具有非线性等式约束的故障诊断集员滤波器设计

为了解决具有非线性等式约束的故障诊断问题,提出集员滤波器的设计方法,该方法不仅可以对故障程度进行估计,有效检测出故障,还能解决运行系统中要求的100%包含真实最小域的需要,判定出故障类型.首先对非线性等式约束线性化,通过S-过程方法和线性矩阵不等式方法设计集员滤波器;而后用Finsler引理把非约束状态下的集员滤波投射到约束表面,得到状态约束下的集员滤波器;最后运用递归优化算法对集员滤波器进行优化.数值仿真说明了该方法的可行性和有效性.     

具有状态约束的基因调控网络的集员滤波器研究

针对基因调控网络中切实存在状态约束现象,在考虑一类含时滞、参数不确定、噪声干扰的离散基因调控网络模型基础上设计一种集员滤波器,实现基因调控网络状态的估计.通过假设测量噪声是未知但有界的,采用LMI方法设计集员滤波器,获得滤波器的增益矩阵,运用递归优化算法对集员滤波器进行优化.最后,通过数值仿真证明了所提算法的有效性,实现了基因调控网络中的mRNA和蛋白质浓度的准确估计.     

α-β-γ滤波器在振动信号预处理中应用研究

通过分析α-β-γ滤波器的工作原理,在已知滤波器参数关系式的前提下,通过引入信噪比改进值为指标,确定出滤波器的参数,并给出相应的实现步骤.最后,利用Bently转子实验台模拟转子不平衡故障的振动信号对该滤波器进行验证.研究结果表明:采用优化参数后的滤波器能够有效地剔除机械振动信号中噪声.     

基于遗传算法的自适应滤波器对白噪声的抑制

信号在传输过程中经常受到白噪声的干扰,由于白噪声频谱分布在整个实数域,常用的滤波器很难将其滤除.讲述了用自适应滤波器和均值滤波对白噪声进行抑制的方法.通过遗传算法对自适应滤波器的进行优化,用均值滤波的方法对自适应滤波器的滤波结果进行进一步滤波,仿真结果表明遗传算法的自适应滤波器能对白噪声进行有效的抑制.     

车轮转速信号混合噪声的非线性Volterra滤波方法

为保证机车黏着控制品质,提出车轮转速信号所含混合噪声(高斯噪声和冲击噪声)的非线性Volterra滤波方法,并结合混沌优化策略及动态随机局部搜索算子,提出动态随机局部搜索生物地理优化算法对Volterra滤波器模型参数进行优化求解.利用Volterra滤波器的结构优势(具有预测性能、兼具线性和非线性项),既能滤除混合噪声又可满足黏着控制的实时性要求.仿真实验结果表明,经优化求解的非线性Volterra滤波器实现了对车轮转速信号所含混合噪声的有效滤除.     

基于形态滤波优化算法的滚动轴承故障特征提取方法

针对轴承故障振动信号的非线性、非平稳性的特点,而且故障信号经常被各种噪声、干扰所淹没,提出了一种基于局部均值分解(local mean decomposition,LMD)与自适应多结构元素多尺寸差值形态滤波器相结合的方法。原始故障信号先经过局部均值分解得到若干乘积函数(product function,PF)分量,然后采用峭度值准则,选取峭度值最大的PF分量,再将其经过自适应多结构元素多尺寸差值形态滤波器进行滤波解调,最后解调结果进行频谱分析,提取故障特征。为了体现其可行性和优越性,与包络解调、LMD-形态闭运算和LMD-形态差值滤波三种方法进行了比较,仿真信号和实测轴承故障信号的分析结果表明,它具有更强的噪声抑制和脉冲提取能力,可以有效地提取滚动轴承故障特征信息,实现故障的精确诊断。     

基于改进二阶循环平稳解卷积的轴承故障检测方法

针对涡轴发动机主轴轴承故障特征难以提取,背景噪声干扰大的问题,提出了改进二阶循环平稳解卷积(PSO-CYCBD)方法,用于提取强噪声背景下的故障特征频率.该方法采用粒子群优化(PSO)算法对二阶循环平稳解卷积(CYCBD)方法中的滤波器长度参数进行寻优.首先,基于故障轴承振动特点建立信号模型,然后用PSO算法对包络谱故障特征比(FFR)进行最大化处理,将得到的最优滤波器长度参数输入到CYCBD方法中,对滤波后的信号进行包络谱分析,提取故障特征频率.最后,将提出的方法应用于实测信号中,与传统包络谱分析相比提高了故障特征提取的效率和准确性,从而验证了该方法的有效性.     

基于优化VMD和MCKD的滚动轴承早期故障诊断方法

针对滚动轴承早期故障信号易受噪声等背景信息干扰难于提取故障特征的现象,提出了将优化K值的变分模态分解(VMD)和粒子群优化算法(PSO)优化参数L,M的最大相关峭度解卷积(MCKD)相结合提取滚动轴承故障特征频率的方法.首先,确定VMD中K值,对信号进行分解后得到一系列模态分量;然后利用EWK指标选择包含故障信息最多的有效模态分量进行后续分析,利用优化的MCKD对其进行增强;最后对增强信号进行包络解调提取故障特征频率,验证所提方法的有效性.仿真和实验表明该方法可以精确地提取出轴承故障信号中的特征频率,实现故障诊断.     

基于双谱滤波的脉冲星信号消噪方法

提出了一种基于双谱相位加幅值滤波的脉冲星信号消噪方法.首先将含噪脉冲星信号变换到双谱域,利用α-删减相位滤波器对其双谱相位进行平滑滤波,并且设计了幅值α-删减加权中值平均滤波器对其双谱幅值进行滤波处理,然后再根据滤波后的双谱值来重构信号的功率谱和相位.仿真结果表明,重构的信号不仅可以消除高斯噪声,而且还对非高斯噪声进行了有效地滤波,比直接双谱重构和仅对双谱相位进行处理重构的效果都要好.     

基于奇异值分解和共振解调的滚动轴承故障特征提取

针对共振解调方法容易受到噪声干扰,以及带通滤波器参数难以确定,很大程度上依赖经验的问题,提出一种基于奇异值分解和共振解调的滚动轴承故障特征提取方法;利用奇异值分解算法,将轴承振动信号分解成多个奇异值分量,计算各分量的峭度值,选择峭度值最大的分量,利用谱峭度算法确定中心频率和带宽,并对该分量信号进行带通滤波和包络解调分析。结果表明,提取性能以及鲁棒性能实验证明了该方法能够自适应确定滤波频带,降低噪声干扰的影响,并且在带通滤波器失效情况下有良好的稳定性。