基于循环包络经验傅里叶分解的轴承故障诊断方法

针对傅里叶分解方法存在过度分解、运算时间长等问题,提出了一种基于循环频谱包络的经验傅里叶分解(CEEFD)算法,并将该算法运用到滚动轴承故障诊断中。首先,对信号进行了快速傅里叶变换(FFT),获得了信号的频谱,对傅里叶频谱进行了循环包络,得到了包络曲线,减少了无用极值点的个数,抑制了噪声对分量的干扰;然后,采用改进的局部最大最小值(local max min)分割技术,对频谱包络曲线进行了频带分割;最后,构建了零相位滤波器,采用逆快速傅里叶变换(IFFT)对每个频带进行了信号重构,得到了若干个瞬时频率且具有物理意义的单分量信号;通过对仿真信号和滚动轴承实测信号的分析,并将其与经验模态分解(EMD)、经验小波变换(EWT)、傅里叶分解方法(FDM)、变分模态分解(VMD)和经验傅里叶分解(EFD)进行了实验对比验证。研究结果表明:采用CEEFD方法获得的单分量包含了更准确的故障特征信息,验证了CEEFD方法的有效性,CEEFD方法可用于轴承的故障诊断;相对于上述方法,CEEFD方法具有更高的准确精度和更强的抗噪声干扰能力。

基于高阶条件随机场模型的改进型图像分割算法

在图像分割中,将条件随机场(CRF)模型及其高阶模型广泛用作能量函数,后者以二阶CRF模型为基础,通过引入高阶势函数反映各分割块内像素标记的一致性,使分割的目标边缘更加精确,但能量最小化的计算效率不理想。针对该问题,提出一种基于鲁棒P^nPotts高阶CRF模型的改进型图像分割算法。根据给定的标记集合运行最大流/最小割算法得到局部最优解,再用局部最优解修改节点的标记,对未确定标记的节点运行α扩展算法,并在每次迭代过程中动态更新图的流和边的剩余容量,使得每次迭代的时间快速减少。实验结果表明,与α扩展算法相比,改进算法在保持原有分割效果的基础上,相同图像的能量最小化收敛速度比原算法快2倍~3倍。