核相关滤波目标跟踪算法。首先,使用帧差法将相邻帧图像对应像素值相减得到差分图像;其次,提取差分图像的方向直方图特征,与目标的均一局部二值纹理特征以及颜色特征进行线性加权融合;最后,加入一种尺度估计策略,将尺度滤波器的估计值与分块算法的估计值融合计算得出目标的尺度和位置。实验数据表明,本方法能有效改善核相关滤波器的跟踪性能,且与其他主流算法相比,在尺度变换下也有较好的跟踪效果。

改善经验模态分解端点问题的方法

由于采集到的地震资料包含各种各样的噪声,导致地震资料信噪比较低,给之后的解释工作带来较大困难。为了更准确地了解地下地质信息,需要提高地震资料的信噪比。针对地震资料中的随机噪声,采用镜像对称延拓法、边界局部特征尺度延拓法以及多项式拟合法3种方法,在60 Hz的正弦信号与白噪声的合成信号中找到极值点,再计算均值,得到本征模态函数后并重构地震信号,有效压制了地震噪声。研究结果表明,使用镜像对称延拓法、边界局部特征尺度延拓法以及多项式拟合法均可以消除地震信号的端点效应并有效压制混叠现象,使用多项式拟合法分解得到的相似系数最大,而边界局部特征尺度延拓法得到的相似系数最小,平均相对误差最小;边界局部特征尺度延拓法运算速度最快,多项式拟合法则耗时较长。镜像对称延拓法和边界局部特征尺度延拓法,不仅有效地抑制了传统经验模态分解中存在的端点效应,而且增加了经验模态分解得到的本征模态函数的正交性,提高了经验模态分解精度。

基于局部加权拟合算法的无人机遥感影像多尺度检测技术

目前提出的无人机遥感影像多尺度检测技术平均图像灰度较差,导致检测结果清晰度较低;为了解决上述问题,基于局部加权拟合算法研究了一种新的无人机遥感影像多尺度检测技术,选用最小二乘法进行多次循环计算,确定周围区域重复率,通过抽稀处理提高数据精度;根据高斯金字塔得到n阶的影像序列,利用高斯金字塔和差分尺度划分完成遥感影像的特征提取;引入加权拟合算法,构建有效影像数据集,确定影像网络模型,从而完成合并,实现影像数据的检测;实验结果表明,基于局部加权拟合算法的无人机遥感影像多尺度检测技术能够有效提高平均图像清晰度,增强检测结果的清晰度。

局部彼得洛夫-伽辽金法分析各向异性板屈曲

基于Kirchhoff板理论和对挠度函数采用移动最小二乘近似函数进行插值,进一步研究无网格局部 Petrov-Galerkin(MLPG)方法在各向异性板稳定问题中的应用.分析中,本质边界条件采用罚因子法施加, 离散的特征值方程由板稳定控制方程的局部积分对称弱形式中得到.通过数值算例并与其他方法的结果进行 比较,表明MLPG法求解各向异性薄板稳定问题具有收敛性好、精度高等一系列优点.

基于互补集合经验模态分解和改进麻雀搜索算法优化双向门控循环单元的交通流组合预测模型

该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞翼问题,通过改进CEEMD算法将交通流量序列分解为体现路网交通趋势性、周期性及随机性的本征模态函数(IMF)分量,有效提取了其中的先验特征;随后,利用BiGRU网络挖掘交通流量序列中的时序相关性特征,为避免局部最优,并提高麻雀搜索算法(SSA)全局搜索及局部开发能力,采用ISSA对BiGRU网络权值参数迭代择优。实验结果表明,该组合预测模型中各组件对提高预测精度均起到正向作用,同时在不同交通流量数据集下的预测性能较对比算法均更优,展现了精准、快速的预测表现以及良好的泛化能力。

结合模糊特征检测的鲁棒核相关滤波跟踪法

针对跟踪领域内由于图像模糊而导致跟踪失败的问题,提出一种结合模糊特征检测的鲁棒核相关滤波(kernelized correlation filter,KCF)跟踪法。首先,将尺度不变特征变换(scale invariant feature transform,SIFT)描述子与局部二值模式(local binary pattern,LBP)算法结合,提取模糊图像中的特征点,并采用圆形邻域描述该特征点,以降低特征向量的维度,综合构建出模糊特征检测器。其次,设置图像清晰度阈值,若当前图像清晰度低于阈值,则启动模糊特征检测器,通过特征向量间的匹配,得出跟踪目标的位置;否则,通过传统的核相关滤波法预测目标位置。最后,在公开数据集OTB-2013和OTB-2015中的测试结果表明:与其他实验算法相比,该算法可对模糊图像中的目标进行有效跟踪且精度较高。

优化HHT端点效应的新方法

在旋转机械的故障诊断中，希尔伯特-黄变换（HHT）方法常用于提取故障特征信号以及分解结果的时频分析，然而，在HHT中会出现端点效应问题，且导致模态混叠和虚假本征模态函数（IMF）等一系列问题。针对这一问题，提出了利用广义回归神经网络（GRNN）和边界局部特征尺度延拓（BLCC）相结合的方法先对信号延拓，再进行经验模式分解（EMD）。通过仿真与故障实验，在时域、频域和希尔伯特-黄谱的相关参数的情况下，对比镜像延拓优化的HHT分解结果，验证了所提方法的有效性。实验结果表明：所述方法能够有效地抑制HHT中的端点效应，且减轻了模态混叠和虚假IMF分量，同时能准确地表现信号的真实结构成分。

基于CELCD和MFVPMCD的智能故障诊断方法研究

针对旋转机械故障诊断方法中信号处理和模式识别的不足,即端点效应和判别片面性问题,提出一种基于互相关匹配延拓局部特征尺度分解(Cross-correlation matching endpoint Extension Local Characteristic scale Decomposition,CELCD)和改进多变量预测模型(Variable Predictive Model based Class Discriminate,VPMCD)的智能故障诊断方法,首先探索待分解信号前后端的数据规律,选取匹配波形完成端点延拓,然后利用局部特征尺度分解(Local Characteristic scale Decomposition,LCD)得到各去除端点效应的内禀尺度分量(Intrinsic Scale Component,ISC),最后输入到基于多模型融合的多变量预测模型(Multi-model Fusion-Variable Predictive Model based Class Discriminate,MFVPMCD)分类器中进行概率状态判定.实验分析结果表明,所提方法能有效地对滚动轴承的工作状态进行识别.

跨尺度微小型零件的测量与装配

针对跨尺度微小型零件的精密装配中显微视觉视场狭小与零件的特征尺寸跨度较大相矛盾的问题,研究了跨尺度零件的位姿检测技术,基于高、低倍显微视觉单元研制了自动装配系统,系统采用模块化体系结构及先看后动的装配控制模式.提出局部特征拼接法实现了跨尺度零件的定位测量,使用标定尺对系统坐标系之间的误差角进行了标定,采用参考基准法辅助对显微视觉单元切换后的装配基准进行定位.设计测试模板对系统测量精度进行了验证,结果显示高倍显微视觉单元的同轴度测量精度优于1.5μm,平行度精度优于1μm.利用研制的装配系统进行了装配实验,实验结果表明,关键零件的装配精度满足工艺要求.该装配系统可稳定、可靠地完成跨尺度微小型零件的自动装配.

数值方法进展:从连续介质到离散粒子模型

数值方法经历了由连续介质到离散粒子模型的进展过程。无网格粒子方法正是离散粒子模型发展的产物,它在纳米时代显示出具大的发展潜能。介绍了无网格粒子方法的背景、原理及其与其他数值方法的区别,探讨了无网格法的基函数、权函数、影响半径、本质边界条件、积分与离散方案等热点问题,列举了这种数值方法的应用现状。最后,介绍了自然单元法、多尺度计算概念、中值定理与局部边界积分方程等,并对无网格粒子方法在未来的发展进行展望。

BP-LCD方法及其在滚动轴承故障诊断中的应用

针对局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)方法中严重的端点效应,将BP神经网络应用到信号的延拓中,提出了一种提出基于BP神经网络延拓局部特征尺度分解(BP neural network endpoint extension Local Characteristic-scale Decomposition,BP-LCD)方法。该方法首先利用BP神经网络将待分解信号进行两端预测延拓,然后对延拓后的曲线进行LCD分解。通过仿真信号的分析,验证了该方法可以有效地抑制LCD方法中的端点效应;将该方法应用到实际滚动轴承的故障诊断中,结果表明了该方法的有效性。

基于改进SIFT算法的图像匹配方法

针对尺度不变特征变换(SIFT)算法中128维的高维度特征描述符导致耗时长,实时性差的问题,首先提出了一种非线性的基于局部线性嵌入(LLE)法的降维方法,尽可能地保留原数据空间中的非线性信息,缩短算法运行时间,提高匹配精度。其次,针对匹配过程中使用欧氏距离计算量大的问题,提出使用曼哈顿距离计算参考图与待匹配图的相似度,进一步减少算法所耗时间。实验结果表明,该算法在具有较高匹配率的同时,提高了匹配速度。

两种改善CEEMD端点效应方法的研究分析

在做互补集合经验模态分解(CEEMD)时存在的最主要问题之一就是"端点效应"。在实际工程应用中有多种"端点效应"处理方法,文章将对镜像对称延拓处理与边界局部特征尺度匹配延拓处理两种方法进行对比研究分析,利用已经编制好的两种"端点效应"处理方法的MATLAB程序对调幅调频信号进行分析。首先从生成的IMF(本征模函数)图像上观察两种"端点效应"处理方法的差异,并与不做端点处理的IMF图像进行对比。然后利用经CEEMD分解后得到的IMF与原信号的相似系数、IMF与原信号的平均相对误差与程序运行时间等数值指标,对两种"端点效应"处理方法进行数值指标分析。结果表明:CEEMD在分解调幅调频信号时,边界局部特征尺度匹配延拓法在处理"端点效应"时表现最佳。

改进的LMD及在齿轮故障诊断的应用

作为机械传动系统的关键部件之一,齿轮的工作状态直接影响设备的性能,其故障在传动系统故障中占有很大的比例。针对齿轮故障信号大多为非平稳调制信号的特点,提出一种基于样条和边界特征延拓的改进LMD算法,通过采用三次样条插值,对信号的上下极值点进行插值以获得上下包络线,并采用边界局部特征尺度延拓的方法以减少端点效应问题,提高了分解精度和计算效率。仿真信号和实验平台故障数据的仿真研究表明,改进LMD算法分解后的PF分量与理想值相比误差更小,分解时间更短,能准确地分析出齿轮的故障特征。

基于短时滑移模糊熵和LPP的轴承故障诊断

针对旋转机械设备的故障特征微弱和环境噪声强等问题,提出了一种基于短时滑移模糊熵和局部保留投影法(locality preserving projection,简称LPP)的故障特征提取方法。首先,通过对滑移截断短时序列的架构分析,引入多尺度复合模糊熵,获得信号在不同复合尺度下的特征信息和故障潜在特征,能准确反应信号复杂度和不确定性;其次,应用LPP流形降维并保留信号的局部数据特征,设计最优带通滤波器,对轴承振动信号进行故障冲击特征提取。仿真分析和实验数据结果验证了该方法在强背景噪声情况下降噪抑制方面的有效性,具有快速识别和提取滚动轴承的微弱冲击特征的能力。