基于MRSVD和VPMCD的轴承故障智能诊断方法研究

针对轴承早期微弱故障特征信息易被噪声掩盖和现实中难以获得大量典型故障样本的实际情况,提出了基于多分辨奇异值分解(Multi-Resolution Singular Value Decomposition,MRSVD)和变量预测模型模式识别(Variable Predictive Model based Class Discriminate,VPMCD)的轴承故障智能诊断方法。利用MRSVD对轴承加速度振动信号进行多层分解,提取包含故障特征的细节信息,建立对数正态分布模型,凸显细节信息中的非高斯特性,计算对数均值和对数标准差构造特征向量,并采用VPMCD方法进行故障识别。将该方法应用于实际轴承外圈、内圈、滚动体局部微弱故障状态下的故障诊断,结果显示:故障识别精度达到98.75%,证明了该方法的可行性和有效性。

MRSVD敏感分量在单频周跳探测修复中的应用

准确探测微小周跳历元是周跳修复的关键,精准修复周跳是高质量北斗卫星导航系统(Bei Dou Navigation Satellite System,BDS)定位的难点,为此提出一种基于多分辨奇异值分解(Multi-Resolution Singular Value decomposition,MRSVD)的敏感分量预测模型,用于周跳探测与修复。该方法对探测信号构造Hankle矩阵,并对其进行MRSVD分析,得到一组具有不同分辨率的分量信号。然后对分量信号进行敏感因子评估分析,选取包含周跳特征的分量,构成敏感特征向量,凸显信号的周跳信息,进而通过模极大值谱精准检测出信号中奇异点的位置,实现对微小周跳的准确探测。以筛选出的MRSVD敏感特征向量为基础,构建最小二乘支持向量机(Least Square Support Vector Machine,LS-SVM)预测模型,进行周跳修复。实验结果表明,该方法能够对载波相位中出现的微小周跳进行准确探测与修复,证明了该方法的可行性和有效性。

基于广义形态滤波和MRSVD的故障诊断方法研究

为了从复杂工况下获取滚动轴承故障信息,提出了一种基于广义形态滤波和多分辨奇异值分解(MultiResolution Singular Value Decomposition,MRSVD)相结合的方法。首先利用广义形态学滤波方法对振动信号进行降噪预处理;然后利用MRSVD对降噪后的振动信号进行分解;最后通过峭度准则选取故障特征最丰富的细节信号,并对其进行Hilbert包络谱分析。将提出的方法应用于滚动轴承的故障检测,实验结果表明该方法能清晰地提取故障特征信息。

基于MRSVD-SVD与VPMCD的交叉滚子轴承故障诊断研究

针对奇异值分解(SVD)提取工业机器人交叉滚子轴承振动信号微弱故障特征分量时,出现奇异值分辨率不足的问题,提出了一种基于最大分辨率奇异值分解(MRSVD)-奇异值分解(SVD)与变量预测模型模式识别(VPMCD)的工业机器人交叉滚子轴承的故障诊断方法。首先,以最大奇异值分辨率原则将一维振动信号构造成了Hankel矩阵,采用奇异值分解方法对Hankel矩阵进行了分解,得到了其奇异值序列,根据奇异值曲率谱理论选择有效奇异值,并进行了重构,得到了经降噪后的高信噪比信号,以重构信号构建了相空间矩阵,进行了二次奇异值分解,得到了其故障特征分量;然后,计算了故障特征分量的特征参数,构建了其特征向量;最后,采用了VPMCD分析了特征向量,完成了对交叉滚子轴承故障类型的识别,并与其它方法进行了识别准确率对比。研究结果表明:采用该方法对工业机器人交叉滚子轴承进行故障诊断,得到的故障类型识别准确率为98.66%,比SVD与共振解调相结合方法提高了9%;该方法通过构建最大奇异值分辨率矩阵提高了奇异值分辨率,可完整提取出工业机器人交叉滚子轴承振动信号的微弱故障特征分量,获得了更高的故障类型识别准确率。

基于MRSVD-VMD的多分支配电网故障定位

针对配电网行波定位中受噪声干扰导致波头标定困难和传统定位方法不适用于多分支配网结构的问题,提出基于多分辨率奇异值分解-变分模态分解MRSVD-VMD(multi-resolution singular value decomposition-variational mode decomposition)的自适应波头标定算法和不受行波波速影响的T域定位算法。利用MRSVD和VMD分解故障行波,根据峭度值和峭熵比筛选有效分量,然后通过对称差分能量算子SDEO(symmetrical differencing energy operator)实现波头标定;最后利用行波到达时间筛选故障T域,实现故障点的区段定位和精确测距。仿真结果表明,MRSVD-VMD行波波头标定方法在不同噪声下能有效标定波头,T域定位算法排除波速影响,能实现多分支配电网故障的精确定位。

基于MRSVD-GRU的混合三端特高压直流输电线路单极接地故障定位方法

针对换相换流器(LCC)-模块化多电平换流器(MMC)混合三端特高压直流输电线路因结构复杂度提高而造成的故障定位困难问题,提出一种基于多分辨奇异值分解(MRSVD)-门控循环单元(GRU)神经网络的特高压直流输电线路单极接地故障定位方法。首先,对故障线路进行选线,判断故障发生线路区段。然后,通过MRSVD对双端故障电压波形进行逐层分解和波形重构。最终,搭建GRU神经网络模型进行故障定位,模型参数通过粒子群优化(PSO)算法进行设定,提升其故障定位准确性。利用PSCAD/EMTDC软件搭建±800kV LCC-MMC混合三端特高压直流输电系统,对不同过渡电阻值、不同故障距离进行仿真。仿真结果证明,所提出的故障定位方法准确度高,能够为混合三端特高压直流输电线路单极接地故障定位提供新的解决方案。

改进CEEMD–MRSVD降噪方法及应用研究

针对总体经验模态分解(Ensemble empirical mode decomposition,EEMD)阈值降噪处理方法难以取得理想效果问题,提出了改进互补集合经验模态分解–多分辨率奇异值分解(Complementary ensemble empirical mode decomposition–multi-resolution singular value decomposition,CEEMD–MRSVD)降噪方法。含噪信号经CEEMD处理,克服了EEMD时效性差及EMD模式混叠缺陷,然后利用信号和噪声的相关特性对分解得到的本征模态分量进行信号主导和噪声主导分量区分,根据噪声强度不同,提出对噪声主导和信号主导的本征模态分量进行策略性优化的多分辨率奇异值处理方法,最后经Savitzky–Golay平滑滤波,剔除信号粗糙细节,重构达到降噪目的。试验通过仿真信号和超声回波信号降噪处理,结果表明,此方法不仅有效剔除了噪声干扰,而且减少了有用细节流失。

基于MRSVD-RF的同杆双回线路故障识别

为提高行波保护在各种工况下的可靠性,分析区内、外故障时线路两端的初始行波电流变化规律,提出一种基于多分辨奇异值分解和随机森林的同杆双回线路区内外故障识别方法。该方法通过提取故障后线路两端的行波电流数据进行相模变换,选取变换后的同向模量电流进行6层多分辨奇异值分解,计算每层的电流积分作为特征向量输入随机森林分类器模型中进行训练和测试,来识别区内、外故障。仿真结果表明,该方法在各种工况下都能够准确地进行故障识别,并在抗噪声干扰和CT饱和方面也具有良好的表现。

基于自适应多分辨率奇异值分解的大地电磁数据处理

针对强电磁干扰极易掩盖微弱的大地电磁有用信号,本文结合奇异值分解在去噪方面的优越性,提出基于自适应多分辨率奇异值分解(Adaptive Multi-Resolution Singular Value Decomposition,AMRSVD)的大地电磁数据处理方法.首先对大地电磁数据构建Hankel矩阵,利用MRSVD得到不同分辨率的近似信号和细节信号;然后选用近似信号和细节信号的标准差差值,对大地电磁数据进行信噪辨识;接着结合MRSVD和相邻细节信号的标准差差值,提出先验信息未知情况下的AMRSVD法;最后对辨识出的强干扰运用AMRSVD去除噪声,重构有用信号.实验结果表明,该方法的处理效率高,能有效分离出相关性较强的噪声,时间序列和视电阻率-相位曲线均得到有效改善.

基于奇异值分解理论的钢轨断裂检测方法

为了检测出钢轨断裂点的准确位置,首先基于传输线理论建立钢轨断裂时的机车分路电流幅值包络仿真模型,分析了钢轨断裂对分路电流幅值包络的影响,然后利用对分路电流幅值包络进行多分辨奇异值分解后细节信号的奇异性特征检测钢轨断裂点的准确位置。实验结果表明,该方法可以有效检测出不同断裂点等效阻抗值下钢轨断裂点的准确位置,从而弥补了目前监测方法的不足。并且该方法的数据可以由机车自身的记录器提供,不需要增加其他检测设备,因此能够在降低检测成本的同时能满足检测及时性方面的要求。

基于MRSVD红外热像融合的混凝土结构火灾损伤检测方法

利用红外热像技术对混凝土结构火灾损伤进行检测,容易受到多种环境因素干扰,其成像效果不稳定,图像信噪比低、对比度低,因此单一图像难以准确反映混凝土内部损伤.针对这一问题,本文提出了一种基于多分辨率奇异值分解(MRSVD)的图像融合方法.该方法对现有的奇异值分解算法进行二分递推改进,从而将多幅混凝土红外热像分解为不同分辨率下的近似分量和多个细节分量;采用不同的策略将不同分量进行融合,并重构新的红外热像;在此基础上采用模拟退火算法对重构后的图像进行增强处理,提高图像的清晰度和辨识率.实验结果表明为:相比于传统方法,本文算法在清晰度、空间分辨率、均方根误差以及峰值信噪比等4项指标上具有较大的优势,从而为混凝土火灾损伤的损伤检测提供了可靠依据.

gyrator变换域的高鲁棒多图像加密算法

目的随着互联网通信和多媒体技术的快速发展,单幅图像加密技术难以满足日益增长的数据传输需求。为提高图像加密系统的传输效率,同时保证安全性和鲁棒性,本文构建一种基于gyrator变换和多分辨率奇异值分解(multi-resolution singular value decomposition,MRSVD)的多图像加密算法。方法首先,将明文图像每两幅组合为复数矩阵,利用改进的logistic映射生成混沌相位掩模,对复数矩阵进行gyrator域的双随机相位编码。其次,将变换后矩阵的实部分量和虚部分量组合为实数矩阵并进行多分辨率奇异值分解。最后,使用正交系数矩阵对多分辨率奇异值分解的结果进行线性组合得到密文图像。结果实验结果表明,使用本文算法得到的解密图像的峰值信噪比大于300 d B,解密图像质量相较于对比算法的解密图像质量更好;密钥发生微小改变前后密文相关系数(correlation coefficient,CC)远小于0.20,明文像素值发生微小变化时像素变化率(number of pixels change rate,NPCR)与归一化平均变化强度(unified average changing intensity,UACI)分别约为0.9990和0.3337;密钥空间大小为5.6169×1060,可以抵御蛮力攻击;当密文图像受到一定强度的高斯白噪声和剪切攻击时,本文算法能够较好地恢复明文图像。结论所提出的多图像加密算法在高质量恢复明文图像的同时具有较高的安全性和较强的鲁棒性,可以应用于图像的内容保护与安全传输。