基于EMD与分形理论的闪电电场信号识别研究

基于经验模态分解(EMD)和分形理论对闪电电场信号的不同放电类型进行了识别研究.对闪电信号进行EMD分解后,用相关系数选取其优势分量并计算出相应的盒分形维数,将这些优势分量的盒维数、闪电信号的多重分形谱参数以及优势分量盒维数与多重分形谱参数的融合分别作为闪电信号的有效特征值,采用支持向量机对云、地闪不同放电类型的闪电信号进行识别研究.结果表明,单一分形特征与多重分形谱参数的融合特征,能够更精确地表征闪电信号的鉴别性特征,会获得更高的识别率,研究成果对闪电类型的识别有一定的参考价值.     

运用EMD分形盒维数的电梯机械故障诊断

针对电梯机械故障的诊断,提出经验模态分解(EMD)和分形盒维数的诊断方法.利用EMD对电梯正常运行和各故障工况时的加速度信号按频率高低依次分解,得到分解后的固有模态函数(IMF).通过信号重组得到去除背景信号和噪声后的振动信号,再利用分形盒维数计算其重组信号和各分量IMF的盒维数.实验计算表明:各工况的盒维数具有良好有效的区分度和区间范围.     

形理论在油气水多相流流型识别中的应用

用分形的特征参数--关联维数来表征油气水多相流流动的分形性质.对水平管内油气水多相流流动的瞬态压差信号序列运用相空间重构法进行处理,计算出各种流型的压差信号的关联维数.分析结果表明,各种流型的信号序列在重构的伪相空间中具有不同的关联维数,反映了各个流型的动力学形成机制的不同,所以关联维数可用于多相流流型的识别.实验结果证明,这种采用分形理论对多相流流型进行识别的新颖方法是十分有效的.     

基于EMD和形态分形维数的微震波形识别

针对现有矿山微震监测系统信号自动识别难的问题,提出基于经验模态分解(EMD)和形态分形维数的识别方法。首先,采用EMD将原始信号分解为若干个本征模态分量(IMF),选择前5个分量进行重构得到新的信号。其次,求出处理后信号的形态学分形维数,利用微震波形和爆破波形分形维数的差异进行信号识别。对50组微震波形和50组爆破波形进行试验研究。对比未经EMD处理的形态学分形维数以及经EMD处理的盒维数识别结果。研究结果表明:50组微震波形和50组爆破波形在形态学分形维数为1.4时具有较高的识别率;微震波形维数主要在1.4以下,爆破波形维数则基本高于1.4;EMD结合形态学分形维数的识别效果最好,为微震监测波形识别提供了新途径。     

分形理论在油气水多相流流型识别中的应用

用分形的特征参数－－关联维数来表征油气水多相流流动的分形性质,对水平管内 气水氏相流流动的瞬态压差信号序列运用相空间重构法进行处理,计算出各种流型的压关联维数,分析结果表明,各种流型的信号序列在重构的伪相空间中具有不同的关联维数,反映了各个流型的动力学形成机制的不同,所以关联维数可用于上流流型的识别,实验结果证明,这种要用分形理论对多相流流型进行识别的新颖方法是十分有效的。     

基于混沌分形理论的滚动轴承微小故障诊断

为提取轴承微小故障的故障特征,提出一种基于混沌分形理论的滚动轴承故障诊断方法。通过计算滚动轴承振动信号的最大Lyapunov指数,进行轴承运动的混沌识别;然后,对具有混沌特性的振动信号,计算关联维数和盒维数作为故障诊断的状态特征量。当关联维数不能明显区别轴承故障时,利用关联维数与盒维数相结合的方法判别故障;最后,选取滚动轴承滚动体、内圈、外圈存在微小故障和较明显故障以及正常状态7种工况的振动信号进行实验。研究结果表明:该方法能准确提取故障特征并完成滚动轴承的微小故障诊断。该方法为滚动轴承故障诊断提供了新的有效途径。     

分形维数在齿轮故障诊断中的应用

为了识别齿轮的故障模式,运用分形理论,提出了分段关联维数的计算方法 ,并以分段关联维数为特征量,通过建立状态距离函数,实现了模式识别.该方法 克服了通常只通过计算一段数据的关联维数就进行故障识别的缺点.通过对仿真信号、实测信号的诊断,表明所提出方法 的有效性和实际应用价值.     

基于小波分形技术提取变速器轴承故障特征

利用小波技术对变速器轴承振动信号进行分解,对特定层的信号进行重构,并计算重构信号的分形维数,来实现变速器轴承不同技术状态下特征提取。实验结果表明,特定频率振动信号的分形维数能敏感反映变速器轴承技术状态,它可以作为诊断变速器轴承故障的一个重要特征量。     

应用双谱分析和分形维数的雷达欺骗干扰识别

为解决频谱弥散干扰(SMSP)和切片组合干扰(CI)2种干扰类型的识别问题,提出了一种利用双谱分析和分形维数的干扰识别方法。首先对零中频处理后雷达接收信号进行双谱分析,得到接收信号的三维双谱信息;然后通过降维方法把三维信息变换成二维特征曲线,以减小干扰识别的计算量;最后提取二维曲线的盒维数和信息维数2个特征参数,通过支持向量机对干扰识别率进行检验。仿真结果表明:在一定的噪声背景下,该识别方法能够较为稳定地识别不同干扰形式;在信噪比为0dB的条件下,干扰的识别成功率能够达到88%以上,证明了干扰识别方法的有效性。     

基于广义分形的旋转机械故障诊断识别与分类

运用多重分形理论,提出广义维数最小二乘法的计算公式,对实测的时域信号进行了广义维数计算,得到广义维数序列值,并从广义维数中获取盒维数、信息维数、关联维数以及敏感维数。对故障样本进行功率谱分析、广义维数计算分析．找出用分形维数分析识别故障的依据。另外运用广义维数序列和数学方法相结合提出分形诊断分类方法,用广义维数最大相关系数和广义维数序列单值优化逼近原理方法,对待检信号的耦合故障分别进行了试验数据与理论响应模拟、振型数据的诊断、识别分类,收到了良好的一致效果。通过对转子系统故障诊断的实例说明从广义维数中提取的各分形维数都能较好的对故障状态进行诊断、识别：且耦合故障的分形诊断分类方法具有较好的实效性。