基于WPD-LMD和MSE的滚动轴承故障诊断方法研究

研究了基于小波包分解-局部均值分解算法(WPD-LMD)和多尺度熵(MSE)的滚动轴承故障诊断方法.通过传感器获取滚动轴承故障信号,建立多维信号关联矩阵区分噪声信号与故障信号,以扩展动模式分解(EDMD)方法升维观察信号,预估滚动轴承故障源信号数量.设定源信号筛选的相关程度指标,以奇异值分解定理表征滚动轴承故障信号,基于WPD-LMD分解信号频段,获取临界阈值优选故障信号特征.采用结构化理论处理高维信号,设定相类似信号共享权值,以非线性规则函数增强信号特征,划分滚动轴承故障源信号类型.基于MSE对应故障信号模态分量,围绕频率中心构建约束分量模型,对应信号频谱空间诊断滚动轴承故障类型.结果表明:该方法可以完成99.5%的去噪效果,对不同类型故障问题的诊断识别率最高为99.4%,具有较好的应用效果.

基于LMD非线性特征参数识别的结构动态检测研究

为了改变传统模态参数识别方法无法识别变工况环境下结构响应的状况,更好地满足土木工程结构健康监测的需求,提出了基于LMD的非线性特征参数识别方法。采用LMD法对施加扰动的建筑结构加速度响应信号分解得到PF分量,进而求出每个PF分量的瞬时频率和瞬时幅值,通过拟合瞬时频率和瞬时幅值曲线识别模态固有频率和阻尼比。本文以多层建筑结构的三维有限元模型为例,对模型施加任意方向的扰动,通过理论分析和计算,并与仿真分析结果对比,验证了基于LMD的结构动态检测分析方法的有效性。

有理Hermite插值的LMD方法在复合故障诊断中的应用研究

针对复合故障信号的多分量耦合调制特征及局部均值分解方法存在的包络误差现象,提出了一种基于有理分段三次Hermite插值的LMD方法,该方法通过计算"最优参数区间"确定每个小区间的最优参数,选择"最优参数区间"中的任意参数调整插值样条的形状,使插值样条无限逼近于被插值目标,提高了包络曲线的拟合精度和准确度。采用仿真数据对比的形式,验证了有理Hermite插值LMD方法的逼近能力和高拟合精度。将该方法应用到齿轮和滚动轴承复合故障信号的诊断中,再次证明了该方法的高拟合精度,实现了对复合故障信号的准确诊断。

基于LMD和高斯估值MLR模型的注采动态连通性评价

缝洞型油藏具有多缝洞、多压力、多渗流单元的特征,储层强非均质性影响了注水开发效果。为避免油藏注水后存在水驱均衡性差、部分井水窜严重等问题,需迫切开展井间连通性研究。目前基于注采生产数据的多元线性回归模型(MLR),多采取最小二乘法、遗传算法、拟牛顿法等参数求解方法,以获取表征注采井间动态连通系数。由于缝洞型油藏储集层复杂,在传统研究基础上,研究采用局部经验模态分解(LMD)对生产数据去噪,并应用高斯估值对考虑时滞性的多元线性回归模型进行参数求解。应用所建模型对塔河油田部分井组进行了井间连通性反演,反演结果和真实示踪剂测试结果吻合,表明所建模型能够定量表征油藏井间连通性。

基于LMD-MS的滚动轴承微弱故障提取方法

轴承的早期故障信号属于微弱信号,其故障特征提取一直是旋转机械故障诊断的一大难点。笔者将掩膜法引入到局部均值分解(local mean decomposition,简称LMD)分解中,提出了一种基于LMD和掩膜法(mask signal,简称MS)的滚动轴承微弱故障提取方法。由于LMD在噪声背景下分解出的功能分量(product function,简称PF)存在模态混叠现象,很难辨别故障频率的真伪,所以引入了掩膜信号法对LMD分解出的与原信号相关性强的PF分量进行处理,抑制模态混叠现象,提取故障频率。文中以滚动轴承实际故障信号为对象进行分析,通过将掩膜信号法与LMD方法相结合的方式,对存在噪声的故障信号进行处理,将故障频率处的峭度值提高了8倍,同时将信噪比提高了19.1%,成功提取了故障信号,为故障特征提取提供一种新的诊断方法。

LMDS系统介质访问方法与调制方法及容量分析

局域多点分布式系统(LMDS)是一种宽带无线点对多点通信系统。该系统利用目前还很少使用的20GHz至40GHz的频谱,用无线电波作为传输媒介,提供双向语音、数字、Internet及视频传输服务。本文首先讨论LMDS系统采用的无线连接介质访问方法及调制方法,之后从LMDS系统可提供的数据传送输率、用户接入个数两方面对LMDS系统的容量进行分析。分析结果表明,LMDS系统若采用FDMA与TDMA相结合的介质访问方法,则能同时满足用户对数据传送率及接入数的需求。

基于自适应互补LMD方法的谐波检测与分析

针对电力系统信号非线性、非稳态的特征,自适应分解方法具有高效简便的处理优势。但此类方法在加噪参数选择时存在需要人为经验性确定的缺点,为此,提出一种自适应互补LMD(ACLMD)方法。该方法通过对加噪辅助分解方法噪声准则的研究,引入间距标准差(STD)与信噪比(SNR)两个参数作为分解性能评价指标,自适应确定最优加噪幅值与集总分解次数,且加噪形式采用正负成对的形式,抑制了分解过程中的残余噪声。并对标准LMD方法特征提取步骤进行改进,将分解所得的乘积函数进行Hilbert变换提取瞬时特征参数,消除了阶跃分量干扰下纯调频函数提取范围的限制。最后将改进的方法运用在谐波检测中,通过仿真实验验证所提方法既可以有效提取谐波的特征参数,也可以准确定位扰动的时间,且具有一定的抗噪性能。

基于能量匹配延拓法LMD端点效应处理

局部均值分解(Local Mean Decomposition,LMD)算法的端点效应会使该算法分解求出的各分量在端点附近产生一些变形,严重的时候会使数据产生失真。针对该问题,提出了能量匹配延拓法来抑制端点效应,并且通过计算信号分解前后的能量来衡量端点效应的影响大小。能量匹配延拓法,即从原始信号内部找出最符合信号趋势的波形对信号进行延拓,最大限度地维护信号的内在趋势。通过对仿真信号的分析,验证了该方法能有效抑制LMD方法中的端点效应问题。

基于改进LMD与GRU网络的短期燃气负荷预测

针对燃气负荷数据非线性、非平稳性的特点,本文提出一种基于改进的LMD算法与GRU神经网络的组合预测模型.模型首先利用改进后的LMD算法对燃气负荷数据进行序列分解,改进的LMD方法采用分段牛顿插值法代替传统的滑动平均值法来获得局部均值函数和包络估计函数,改善了传统LMD方法存在的过平滑问题.之后,再将得到的若干PF分量进行小波阈值去噪处理,获得有效的分量数据.最后,利用GRU神经网络分别预测各分量值,将它们相加得到最终的负荷预测值.仿真实验表明,提出的方法与单个GRU神经网络以及结合传统LMD算法的GRU网络相比,预测精度更高.

局部均值分解的几种改进方法

局部均值分解方法(Local Mean Decomposition,LMD)是一种性能优越的旋转机械故障诊断的方法,它不仅可以准确地反映非平稳信号的时频分布,而且非常适合处理含有多分量成分的非平稳信号。但是由于LMD方法本身的缺陷,使得该方法存在着诸如端点效应的处理方法、迭代终止条件的确定等问题。在介绍LMD方法的基础上,分别以改进的“自适应延拓法”和“信息熵判据”解决以上两个问题,并结合仿真软件上验证改进结果。

多媒体画面语言学理论体系的构建研究

为进一步发展和完善多媒体画面语言学的理论体系,该文借鉴语言学、符号学、心理学、教育技术学等相关学科的研究成果,从多媒体画面语言学的理论框架、研究内容、研究方法及其与梅耶(Mayer)的多媒体学习认知理论的关系等几个方面对多媒体画面语言学理论体系的构建问题进行了深入的探索论证,期望为多媒体画面语言学后续的相关研究及其信息化教学应用提供可借鉴的框架、思路和方法,使多媒体画面语言成为多媒体学习材料设计与开发的可循之语言工具,从而有效地提高信息化情境下的教学效果。

基于改进局部均值分解的低频振荡参数提取

针对电力系统低频振荡非线性时变的特点,提出了一种基于改进局部均值分解(local mean decomposition,LMD)的电力系统低频振荡信号分析方法。利用改进的局部均值分解,电力系统中的单一多模态测量信号可以分解为一组乘积函数(product function,PF)分量的和。每个PF分量可以表示为一个调幅(amplitude modulated,AM)信号和一个调频(frequency modulated,FM)信号的乘积。其中,AM信号可以近似当作相应振荡模态的瞬时幅值,并由此计算阻尼信息;FM信号可以通过直接正交和插值相结合的综合方法,计算PF的瞬时频率。数值仿真和实际测量信号的计算结果证明了所提方法的有效性和可行性。