基于预训练GoogleNet模型和迁移学习的齿轮箱故障检测方法

针对以往齿轮箱故障诊断中特征处理算法繁琐、人为因素影响较大等问题,提出了一种基于预训练GoogleNet模型和迁移学习(TL)的故障诊断方法。首先,利用连续小波变换(CWT)将离散时间序列转变为二维小波尺度图,构建了样本集;然后,对预训练模型进行了结构微调及参数微调使其符合任务需求,利用处理得到的训练样本对微调后的模型进行了微训练,使其达到理想精度,然后保存模型,再将其应用于故障分类任务;最后,为了对上述模型的可行性进行验证,利用昆明理工大学控制与优化重点实验室的平行齿轮箱数据以及东南大学的行星齿轮箱数据对微调模型进行了验证。研究结果表明:相比于传统卷积神经网络(CNN)以及未经预训练的GoogleNet模型,基于预训练GoogleNet模型和迁移学习的故障诊断方法在训练样本较少的情况下,其分类准确率均值仍然高达97.40%,且模型的收敛速度更快,对计算机算力的依赖程度更低。微调模型高层的方法能根据任务分类情况个性化设置模型输出,因此该模型能够适用于不同的场景。

ON THE CONSTRUCTIONS OFPRE-WAVELETS IN L_2(R^s)

Given a multiresolution analysis of multidimension, we construct pre-wavelets and a Rieszwavelet basis under some assumptions on the scale function. Example are provided.

基于子波分解的叠前煤层压制方法及应用

西湖凹陷X区平湖组地层煤层广泛发育,且具有厚度薄、层数多、阻抗低的特征,在地震上呈现的强振幅掩盖了砂泥岩的地震响应特征,从而降低了砂岩储层的预测精度。针对上述问题,提出基于子波分解的叠前煤层压制方法,首先对叠前道集进行子波分解,得到一系列具有不同中心频率的带有Ricker子波意义的窄带道集,再针对窄带道集具有的不同煤层响应特征分别实施相应的处理,其中低频道集薄煤层响应弱,无需进行针对性的压煤处理,高频道集煤层地震响应特征明显,通过强振幅衰减法对煤层强能量进行压制,最后将处理后的各频段信号重构得到煤层压制后的道集,在此基础上开展储层预测,预测精度得到明显提升,为煤系地层的岩性油气藏的勘探提供了有力支持。

基于ResNet-ELM和迁移学习的风机齿轮箱故障诊断方法

在变工况以及混合故障情况下,采用传统的方法对风力发电机齿轮箱进行故障诊断时,存在诊断效果不佳、泛化能力差等问题,为此,提出了一种基于深度残差网络(ResNet)-极限学习机(ELM)和迁移学习(TL)的风力发电机齿轮箱故障诊断方法(TL-RN-ELM)。首先,分别介绍了连续小波变换(CWT)、卷神经网络(CNN)、深度残差网络(ResNet)、迁移学习(TL)、极限学习机(ELM)的原理;然后,基于上述原理,建立了TL-RN-ELM的风力发电机齿轮箱故障诊断模型(流程);最后,使用轴承数据集和齿轮箱数据集对上述方法进行了实验验证,即从美国凯斯西储大学(CWRU)轴承数据集和东南大学(SEU)齿轮箱数据集中进行了数据采集和处理,利用CWT将原始一维振动信号转换成了二维小波时频图像,使用CWRU轴承数据集对搭建的ResNet18模型进行了训练,生成了预训练模型;将预训练模型中的数据迁移至SEU齿轮箱数据集,微调了模块,提取了特征,并将其输入到ELM分类器,然后将分类结果与其他3类模型进行了对比分析。实验结果表明:对于从轴承到轴承、轴承到齿轮以及混合故障的小样本迁移故障诊断,TL-RN-ELM的平均准确率可达98.79%;与其他方法相比,该方法的平均准确率提升了4.73%~9.6%。研究结果表明:该方法具有良好的诊断效果和泛化能力。

小波型框架和小波型Riesz基的一些扰动性质

在已有框架扰动定理的基础上,借助预框架算子,研究了Hilbert空间中具有特殊结构形式的小波型框架和小波型Riesz基的一些扰动性质,分别给出了2系数扰动和3系数扰动的新结果。研究结果推广了Hilbert空间中关于框架扰动性质研究的已有结论。

基于前置滤波和小波变换的带噪语音基音周期检测方法

根据语音信号的基音周期范围有限和在声门闭合时刻语音信号出现锐变的特点 ,提出一种基于前置滤波和小波变换的基音周期检测方法。带噪语音信号经过 3阶椭圆低通滤波器滤波后 ,采用以二次样条小波作为小波函数 ,进行一级小波变换检测语音信号的锐变点 ,再计算基音周期。实验表明 ,本文提出的基音周期检测方法 ,与平均幅度差函数 ( AMDF)和自相关函数 ( ACF)方法相比 ,提高了提取基音周期的准确率 ;与多尺度小波变换的基音周期检测方法相比 ,减小了计算量 。

基于第二代小波变换的旋转机械振动信号去噪

旋转机械故障振动信号存在不同形式的波形特征,传统小波去噪中,小波分解的结果与所采用的小波基函数有关,选用不适当的小波基函数会冲淡振动信号的局部特征信息,而造成原始信号的部分有用的细节信息丢失。为了克服上述缺陷,提出一种基于第二代小波变换的振动信号预处理方法,即针对分析信号的局部特征,以预测方差最小为目标,对每个样本选择最佳的预测算子,使小波基函数始终能够匹配信号的局部特征。仿真试验表明,该方法克服了传统小波去噪中降噪信号丢失了部分细节信息的缺点,不仅可有效去除振动信号的噪声,而且能够为保留信号的局部信息。

基于小波分析的大跨径桥梁健康监测数据预处理研究

针对小波分析方法在桥梁健康监测系统中面临的小波基函数合理选择问题,采用一周期性仿真信号作为算例,考察了在其他研究领域内广泛用来进行信号去噪的Haar、Db、Sym、Coif、Bior、Rbio、Dmey等7种小波基函数,选取出去噪效果最显著的Bb8小波基函数。依托已建立的江阴大桥健康监测系统,对具有明显周期性的塔顶GPS的竖向数据进行去噪计算,并将计算结果与采用低通滤波进行去噪的结果进行比较分析。结果表明:由于小波方法采用了比低通滤波方法更为细致的处理方法,其去噪效果比低通滤波方法更有效。

基于粒子群优化算法的叠前角道集子波反演

本文探讨了粒子群优化(PSO)算法在叠前地震角道集子波反演中的应用.在基本最优PSO算法的基础上,提出了对粒子更新速度进行平滑滤波的改进最优粒子群算法.由于代表子波的粒子的维数较大,如果粒子的各维元素相互独立,将导致粒子速度更新紊乱,影响搜索速度.通过对粒子速度进行三点均值滤波,加强了单个粒子各维元素的相互联系,并防止了粒子速度逃逸,使粒子更快地向有利于最优解的位置收敛.该方法应用于叠前角道集子波的反演中,取得了较好的子波反演效果,证明了本文方法的有效性.

基于第二代小波变换的振动信号去噪与故障诊断

旋转机械故障振动信号存在不同形式的波形特征,传统小波去噪中,小波分解的结果与所采用的小波基函数有关,选用不适当的小波基函数会冲淡振动信号的局部特征信息,而造成原始信号的部分有用的细节信息丢失。为了克服上述缺陷,提出一种基于第二代小波变换的振动信号预处理方法,即针对分析信号的局部特征,以预测方差最小为目标,对每个样本选择最佳的预测算子,使小波基函数始终能够匹配信号的局部特征。仿真试验表明,该方法克服了传统小波去噪中降噪信号丢失了部分细节信息的缺点,不仅可有效地去除故障诊断振动信号的噪声,而且能够保留信号的局部信息。

母线负荷预测中样本数据预处理的新方法

选择SCADA量测数据作为原始数据源,针对目前母线负荷数据中3类典型的异常数据,提出了一种样本数据预处理方法。采用改进的数据横向比较法识别并修正数据丢失点和由突发事件等原因引起的异常突变点,随后采用db4小波阀值去噪法处理由信道噪声等原因引起的数据波动,使负荷曲线平滑化。该方法能够有效识别连续数据丢失点和异常突变点,在保持原有负荷曲线变化趋势的基础上剔除异常波动数据,实现平滑处理,为下一步直接进行母线负荷预测提供高质量的样本数据,在一定程度上提高最终的预测精度。

埋地管道典型异常事件信号特征提取方法研究

埋地管道受到第三方的破环会对管道安全造成严重影响。针对影响管道安全的典型异常事件,设计了一种管道安全预警系统。该系统采用振动传感器拾取不同的典型异常事件所产生的振动信号,采用基于小波包分解的"能量-模式"信号特征提取方法对挖掘管道、钻管道、锯管道、敲击管道等典型异常事件的信号进行分析。通过试验表明,该方法可以实现埋地管道典型异常事件的识别。

一种基于SA4多小波的脑电信号消噪方法

为了在脑电信号消噪时更好地保留细节信息,提出了一种基于SA4多小波的脑电信号消噪方法。采用重复采样预滤波方法对脑电信号预处理,利用SA4多小波分解算法处理并得到多维多小波系数。对各层多小波系数软阈值处理后,进行多小波重构得到消噪后的脑电信号。仿真结果表明,相比于db4小波算法,SA4多小波算法能使脑电信号具有更佳的信噪比和均方误差,并能减少消噪时的信息丢失。

色彩再现的多光谱图像压缩

针对多光谱图像在色度高保真再现等领域的应用,为提高压缩效率,进一步存储传输,提出了WF系列编码方法,设计了APWS_RA算法,进而提出了一种低复杂度、光照稳定性好且支持跨设备再现的WF_APWS_RA压缩算法。首先研究了现有的基于光谱均方误差的小波嵌入编码原理,提出了色感应失真准则和视觉特性矩阵W;同时,优化了APWS编码算法的码率分配,形成APWS_RA编码算法;最后,结合以上技术,以色度误差准则指导编码,对视觉加权后的多光谱图像数据进行aPWS_rA编码,命名为WF_APWS_RA。WF_APWS_RA算法融合人眼视觉特性矩阵W,利用吸引力传播(Affinity Propagation)聚类挖掘加权图像的谱间冗余,小波变换去除其空间冗余,最后结合误差补偿机制和码率分配策略进行小波编码。实验表明,在相同比特率下,较现有低复杂度经典编码算法,WF系列编码方法能更有效地保留光谱中的色度信息,APWS_RA算法的重建光谱误差最小,WF_APWS_RA算法的重建色度精度优势明显。

多小波在振动信号降噪中的应用

发动机是一个复杂的机械动力系统,为了通过振动信号来判断发动机的状态,可通过传感器采集发动机振动信号,进行故障诊断,必须对其原始信号进行降噪预处理。传统的小波降噪一般选取单小波,由于多小波可同时具有正交性、紧支撑性、对称性和高阶消失矩特性,比单小波更具优势。针对GHM多小波降噪,讨论了两种预处理方法;对仿真信号分别进行了多小波、db4小波软阈值降噪,实验结果表明多小波具有更好的降噪效果;最后将多小波应用于飞机发动机振动信号降噪中,取得了良好效果,为发动机状态监测与故障诊断提供了一种可行的信号处理方法。

电力负荷数据预处理的二维小波阈值去噪方法

历史负荷数据中的噪声会影响以其为基础所进行的负荷预测的准确性,有必要对负荷数据进行去噪处理。考虑到负荷数据的横向连续性和纵向连续性,可以先把负荷数据按照日期排列成二维数据集,经归一化处理后形成灰度图像矩阵,然后用基于图像的二维小波阈值去噪方法进行去噪处理,最后通过反归一化得到去噪后的负荷数据。实例分析结果表明这种方法可行且有效。

华北地区低信噪比资料连片叠前时间偏移成像策略

本文通过华北地区的地震资料叠前时间处理实例,详细阐述了华北地区低信噪比资料的特点及针对性处理策略,探讨了该地区大面积连片叠前时间偏移的配套处理技术,为地震资料处理提高偏移成像精度积累了经验.

关于η_(e,k)~j算子的探讨

在研究伪微分算子的基础上,研究了ηej,k算子,得到了一些新的有用的结果.

基于小波重构与时空二维特征的光纤振动识别

针对光纤预警系统提出基于小波重构降噪和时空二维域特征的光纤振动识别.分析光纤振源信号的特征,使用小波重构降噪处理算法对时域信号进行特征提取,并以灰度图展示其明显的特征,进而提出灰度图腐蚀识别算法.通过时空二维域特征分析处理识别方法,能够较好地分类识别入侵振源信号.

三级大豆油酸价的近红外光谱检测

为改进现有的油脂检测方法,以三级大豆油脂酸价检测为研究对象,利用近红外透射光谱技术,结合化学计量学方法,选择4500～6000cm-1为特征波段建立油脂酸价校正模型,首先研究基于小波变换的光谱预处理方法,通过详细比较不同小波分解层数对建模的影响。结果确定db4小波的四层分解去噪效果最佳。结合滤波后重构的光谱信号建立油脂酸价BP神经网络校正模型,利用预测集样本对模型进行验证,决定系数R2和预测均方根误差分别为0.9743和0.1036。证明利用近红外光谱分析技术快速检测油脂酸价是完全可行的。