基于混合阈值的清除重复间隔阈值经验模态分解去噪方法

经验模态分解(Empirical mode decomposition,EMD)被认为是一种有潜力的非线性非静态信号去噪方法。传统的经验模态分解阈值去噪在零点附近存在不连续性的缺点,Kopsinis提出了EMD-IIT和EMD-CIIT方法,但这两种方法对阈值过于敏感,即区间极值轻微的偏差就有可能导致去掉整个区间曲线,因此本文提出一种混合阈值算法,结合了EMD-DT和EMD-IT各自的优势。仿真结果表明此去噪算法具有较好的效果。     

一种新的心电信号R峰自动检测方法

R波是心电(ECG)信号中最重要的组成部分,蕴含着重要的生理病理信息。在长时ECG信号上实现R峰自动检测是进行心率变异性分析、心血管疾病诊断、生物识别和ECG编码的关键步骤。文中提出了一种新的基于小波变换的R峰自动检测方法。首先,设计了一种改进的小波阈值法,并结合小波包分解对原始心电信号进行去噪处理;其次,将去噪后的心电信号进行小波变换,采用自适应阈值法在恰当的频率子带上检测出候选R峰,并将其位置逆变换于心电信号;最后,根据RR间期的局部变化趋势进行R峰的精细筛选,以最终完成R峰检测。文中选用MIT-BIH心律失常数据库中的2个心电记录对所提算法进行性能评估,采用错误检测率(DER)、真阳性率(+P)、敏感度(Se)和准确率(Acc)作为评价指标,平均检测结果分别可达0.395%,99.67%,99.95%,99.62%。     

石油市场和股票市场之间的尾部风险溢出效应——基于变分模态分解和动态Copula函数的研究

利用变分模态分解法将原始收益率序列分解为不同期限的子序列.基于动态Copula函数计算石油市场和股票市场之间的在险价值指标(VaR和CoVaR)，研究在极端下跌和极端上涨的市场情况下，国际石油市场与发达国家和新兴市场国家股票市场的短期和长期尾部风险溢出效应.实证研究结果表明，石油市场和股票市场之间存在双向的尾部风险溢出效应.首先在风险溢出的强度方面，石油市场对股票市场的尾部风险溢出效应明显比股票市场对石油市场的尾部风险溢出效应更强烈.其次在风险溢出的方向方面，股票市场对石油市场的尾部风险溢出效应均为正向，石油市场对大部分国家股票市场的上尾风险溢出效应为正向，且对全部国家股票市场的下尾风险溢出效应为正向.最后，石油市场和大部分国家股票市场之间的长期尾部风险溢出效应都比短期尾部风险溢出效应更强烈.研究结果有利于相关市场投资策略的制定和极端风险传染的防范.     

重叠结构分解与互联系统的控制性能

研究基于包含原理的大系统重叠结构分解方法对系统控制性能的影响.以两区域互联电力系统为例,在不同的重叠分解方法下,利用鲁棒镇定的LMI算法,对系统进行了控制仿真.研究表明,不同的重叠结构分解方法,使系统具有不同的动态性能和鲁棒性能,并且动态性能的鲁棒性能不可兼得,因此,在进行系统设计时应该折衷考虑.     

等温处理过程热轧TRlP钢残余奥氏体的分解行为

以低Si含Al热轧TRIP钢为研究对象,采用扫描电子显微镜、透射电子显微镜、X射线衍射仪和拉伸实验等实验方法,研究了贝氏体区等温处理过程中残余奥氏体的分解行为.结果表明:在不同的等温温度下,随着等温时间的增加,残余奥氏体逐渐分解为铁素体和碳化物,随着等温温度的升高,残余奥氏体发生分解所需要的时间减少;实验钢的抗拉强度、断后延伸率和强塑积在不同的等温温度下,随着等温时间的增加呈现不断降低的变化趋势;在不同的等温处理工艺下,残余奥氏体的体积分数呈现降低的趋势,而碳含量没有明显的变化.     

基于Lognormal函数的脉搏波分解可行性研究

探讨利用Lognormal(对数正态)函数构建血流流量波进行脉搏波分解的可行性.研究对象为23名健康在校大学生,利用无创主动脉脉搏分析仪(AtCor Medical SphygmoCor)获取无创主动脉脉搏波形.分别利用Lognormal函数和三角波函数构建血流波形,采用阻抗分析技术将主动脉压力波形分解为前向波和反向波并计算反射幅度(RM_log,RM_tri)、反射指数(RI_log,RI_tri),然后对参数进行Bland-Altman法分析和回归分析.两种方法计算的RM,RI一致性良好,其回归方程分别为:RM_log=1.009RM_tri-0.007,RI_log=1.008RI_tri-0.004;RM_log和RM_tri显著相关(r=0.999; P<0.001),RI_log和RI_tri显著相关(r=0.999; P<0.001),且从波形上分析,基于Lognormal函数的脉搏波分解较三角波更好.因此,基于Lognormal函数对主动脉压力波形分解是可行的,而且效果优于三角波函数分解的结果.     

基于双路奇异值分解的信号降噪方法

针对常规奇异值分解对强噪声抑制效果不佳的问题,提出了一种基于双路奇异值分解的信号降噪方法。首先采用奇异熵定阶的方法对高阶噪声进行预处理,然后从双路奇异向量的相关性出发确定低阶噪声奇异向量的位置,最后将剩余的奇异值与奇异向量重构得到优化估计的降噪信号。仿真实验表明：双路SVD相比常规SVD的降噪方法在低信噪比、白噪声的环境下信噪比增益提升4.07 dB,与纯净信号波形相关系数增量提升0.11。以一段受到座舱噪声污染的语音信号为实验对象,文中方法与双通道自适应噪声抵消的降噪方法对比,信噪比增益提升4.83 dB,运算耗时缩短1.5 s。此外,文中方法不受噪声类型的限制,对于有色噪声和单频干扰甚至混合噪声同样具有良好的适应性,有广泛的应用前景。     

基于振型分解法的磁流变液夹层梁动力特性分析

为准确地模拟磁流变液夹层梁在不同磁场强度及作用位置下的振动特性,获得其阻尼变化规律,对于磁流变液复合结构的动力性能研究具有重要意义。通过ABAQUS的Frequency与Modal dynamics振型分解求解方法,研究了填充两种磁流变液的双层铝条夹层梁在不同条件磁场作用下的自由振动特性。结果表明:采用振型叠加法可以简单、有效地实现对磁流变液夹层梁构件自由振动过程的模拟;基于Cohesive单元构建的磁流变液阻尼计算方法能够准确地获取磁流变液夹层梁在自由振动过程中的模态及其运动状态;通过对模拟结果的分析,可将结构阻尼和材料阻尼分离,达到深入剖析试验结果的目的。该方法可用于磁流变液复合结构在不同激振条件下的动力响应的模拟分析。     

基于固有时间尺度分解与多尺度形态滤波的滚动轴承故障特征提取方法

为了准确提取出滚动轴承的故障特征并对轴承状态进行评估,提出了一种固有时间尺度分解(intrinsic time-scale decomposition,ITD)与多尺度形态滤波相结合的滚动轴承故障特征提取方法。首先,采用ITD方法将滚动轴承故障信号分解成多个固有旋转分量(proper rotation,PR);然后,对比各个PR分量与原始信号的相关性;最后,采用多尺度形态滤波算法对相关性较大PR分量进行滤波降噪,并提取滚动轴承故障特征频率。采用所建立方法对轴承外圈故障和内圈故障实验数据进行分析。结果表明,所提出的故障特征提取方法能够有效抑制噪声,清晰准确地提取出滚动轴承故障特征频率。     

基于MCKD与CEEMDAN的声信号故障特征提取方法

在双转子轴承状态监测与故障诊断中,信号传递路径复杂,很难通过加速度传感器直接获得信号,而声音信号有非接触式测量的优势,包含大量特征信息.为了能够准确、有效地通过声音信号实现滚动轴承故障诊断,检测出轴承故障,提出了基于自适应噪声完备集合经验模态分解(CEEMDAN)和最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法.首先运用最大相关峭度解卷积方法增强轴承故障声音信号中的冲击,然后对处理后的信号进行CEEMDAN处理,计算每个经验模态分量的峭度值,根据峭度值选取最优分量并求Hilbert包络谱,以准确提取故障特征频率.文中采用该方法基于声音信号实现滚动轴承故障诊断,为提取最优分量提供了理想筛选标准,一定程度上降低了故障诊断的复杂程度,具有良好的自适应性.