Recursive State-space Model Identification of Non-uniformly Sampled Systems Using Singular Value Decomposition

In this paper a recursive state-space model identification method is proposed for non-uniformly sampled systems in industrial applications. Two cases for measuring all states and only output(s) of such a system are considered for identification. In the case of state measurement, an identification algorithm based on the singular value decomposition(SVD) is developed to estimate the model parameter matrices by using the least-squares fitting. In the case of output measurement only, another identification algorithm is given by combining the SVD approach with a hierarchical identification strategy. An example is used to demonstrate the effectiveness of the proposed identification method.

奇异谱分解在超声速无人机声振试验数据处理中的应用

将相空间重构和奇异谱分解相结合对受强气动噪声影响的超声速飞行器测试数据进行滤波,以实现对于试验参数的精确识别。首先通过数值仿真论证该方法的可行性,然后针对某型超声速无人机的声振试验对试验采集数据进行相空间重构,并对重构后的轨迹矩阵进行奇异值分解,得到反映真实信号信息的信号子空间和反映噪声信息的噪声子空间。通过定义奇异值差分谱这一指标来判定真实信号信息子空间维数,并针对现有最大差分谱理论缺陷提出了优选差分谱峰值理论,利用奇异谱分解的逆过程对真实信号进行重构。重构结果表明,该方法适用于超声速飞行下的飞行器声振试验数据处理,为超声速飞行器飞行状态的精确描述提供了良好的思路。

一种基于高阶统计量的相空间重构方法

利用混沌理论进行信号处理的第一步就是对混沌信号进行相空间重构,Tekens提出的延迟坐标法奠定了相空间重构的基础,而重构参数的选择则成为主要的难题。本文在比较了现有的参数选择方法的基础上,提出了一种基于高阶统计量的相空间重构方法,通过仿真证明,该方法具有较好的重构效果。

舰船混沌信号的奇异系统分析研究

利用奇异系统分析方法研究了低信噪比混沌信号的相空间重构。通过对不同信噪比洛伦兹信号以及四类目标舰船信号进行重构 ,表明该方法比传统的延迟坐标法具有更大的优越性。通过计算状态轨迹的L2 范数 ,对混沌信号的奇异谱进行了定量描述 。

基于矩阵填充的子阵重构二维波达方向估计算法

为提高稀疏阵列下二维波达方向(2D-DOA)估计的效率,提出1种基于加速近邻梯度矩阵填充的子阵重构旋转子空间(APG-SRESPRIT)算法。建立了基于矩阵填充的稀疏阵列DOA估计信号模型,并验证该信号模型满足零空间性质。通过加速近邻梯度算法将该信号模型恢复为完整信号,划分子阵并构建合并矩阵。对合并矩阵进行奇异值分解,在子阵重构后估计目标角度,且目标角度自动配对。仿真实验表明该文算法可减少70%的阵元数量,且在稀疏阵列下准确估计2D-DOA。

基于相空间重构的无绝缘轨道电路补偿电容故障检测方法

补偿电容失效是无绝缘轨道电路中的常见故障,严重影响列车的正常运行和铁路的运输效率。本文基于轨道电路分路状态模型,分析补偿电容不同故障情形对分路电流的影响规律,在此基础上利用相空间重构技术,对一维分路电流包络信号序列进行重构操作,获取反映系统状态特性的伪相图,从中提取补偿电容的故障特征,从而实现补偿电容故障的检测。实验结果表明:该方法不仅能准确检测补偿电容断线和被击穿等严重故障,对连接松动和容值下降等性能不佳的情形也有很好的检测效果,且实现简单、时效性强,符合铁路部门提出的预防性维修理念。

水轮机空化声发射信号降噪与混沌图像特征提取

针对水轮机空化声发射信号存在噪声影响信号特征有效提取的问题,本文建立了基于傅里叶分解与多分辨奇异值分解的降噪和混沌特征提取的水轮机空化声发射信号处理方法。采用傅里叶分解算法将水轮机空化声发射信号分解为若干个固有频带函数,计算其相关系数。利用多分辨奇异值分解算法对相关系数较小的固有频带函数进行降噪,再将降噪后的固有频带函数与相关系数较大的固有频带函数进行重构,完成信号降噪。结果表明:将相空间重构得到相轨迹图和Poincaré截面图作为信号特征,本文降噪方法可以更好实现水轮机空化声发射信号降噪;混沌特征图像可以反映空化状态变化规律。

非线性时间序列的最优相关维数估计

提出以能量谱中的截断频率之倒数作为相空间重构过程中的窗长 ,在窗长固定情况下 ,利用奇异值分解算法确定嵌入维数和时间延迟两个参数 ,克服了不考虑窗长单独选择嵌入维数和时间延迟造成的相关维数收敛性差的缺点 ,大大提高了计算效率 .采用迭代奇异值分解算法对含噪声的信号进行降噪 ,降低了噪声对相关维数计算结果的影响 。

基于SVD的抗差UKF算法在短时交通流状态估计中的应用

针对城市区域快速路网,以实现交通流运行状态实时估计为目标,建立宏观交通流状态空间模型,在实现交通流状态估计的同时,更新交通流模型参数,提高交通流模型的适应性和准确性.然后提出了基于奇异值分解(SVD)的优化抗差无损卡尔曼滤波(UKF)算法,用奇异值分解代替标准UKF的Cholesky分解,解决了协方差矩阵非正定时滤波计算不能持续的问题,同时,该算法根据观测协方差矩阵是否病态选择抗差因子,对增益矩阵和观测协方差矩阵进行自适应计算,进而抑制由于模型较高的非线性带来的误差.通过实验证明,文中所提算法避免了扩展卡尔曼滤波(EKF)算法的滤波发散问题,能准确跟踪交通流的变化趋势,提高交通流状态估计的稳定性和精度.

环境激励下一种基于免疫机制的结构损伤诊断方法

结构状况发生改变时,结构的振动特性将发生变化。免疫算法能有效检测出振动特性的变化。本文将环境激励下的结构响应重构相空间,对其进行奇异值分解后,选择适当个数的奇异值构造特征参数集合,应用反向选择算法进行异常值检测,以ASCE学会提出的基准结构为对象进行研究,讨论了不同个数的特征参数对检测结果的影响。分析表明,该算法能有效地判断结构状况的变化。

相空间重构方法研究

利用混沌理论进行信号处理的第一步就是对混沌信号进行相空间重构,Tekens提出的延迟坐标法奠定了相空间重构的基础,而重构参数的选择则成为主要的难题。在比较了现有参数选择方法的基础上,提出了一种基于三阶相关奇异谱分析的相空间重构方法,仿真证明了该方法的有效性,而且具有较好的重构效果。

信号极点估计的状态空间方法

研究了基于状态空间模型的阻尼指数和信号参数的估计方法，建立了阻尼指数和信号的状态空间模型，并进行了计算机模拟．该方法以奇异值分解和特征分解为基础，无需对高次方程求根，可以直接从系统状态传输矩阵得到信号的极点，结果表明，计算量小，具有较好的估计性能．

单视图线性三维重建的6点算法

通过建立目标特征点集深度矢量所在的零空间和目标模型矩阵的零空间之间的关系,开发从目标单视图线性地精确复原其三维位姿的新算法,该算法只需要6个特征点即可实现目标三维位姿的线性重建.理论分析和实验数据表明,该算法快速高效、简单实用、抗噪能力较强,还可以容易地推广应用于未标订单视图的三维重建.

基于欠定盲源分离的柴油机曲轴轴承故障诊断方法研究

针对柴油机曲轴轴承振动信号盲源分离的欠定问题,提出了基于相空间重构和动态聚类奇异值分解的适定化方法。首先通过引入广义时间窗的概念确定最佳时间延迟和嵌入维数,重构信号相空间矩阵;然后对其进行奇异值分解,并对奇异值进行动态聚类以确定最佳重构阶数,进而重构得到虚拟观测信号,从而将欠定问题转变为适定或超定;最后利用自适应Parafac方法对原观测信号与虚拟观测信号构成虚拟传播路径进行盲源分离得到有效源信号。仿真结果表明,该方法可有效分离出混合信号中的源信号,并将其应用到柴油机曲轴轴承故障诊断中,诊断准确率提高了18.4%。

噪声信号极点估计的一般方法

建立了阻尼指数和信号的状态空间模型，提出了噪声中阻尼指数和信号极点估计的状态空间方法：基于输出方程和状态方程的估计算法．证明了矩阵预测方法等价于状态空间方法的算法二，从而使Ｐｒｏｎｙ方法、Ｋ－Ｔ（ＳＶＤ－Ｐｒｏｎｙ）方法、矩阵束方法以及矩阵预测方法在状态空间意义之下得到统一．

基于相空间重构与奇异值分解的刀具磨损信号降噪方法研究

在机械故障诊断过程中实测信号通常是非平稳,非线性的含噪信号,针对这一特点提出了基于相空间重构的奇异值分解降噪方法。此方法根据时延嵌入理论对采集的时序信号进行相空间重构,由自相关法和Cao方法分别求时延和嵌入维,对重构的坐标矩阵进行奇异值分解,分析奇异谱特点,分离有用信息和噪声平台,对信号进行降噪。重构的相空间同时也构造了动力系统吸引子,吸引子的相空间轨迹可以直观反映去噪效果。通过对MATLAB环境下的bumps信号和实际采集的刀具磨损声发射信号进行验证。结果表明,该方法降噪效果比较明显。

煤层厚度控制因素的分形奇异值分解法研究

煤层的厚度分布是多种地质因素联合控制的结果,不同地区其控煤因素有所不同,以往的研究偏重定性的对比分析,难以准确查明控制因素及其分布。依据煤层厚度空间分布的多重分形特征和广义自相似性原理,将煤层厚度变换到特征空间,进行奇异值分解,根据能量测度和能谱密度所表现出的分形规律,将奇异值分解图用最小二乘法拟合为多段直线,并确定不同的拐点,利用奇异矩阵选取前三段中的奇异值及特征子空间进行重建,将重建后的异常与各个影响煤层厚度的变量相对比,提取各种隐含的控煤地质因素,实现煤层厚度控制因素的定量分析。文中对淮南潘集煤矿(外围)的8号主采煤层进行了实例分析,得到了该地区煤层厚度的主要控制因素是古地形、同沉积构造以及古地理环境中的水动力条件,并与利用对应分析得到的控煤因素进行对比,表明了该方法在定量分析中的有效性。

基于奇异值分解的非均匀采样系统最小二乘辨识

针对非均匀周期多采样率系统,在状态估计为已知的情况下,提出了基于奇异值分解的模型参数的最小二乘辨识方法.首先,根据系统的连续时间状态空间模型,在满足因果关系基础上,推导了含有提升变量的离散状态空间模型.然后,为了克服辨识误差积累和传递,采用基于奇异值分解的递推最小二乘方法确定模型参数.最后,仿真结果表明提出方法的有效性.

奇异值分解降噪结合局部特征尺度分解的轴承故障诊断

局部特征尺度分解(Local characteristic-scale decomposition,LCD)是一种崭新的自适应时频分析方法,在旋转机械故障诊断领域得到了初步的应用。在研究噪声对LCD影响的基础上,提出了一种奇异值分解(Singular value decomposition,SVD)降噪与LCD相结合的轴承故障诊断方法。首先对信号进行相空间重构,然后运用SVD降噪,对降噪信号进行LCD,将得到的内禀尺度分量进行包络谱分析提取故障特征。通过数据仿真与轴承内圈故障数据分析,验证了该方法的有效性。

含噪信号经验模式分解虚假分量识别方法

针对含噪信号Hilbert-Huang变换存在虚假分量,提出改进的奇异值分解(SVD)方法进行降噪,改进包含两个部分:一是利用重构相空间代替传统矩阵如Hankel矩阵,以去掉信号冗余,再者提出奇异值能量熵分量差分法,更易于定出重构奇异值阶次;二是提出了频谱比值法对虚假分量进行辨识,更有效辨识出虚假分量.首先利用经验模式分解(EMD)得到本征模式分量(IMF),识别并剔除趋势项,重构信号,然后进行SVD,重构降噪后的信号,消除虚假分量,最后进行时频分析.联合方法应用于含噪仿真信号,信噪比(signal noise ratio,SNR)提高了5.5%,虚假分量辨识率提高至100%,用于双跨转子故障振动信号,得到正确的时频结果,表明了所提方法识别含噪信号虚假分量的有效性.