基于AEEMD与IWT的电磁辐射信号去噪研究

为在复合煤岩受载破裂电磁辐射(EME)特性研究中更加精准地采集电磁辐射信号,提出了自适应集合经验模态分解(AEEMD)与改进小波阈值(IWT)相结合的电磁辐射信号去噪算法,弥补了传统小波去噪对小波基存在选择性的不足。分别采用IWT算法、EMD结合改进小波阈值(EMD-IWT)算法及自适应EEMD结合改进小波阈值(AEEMD-IWT)算法对Bumps和Quadchirp两种加噪信号进行去噪仿真;将三种去噪算法嵌入自主研发新型煤岩电磁辐射采集系统中,采集复合煤岩受载破裂电磁辐射信号并去噪,仿真与实验结果证明:AEEMD-IWT电磁辐射去噪算法去噪性能优越、使用范围广、实用性强。

基于时频谱和集总经验模式分解(EEMD)包络谱分析的地铁车辆故障分析

在分析地铁车辆激扰源特征和影响的基础上,针对车辆振动信号非线性、非平稳性的特点,提出一种地铁车辆故障综合诊断方法:时频法(短时傅里叶变换、希尔伯特-黄变换)和基于集总经验模式分解(EEMD)的Hilbert包络谱分析法。对某异常地铁车辆进行测试,并运用该方法进行诊断分析。综合分析表明,该车辆转向架构架异常振动并开裂的故障源为车轮。这与车轮检测结果一致,说明此综合诊断方法准确有效。

基于毫米波雷达的生命特征信号探测技术研究

生命特征信号探测旨在对人体信号中含有呼吸、心跳等特征参数进行检测和提取,是监测人体生命健康的重要方法之一,在信号处理、医学工程等领域均有广泛的应用。本文对基于毫米波雷达的生命特征信号探测技术进行系统综述,从提取信号的角度出发,综述了将毫米波雷达技术引入生命特征信号探测领域之后的研究成果。首先,从毫米波雷达体制方面对现存雷达技术进行了论述。然后,简要介绍了对称三角波调制方法对生命信号进行检测,考虑到将检测到的生命信号进行特征分离,总结了三种弱信号提取算法并进行对比,重点分析了小波变换和经验模态分解两种方法的研究现状。最后,本文分析了毫米波雷达在生命信号探测领域存在的问题,并对今后可能的研究趋势进行了展望。

一种旋转机械系统耦合故障诊断的新方法

旋转机械系统中,与转子振动响应相关的裂纹非线性开/合行为以及动-静件瞬态碰摩接触或齿轮啮合冲击、机座松动等缺陷或故障均会激起非线性振动,且不同的故障激励源相互作用,导致复杂的故障耦合形态,增加了故障诊断的难度。为此提出一种基于本征模函数能量矩-灰色关联分析的旋转机械系统耦合故障诊断方法。应用能量矩测度,从振动响应信号的经验模态分解本征模函数中分别抽取特征,然后进一步利用灰色关联分析对耦合故障的关联特性进行定量评价,从而实现复杂耦合故障模式的识别。仿真与实验研究结果验证了方法的有效性。而且,利用本方法可以对故障的严重程度进行排序,可以有力地支持合理的维修决策的制定。

云ERP服务模式分类影响因素的探索性研究

结合模式研究相关文献和企业访谈,从供需双方整合视角构建云ERP服务模式分类影响因素辨识框架,运用探索性因子分析对云ERP服务模式分类影响因素的公因子进行提取。结论表明:从供需双方整合视角提取的5个公因子分别为服务定位因素、服务实现因素、服务需求因素、服务保障因素和服务交付因素,5个公因子归属于服务商视角、客户视角和双方共同视角3个视角,云ERP服务模式的分类受到这3个视角因素的共同影响。

新的受载煤岩电磁辐射信号去噪算法

针对煤矿井下现场电磁干扰多,采用煤岩受载产生的电磁辐射(EME)预测煤岩动力灾害效果有待提高,提出一种新的结合自适应集合经验模态分解(AEEMD)和改进小波变换(IWT)的电磁辐射信号去噪算法,克服了模态混叠,弥补了对小波基存在选择性的不足。分别采用IWT、EMD—IWT及AEEMD—IWT对构造的带噪信号进行去噪仿真及试验测试研究,结果表明:AEEMD—IWT算法去噪性能优越,对高信噪比和低信噪比的电磁辐射信号均能有效去噪。

转子断条与静态偏心复合故障诊断方法

为了探究笼型异步电动机中,转子断条和静态偏心两种故障的影响因素和耦合规律,提高转子断条与静态偏心复合故障识别的准确率,基于多通道自适应陷波和总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)两种算法对转子断条与静态偏心复合故障进行诊断分析。首先采用自适应陷波技术滤除定子电流中的工频及奇次谐波,再对信号进行EEMD分解获得若干固有模态分量(intrinsic mode function,IMF)。然后对IMF分量进行包络分析,解调出故障特征频率,甄别故障类型。实验结果表明,该方法对转子断条与静态偏心复合故障能够准确识别。

一种基于多特征量的复合电能质量扰动自动识别方法

针对电能质量复合扰动识别困难的问题,提出了一种电能质量扰动信号识别新方法.该方法利用信号的S变换幅值矩阵和动态测度提取的频率特征然后结合聚类经验模态分解方法对扰动信号进行表征,并设计了一种简单的决策树进行快速的识别.避免了因训练样本不足引起的较大误差,在较大程度上缩短了识别时间.仿真试验结果表明,该方法识别率高,抗噪能力强,可同时适用于单一和复合电能质量扰动信号的识别,可准确识别16种复合扰动在内的24种电能质量扰动信号.