基于分数阶Fourier变换的经验模式分解方法研究

在分析了经验模式分解(EMD)及分数阶Fourier变换的基础上,提出了一种基于分数阶Fourier变换的经验模式分解方法,并且深入探讨了该方法的分解特性。对仿真和实际振动信号的分析结果表明,对直接采用经验模式分解分析结果不够明确的信号,基于分数阶Fourier变换的经验模式分解方法对信号进行分析是比较有效的方法。

基于经验模态分解的单端BOTDA系统降噪方法研究

针对单端布里渊光时域分析(BOTDA)系统存在噪声大、信噪比较低等不足,提出一种基于经验模态分解的降噪方法。理论分析经验模态分解的降噪原理和少模光纤单端布里渊光时域分析传感原理,通过搭建的单端结构布里渊光时域分析温度传感系统,对经验模态分解的降噪效果进行对比分析。实验和仿真结果表明,经验模态分解算法对温度传感系统具有良好的降噪效果,降噪后信噪比提升了约3.06dB,温度测量精度提升了约0.98℃。

基于奇异值分解张拉整体结构找形方法

张拉整体结构是由一组不连续的受压单元包含于连续受拉单元组成的稳定自平衡结构,为了寻找自平衡状态下的构型,引入奇异值分解的方法,将寻找张拉整体结构的自平衡构型问题转化为最小奇异值的判定。通过广义节点坐标和构件之间的连接关系建立结构的数学模型;引入力密度的概念,对张拉整体结构进行受力分析,列写包含平衡矩阵的平衡方程;对平衡矩阵进行奇异值分解,利用分解获得的最小奇异值判断平衡方程是否有解,对张拉整体结构是否存在自平衡构型进行初步判定,再依据获得的力密度的均匀性(同组构件力密度大小相等)和正负属性(杆的力密度小于0,索的力密度大于0)对结构自平衡状态进一步判断;通过实例分析对该找形方法的可行性进行了验证,结果表明:该方法可以找到张拉整体结构自平衡构型。本文为寻找自平衡张拉整体结构提供了一种思路。

基于自适应Fourier分解-同步提取变换的机械故障诊断方法

传统的同步提取变换方法(synchronous extraction transform,SET)用于机械故障诊断时,要求多分量信号满足各相邻模态的瞬时频率差大于所选取的SET窗函数频率支撑范围的2倍,否则容易产生频率混叠,实际信号往往无法满足该条件。此外,信号受到噪声的影响,难以获得故障的瞬时频率。针对传统的同步提取变换在机械故障诊断中存在的不足,结合自适应Fourier分解(AFD)和同步提取变换的各自优点,提出了一种基于AFD-SET的机械故障诊断方法。该方法能够有效处理频率接近的非平稳信号,准确地表达信号的瞬时频率,并且具有很快的收敛速度。仿真结果表明,提出的方法能够有效解决传统SET方法中的频率混叠,并具有更高的时频聚集性。将提出的方法应用到滚动轴承故障诊断中,诊断结果表明,该算法正确有效,能够有效提取出故障信号的频率特征。

锅炉燃烧系统变分模态分解建模方法研究

建立准确的燃烧系统模型是实现锅炉燃烧优化的基础。针对现有建模方法多步预测精度不足的问题,提出一种锅炉燃烧系统变分模态分解(VMD)建模方法。该方法将传统单个模型的预测方式转换为基于数据分解的混合模型预测方式。首先,采用VMD将输出信号分解为多个规律变化的平稳序列,以降低数据的复杂度。然后,针对每个模态信号,利用在线最小二乘支持向量机算法和时间序列预测算法分别建立预测模型。最后,通过合成得到最终的预测结果。仿真结果表明,该方法有效提升了燃烧模型的单步和多步预测精度,可以为实现锅炉闭环燃烧优化控制奠定良好基础。该方法有助于解决常规燃烧系统建模方法中只关注单步预测误差而忽视多步预测误差的问题。

基于SRKDA的系统故障演化过程分解方法研究

为研究系统故障演化过程中可能蕴含的多种演化特征,对演化过程的分解进行研究,提出基于谱回归核判别分析(SRKDA)的演化过程分解方法。首先介绍演化过程的特点和分解原理,其次论证对象集合对演化过程的可表示性,给出分解方法流程,最后进行实例分析。研究结果表明:分解演化过程本质上是对象与系统功能状态对应关系的确定,各对象集合都对应了各自的子演化过程;线性和非线性条件下对象可表示各种功能状态;对象标签矩阵须满足标签值的均匀分布特征;使用SRKDA算法可以确定最大准确度和最优对象标签集合,实现演化过程的分解;实例分析得到在20000次迭代后最大准确度为0.85,3个子演化过程分别包含41,33,26个对象。研究结果可为系统故障过程的特征分析提供参考方法。

基于变分模态分解的风力发电机组轴承故障检测方法研究

为实现对轴承故障的精准检测,引进变分模态分解技术,以某风力发电机组为例,开展轴承故障检测方法的设计研究。先进行模态信号的转换,将处理后的信号与变分模态预估中心频率进行混合,将信号调制到与中心频率相匹配的基频带上,实现基于变分模态分解的采样模态信号带宽计算;根据风力发电机组轴承信号的变化周期、变化方式,提取异常信号峭度,将其作为风力发电机组轴承异常信号特征;提取轴承在常规运行条件下、内圈故障运行条件下、外圈故障运行条件下的振动信号序列,对采样信号进行VMD分解,将分解后的信号录入计算机与轴承运行信号进行适配,根据匹配结果,掌握轴承当前所处的工况与状态,以此实现风力发电机组轴承故障检测。对比实验结果表明,设计的方法可以在排除外界环境与相关因素干扰的条件下,实现对发电机组轴承故障信号的精准识别。

基于自适应Fourier分解和机器学习的投资者信心指数预测研究

通过AFD去噪分解选取的相关变量,结合门控循环单元(GRU)神经网络模型提出一种基于自适应Fourier分解(AFD)和机器学习的投资者信心指数预测方法——AFD-GRU预测模型,同时采用多个基准模型进行对比分析。研究表明:对于月度投资者信心指数数据,AFD方法结合机器学习模型预测结果更优;针对结构复杂的非线性多变量数据,AFD-GRU预测模型有更好的泛化能力,其预测精度优于其他基准模型。实证结果显示,AFD-GRU模型能够有效预测投资者信心指数的变化趋势,预测精度高且波动性较小,具有一定的实用价值。这一方法有望在金融、统计等领域得到广泛应用。

基于奇异值分解的机器人视觉图像显著目标自动提取方法研究

传统机器人视觉图像显著目标自动提取方法直接对机器人视觉图像进行显著性处理,未对图像进行超像素分割,造成传统方法目标提取效果较差。鉴于此,提出基于奇异值分解的机器人视觉图像显著目标自动提取方法,对机器人视觉图像进行超像素分割,在完成分割后,基于奇异值分解进行机器人视觉图像显著性处理,以减少图像中的不平衡性,最后利用显著性实现目标自动提取。设计对比实验,实验结果表明,该研究方法在提取机器人视觉图像显著目标方面效果更优。

基于变分信号分解的脉冲多普勒雷达抗扫频式干扰方法

针对脉冲多普勒(Pulse Doppler,PD)雷达遭受扫频式干扰时,接收机被干扰信号饱和导致的雷达虚警或漏警问题,分析扫频式干扰作用下PD雷达中频信号特征,提出基于变分信号分解的PD雷达抗扫频式干扰方法。利用目标回波时域稀疏性及干扰信号的频域窄带特性,通过极大极小惩罚项和2阶变分惩罚项分别约束中频信号中的目标回波脉冲串分量和干扰分量,设计了基于交替方向乘子法的迭代算法求解优化问题各分量。保留目标回波脉冲串分量,滤除扫频中频分量,从而抑制干扰对雷达的影响,并通过仿真和实测数据验证方法的有效性。研究结果表明:所提抗干扰方法在信干比-20 dB扫频式干扰作用下能够有效抑制扫频式干扰对PD雷达的影响,显著提高PD雷达的抗干扰性能。

可分离非线性最小二乘计算方法及其在LiDAR波形分解中的应用研究

非线性最小二乘作为最基本的非线性优化方法,广泛应用于测绘领域中非线性函数模型的参数估计。LiDAR全波形回波信号的高斯特征参数的求解通常并未考虑模型可以分解成多个高斯函数的结构特点,而将所有的待求参数看作非线性参数,用泰勒级数展开公式对非线性模型线性化,进而利用LM(Levenberg-Marquardt)算法进行求解,对待求参数初值要求较高。

改进的经验模态分解方法和解析能量算子在电机轴承故障诊断中的应用

针对电机轴承故障信号能量微弱导致极易被噪声干扰所淹没的不足,进行了电机轴承故障特征提取研究;提出了一种改进的经验模态分解方法,包括谱峭度指标和一种新颖的解析能量算子相结合的电机轴承故障诊断方法;经实际测试与应用实现了对电机轴承故障信号中背景噪声干扰的去除,从而满足了电机轴承微弱故障特征提取的应用;通过与常用的电机轴承故障诊断方法对比验证了所提方法的有效性和优越性,为电机轴承故障诊断提供一个新的思路。

基于经验模态分解的电力设备运行状态在线监测方法

常规的电力设备运行状态在线监测方法以响应时间为主,并未针对设备运行状态特征进行监测,影响了在线监测准确性。因此,本文设计了基于经验模态分解的电力设备运行状态在线监测方法。基于经验模态分解提取电力设备运行状态特征,利用EMD从电力运行原信号中提取出IMF,突出原信号的运行状态特征信息,从而确保状态监测的准确性。监测电力设备运行状态暂态负荷,从暂态电流采样序列中,确定电力负荷启动、运行、停止等状态,避免电力设备运行状态监测失误的问题。采用对比实验,验证了该方法的监测准确性更高,能够应用于实际生活中。

基于变分模态分解的暖通空调短期负荷自动预测方法

常规的暖通空调短期负荷自动预测方法以热负荷预测为主,忽视了冷负荷,影响短期负荷预测的准确性。因此,设计了基于变分模态分解的暖通空调短期负荷自动预测方法。首先将室外干球温度、风速、太阳辐射对预测时刻负荷的影响作为输入变量,构建暖通空调短期负荷变分模态分解自动预测模型,以确保模型预测的精准度。然后预测暖通空调短期冷热负荷序列,将室内外环境因素、建筑结构、设备负荷、历史数据考虑在内,综合预测暖通空调短期负荷,以满足负荷预测需求。最后通过对比实验,验证了该方法的负荷预测准确性更高,能够应用于实际生活。

基于奇异值分解的柔性直流输电系统短路故障识别方法

常规的输电系统短路故障识别方法以故障波形变化识别为主,受到输电系统运行状态的影响,故障识别存在一定的误差,为此设计了基于奇异值分解的柔性直流输电系统短路故障识别方法。提取柔性直流输电系统短路故障特征,包括正常运行状态的正序分量特征与故障状态下的负序分量特征,保留负序分量转化为频域形式,便于后续故障识别。使用奇异值分解识别输电系统短路故障区间,将故障区间分为区外故障识别与区内故障识别两部分,利用奇异值的稳定性作为故障区间的识别依据,从而实现短路故障的精准识别。经仿真实验验证,该方法具有较高的识别精准度。

基于改进小波包分解的电力系统继电保护回路故障诊断方法

常规的保护回路故障诊断方法以故障特征信息分析为主,受到噪声干扰,故障诊断结果存在一定的失准问题。为了解决这一问题,文章设计了一种基于改进小波包分解的电力系统继电保护回路故障诊断方法。所提方法首先提取电力系统继电保护回路故障波形特征,将继电保护回路故障区段的非平稳信号提取出来,以确保后续故障诊断的准确性;然后基于改进小波包分解构建保护回路故障诊断模型,通过堆叠、重构等形式,生成更加准确的故障诊断分量;最后优化模型,求解电力系统继电保护诊断模型分支系数,以使其满足故障诊断的精度需求。仿真结果表明,该方法的故障诊断准确性更高,能够应用于实际工程中。

基于谐波分解的光储一体化变流器控制策略及储能容量选取方法

传统光储一体化变流器控制策略中通常认为电网电压质量较好,忽略电网电压谐波分量的干扰,难以满足工程实际要求。此外,由于光伏发电出力具有间歇性和随机性,在多时间尺度下其输出功率呈现严重的多峰值非线性特性。如何选取合适的光储一体化储能系统容量,并与光伏出力特性相匹配,对平抑光伏出力波动和系统电压及频率的稳定具有重大意义。针对上述问题,对电网电压谐波进行了分类,在充分考虑电网电压谐波分量影响的前提下,提出了基于谐波分解法的光储一体化变流器改进控制策略,同时给出了一种应用于光储一体化变流器系统中储能容量选择的方法。通过搭建基于Simulink的仿真模型,验证了本文所提控制方法和储能容量选取方法的有效性和正确性。

三维VTI介质中波动方程深度偏移的最优分裂Fourier方法

从含Thomsen各向异性参数的qP波相速度表示式出发,建立并求解三维VTI介质中的频散方程,得到三维VTI介质中的相移算子,进而将以相移算子为基础的最优分裂Fourier方法推广到三维VTI介质,发展了一个三维VTI介质的深度偏移方法.文中使用的各向异性介质的速度模型与现行的各向异性构造的速度估计方法一致,将各向同性、弱各向异性及强各向异性统一在一个模型中.文中提出的偏移算法对相移法引入了高阶校正项来补偿介质横向变化的影响,使该方法可应用于横向非均匀VTI介质的陡角度成像,文中给出的偏移脉冲响应很好地证明了这一点.

基于Level Set方法的点采样曲面测地线计算及区域分解

点采样物体的几何处理是当前造型领域中的研究热点之一,如何有效地对点采样曲面进行区域分解是几何处理的基础性工作.该文首先提出了一种基于Level Set方法的点采样曲面上两点间最短路径的计算方法,用以解决区域分解中的边界曲线生成问题.为了保证求解Level Set微分方程的稳定性,文章采用移动最小平方(MLS)方法对点采样曲面进行均匀重采样和去噪音处理.在此基础上,又进一步提出了一个基于 Level Set方法的点采样曲面区域拾取算法.最后给出了上述算法在点采样物体的几何处理中的应用实例.实验结果表明该文提出的算法稳定、快速且容易实现.

一个一维非标准逆热传导问题的Fourier正则化方法

一维非标准逆热传导问题ut+ ux =uxx,u(1,t) =g(t) ,u(x ,0 ) =0 , 0≤ x <∞ ,0 <t<∞ ,0≤ t<∞ ,x≥ 0是一个严重不适定问题 ,给数值处理带来极大困难 .本文给出了一种 Fourier正则化方法 ,恢复了解对数据的连续依赖性 。