分频处理技术在河道边界刻画中应用

分频处理技术将解释后的时间域地震数据转换成频率域,使目标地质体形成一个新的频率域数据体,提取该数据体各个不同频率段的频率切片,分析切片振幅高低所代表的地质意义,将频率切片赋予了沉积的概念并刻画沉积体边界.基于分频处理技术原理,以南图尔盖盆地多尚地区阿克沙布拉克组为例,刻画河道沉积体平面几何形态.研究表明,不同频率段地震数据反映不同级别的地质信息,该地区频率为30~35Hz时对河道砂体最敏感,经优选之后叠合的频率振幅切片可以有效地描述河道沉积体的边界、平面展布及不连续性等特征.     

频谱分解技术在勘探应用中的研究综述

基于频谱分解方法的认识和应用研究,综述了频谱分解技术在层序地层分析、沉积储层预测、小断层解释及烃类检测和时移地震监测研究中的应用。在国内外地质勘探实例研究的基础上,总结了在研究层序地层分析、沉积储层预测、烃类检测及时移地震监测领域中应用的频谱分解技术方法。研究分析表明：频谱分解在不同的频带上显示不同级别地质现象,是研究层序地层、沉积储层及小断层解释的有效手段;频谱分解在不同频带显示对烃类不同的响应,是实现烃类检测和时移地震监测的重要手段。随着勘探精度、流体检测和剩余油气挖潜的形势需求,提高频谱分解方法的精度和分辨率以及在各种地质情况下的应用试验,将会不断促进方法研究和实际应用效果改善。     

频谱分解技术在勘探中的应用

基于频谱分解方法的认识和应用研究,综述了频谱分解技术在层序地层分析、沉积储层预测、小断层解释及烃类检测和时移地震监测研究中的应用。在国内外地质勘探实例研究的基础上,总结了在研究层序地层分析、沉积储层预测、烃类检测及时移地震监测领域中应用的频谱分解技术方法。研究分析表明:频谱分解在不同的频带上显示不同级别地质现象,是研究层序地层、沉积储层及小断层解释的有效手段;频谱分解在不同频带显示对烃类不同的响应,是实现烃类检测和时移地震监测的重要手段。随着勘探精度、流体检测和剩余油气挖潜的形势需求,提高频谱分解方法的精度和分辨率以及在各种地质情况下的应用试验,将会不断促进方法研究和实际应用效果改善。     

小波包与SVM用于压缩机在线故障检测的研究

研究了滚动转子压缩机在线故障检测的方法.以压缩机壳体振动信号作为分析对象,应用小波包分解将信号分解至不同频带上,提取小波包分解系数的统计参数(包括有效值、方差、偏度和峭度)作为支持向量机(SVM)故障分类器的输入特征向量,用于判别正常与故障压缩机.测试结果表明:该方法用于转子式压缩机故障检测是有效的.     

基于QMFBT的LFMCW引信信号识别

针对连续波线性调频(Linear frequency modulation continuous wave,LFMCW)引信信号特征参数的提取,提出了基于树形正交镜像滤波器组(Quadrature mirror filter bank tree,QMFBT)线性分解技术提取信号特征参数的方法.该方法将截获的LFMCW引信信号进行下变频,经离散化和归一化后输入到QMFBT中进行线性分解,分析不同时频分析层面所包含的信号信息,结合引信实时性要求和信号本身特征,在合适的时频分析层面提取LFMCW引信信号的特征参数.仿真分析表明,该方法不需要任何先验信息即能有效地提取LFMCW引信信号的调制信息和特征参数,具有较强的抗噪声能力,而且不存在双线性变换中的交叉项问题,满足引信信号识别实时性的要求.     

超声断层成像系统对四肢成像的早期研究

考虑到超声断层成像技术不仅具有超声非侵入、无辐射、低成本等优点，并可以进行断层成像获取断层信息，对四肢成像有着广泛的应用前景.文中介绍了华中科技大学医学超声实验室研发的新一代超声断层成像系统的系统结构、控制方案和原始数据采集过程，并与上一代原理样机参数进行比较.设计了大腿和小腿腹的数据采集实验用于四肢超声断层成像的早期研究，对比大腿和小腿腹超声断层图像和解剖结构图发现二者具有很高的一致性，为超声断层成像技术后续的四肢成像研究奠定了良好的基础.     

截断奇异值分解的生物发光断层成像重建问题

目的 研究生物发光断层成像重建问题的求解方法,通过生物体表面检测到的光学信号准确、稳定地重建出生物体内部荧光光源的分布.方法 将截断奇异值分解TSVD正则化技术用于已知光源可行区域的生物发光断层成像逆问题求解中,并利用广义交叉验证法结合一维搜索来选择合适的正则化参数.结果 数值仿真表明,TSVD法可以快速有效地进行单光源和双光源的重建.结论 TSVD方法在BLT重建中是可行和有效的,与常用的Tikhonor正则化方法相比,TSVD法的抗噪性能更好,重建时间也较少,且正则化参数的选取及调整更为方便.     

歧南凹陷地震沉积学研究

为了对黄骅坳陷歧南凹陷的沉积体系进行更为精确细致的刻画,利用相位调整、分频解释和地层切片等关键技术,对该区古近系和新近系进行了地震沉积学的研究。结果表明：经过90°相位调整后的地震数据使地震道近似于波阻抗剖面,从而可大大提高剖面的可解释性;利用分频技术得到的一系列频率切片比用常规振幅和相位切片在捕获微小的横向变化和展现不同的沉积特征方面更加有效;歧南凹陷明化镇组下段为曲流河沉积,沙河街组一段为辫状河三角洲沉积,其中曲流河沉积的地层切片展现出支流汇入干流、凹岸侵蚀、凸岸加积、截弯取直和牛轭湖等一系列沉积微相特征;品质好的三维地震资料是地震沉积学的研究基础,在断层不发育的明化镇组河流相地区,应用效果最好。     

地震属性相干体技术在煤田地震勘探中的应用

三维地震数据体中蕴含丰富的地层地震地质信息,常规解释方法主要利用地震时间剖面成像资料,进行层位解释、断层解释以及地层岩性特征分析等,但对于地震剖面成像效果差且特征不明显的地质异常体或是小断层采用常规解释方法就难于既得好的地质效果.地震属性相干数据体解释技术的应用,使得地震资料精细解释取得升级,特别是对于识别断距小的断煤断层、煤层陷落柱等地质异常体的解释精度明显提高.通过实例论述了地震属性相干数据体分析技术在解释断层及陷落柱等地质异常体中的应用效果.     

基于全方位地震成像与叠前反演裂缝预测技术及应用

利用宽方位地震反演预测裂缝储层,传统方法是采用分扇区或分方位进行地震数据处理,但其无法得到地下真实角度域信息,精度和分辨率较低。应用全方位角度域分解与成像,将地震成像转移到地下,得到共倾角道集和共反射角道集。将共倾角道集,进行镜像成像和离散成像,不仅提高了地震资料的信噪比和成像精度,而且对断层、裂缝和溶洞等地质现象也能较清楚的识别。将共反射道集进行反演,通过计算截距、斜率和各向异性梯度等的参数,完成对裂缝密度和方向分布的预测,进而实现裂缝储层的识别和有利区预测。在塔里木盆地YB1井区碳酸盐岩裂缝储层的预测中,取得了较好的应用效果,成功预测出该区裂缝主要在构造高部位和断层附近发育。在构造隆起的东北部,裂缝和构造叠合关系好,是油气成藏的有利地区,也是该区油气进一步勘探开发的重点目标区。     

基于小波变换和可操纵金字塔算法的图像纹理分析

本文首先介绍了图像小波变换和可操纵金字塔在图像处理问题中的广泛应用及其数学原理和特点,对二者进行比较,然后分别利用小波变换和可操纵金字塔滤波器进行图像纹理分析,最后给出了结果,并进行分析。     

旋转机械长历程偏心故障的数值与图形特征获取方法研究

研究采用采样点的波动稳定性描述偏心故障的程度,即通过对旋转机械长历程偏心故障数据采用信息融合、小波阈值降噪、数据压缩、构造特征方阵、计算特征值方差等方法获取故障的数值特征来描述偏心故障程度;利用小波分解获取低频时域信号和二维轴心轨迹方法探寻偏心故障劣化过程中在图形上的本质变化.应用这三种方法获取转子实验平台模拟的长历程偏心故障的数值与图形特征,结果显示,所获取的数值和图形特征均随着故障的劣化而单向变化,因此,三种方法均能够有效表征偏心故障劣化的过程和程度,具有较高的稳定鲁棒性.      

基于改进信息熵和LSTM网络的轴承故障诊断

针对传统的时频域故障诊断方法无法对故障实现自适应识别和分类,且准确率较低的问题,提出一种基于改进信息熵(improved information entropy, IIE)的长短时记忆网络(long-short time memory network, LSTM)方法。首先对原始信号分别进行集合经验模态分解(ensemble empirical mode decomposition, EEMD)和变分模态分解(variational mode decomposition, VMD);将包含故障信息的所有本征模式分量(intrinsic mode functions, IMF)进行信息熵的求取;通过信息熵反映IMF的信息量和峭度指标对描述冲击成分的优势改进信息熵,构成特征向量;最后结合LSTM处理非线性数据的优势,利用组合特征训练LSTM网络建立诊断模型。实验结果表明：该方法能准确、高效地识别多种故障,准确率要比单一的EEMD-LSTM、VMD-LSTM、人工神经网络等传统方法更高。     

基于ITD和模糊聚类的齿轮箱故障诊断方法

为提高齿轮箱故障诊断的准确性与效率,针对其振动信号非线性和非平稳性的特点,提出将固有时间尺度分解(ITD)和模糊聚类(FCM)相结合的齿轮箱故障诊断方法。首先对齿轮箱振动信号进行固有时间尺度分解,提取包含主要故障信息的前4个固有旋转分量(PRC),求取PRC的特征能量作为故障特征向量。然后利用模糊C-均值聚类算法对齿轮箱故障进行识别与诊断,并将该方法应用到现场齿轮箱的诊断中。结果表明,诊断结果与实际情况完全相符,该方法比经验模式分解与模糊聚类相结合的方法具有更高的计算速度和精度,为齿轮箱故障诊断提供了一种新的有效方法。     

基于小波包分解的剩余电流接地故障选线方法

为解决电网发生单相接地故障后,无法对故障线路精确辨识的问题,提出了一种基于小波包分解的剩余电流接地故障智能感知方法.依据小波分析法和智能感知原理,针对接地故障产生的剩余电流进行故障信息采集,将收集到的剩余电流信息进行分析对比,以感知接地故障并进行故障识别;通过研究交流电源剩余电流在线式监测和基于小波变换方法的弧光接地故...     

基于深度置信网络和信息融合技术的轴承故障诊断

提出一种基于深度置信网络(DBN)和信息融合技术的轴承故障诊断新方法。首先采用集合经验模式分解将轴承振动时域信号分解为若干个固有模态函数,并分别输入至若干个DBN中进行故障状态识别,然后通过简单投票法将每个DBN识别的结果进行决策层信息融合,从而得到轴承故障的最终诊断结果。通过对单负载和多负载下不同类型和不同损伤程度的滚动轴承故障诊断进行实例分析,验证了本文方法的有效性和精确性。     

广义变分模式分解降噪在齿轮早期故障诊断中的应用

针对齿轮早期故障特征的微弱性和耦合性,本文提出广义变分模式分解(generalized variational mode decomposition, GVMD)-峭度-包络谱法诊断齿轮故障。首先利用GVMD的频域多尺度定频分解属性,根据齿轮故障频谱信息和信号特点设置GVMD主要参数,按需分解信号,准确获取微弱特征分量,避免VMD对微弱特征提取存在的不足和小波包变换能量泄漏引起的微弱特征混淆问题。然后结合峭度准则和齿轮故障频率信息选择故障冲击分量,融合更多故障信息重构降噪信号。最后对降噪信号进行包络解调分析,实现齿轮故障诊断。实际信号分析表明,由于GVMD能够按需获取微弱特征分量,本文所提方法能够获得更丰富的微弱故障信息准确识别齿轮早期故障位置。     

基于小波包的开关电流电路故障诊断

为提高开关电流电路故障诊断的精度,提出了一种基于小波包优选和优化BP神经网路的开关电流电路特征抽取与识别方法.首先对开关电流电路原始响应信号进行多层次的小波包分解,接着计算N层分解后的归一化能量值,以特征偏离度作为评价选择最优小波包基,构建最优故障特征向量,最后将提取的最优故障特征通过遗传算法优化的BP神经网络进行分类.该方法以实例电路进行验证,结果表明所有的软故障均得到了有效的分类,说明了该方法在开关电流电路故障诊断中的优越性.     

基于时频特征和PCA-KELM的液压系统故障诊断

为了解决液压系统泄漏、堵塞和气穴等多类型故障下特征提取和模式识别困难的问题,提出基于时频特征和PCA-KELM的液压故障智能诊断新方法。首先利用统计分析和总体平均经验模态分解方法,构造高维混合域初始特征向量,从不同特征指标、不同分析角度对不同种类液压故障进行表征和刻画;然后通过主成分分析对多维初始特征向量进行降维和特征二次提取,将高维相关变量转化为低维独立的主特征向量;最后利用PCA主元构造的主特征向量输入核极限学习机网络中,实现故障类型的识别。实验结果表明,混合域初始特征向量能全面准确地描述故障特征,PCA提取的主特征向量摒弃了冗余信息且简化了分类器结构,KELM网络诊断速度快、分类准确率高。     

一种改进的混合三端输电线路故障定位算法研究

针对混合输电线路故障多、定位精度差等问题,提出一种基于改进的自适应噪声完备集合经验模态分解(CEEMDAN)和Teager-Kaiser能量算子相结合的混合三端输电线路故障测距方法。首先对输电线路故障电压信号使用新型相模变换进行解耦,以消除线路间的电磁耦合现象;然后利用改进的CEEMDAN和Teager-Kaiser能量算子对解耦后的故障电压信号进行分解,提取了故障初始行波到达检测点的时间,再根据故障时暂态电压行波零模分量和线模分量的故障特性,提出一种基于零模和线模时间差的故障分支判别方法;最后为解决无法得到行波波速精确值的问题,采用基于零模线模时间差的行波测距方法得到了精确的故障定位数据。基于仿真模型,对比改进CEEMDAN算法和传统CEEMDAN算法,验证所提改进算法的有效性。仿真结果表明,所提算法不受故障类型、过渡电阻、波速、时间不同步的影响,具有较高的测量精度。改进CEEMDAN算法能够有效改善故障信号经传统CEEMDAN算法分解后带来的随机性问题,具有较高的工程应用价值。