基于声弹性效应的钢绞线张拉力识别方法

钢绞线是预应力结构和大跨索承体系桥梁的核心受力构件,其实际保有应力值将决定结构的承载能力和耐久性。进行了钢绞线张拉实验,并以不同中心频率的信号作为激励源,通过接收导波信号测定首波波峰到达时间,计算首波波速。建立起首波波速随张拉力变化曲线,并进行线性拟合,拟合效果达到96%以上,300 k Hz频率下拟合直线K值绝对值最大,首波波速随张拉力变化最敏感。加卸载过程中导波首波波速-张拉力曲线具有相似的规律性,随张拉力的增大成线性下降,低张拉力段数值上的差异是由于钢绞线内残余应力引起的。结果表明声弹性效应造成导波首波波速下降,基于声弹性效应建立起钢绞线张拉力识别方法切实可行。     

基于EMD多尺度能量熵的气液两相流型表征

采用经验模态分解(EMD)和信息熵相结合的方法研究垂直上升气液两相流多尺度非线性动力学特性。首先,对采集的电导波动信号进行经验模态分解,然后根据得到的本征模态函数分量(IMF)求取指标能量,在此基础上建立了一种基于指标能量的多尺度特征熵计算方法。结果表明,多尺度特征熵值不仅可以作为流型识别的特征向量,同时还可有效揭示气液两相不同流型的复杂流动特性。     

小波熵在植物电信号识别中的应用研究

利用小波良好的时频局部化特性以及熵能够对系统状态进行表征的特点,提出将小波熵作为植物电信号的特征向量,将该特征输入到BP神经网络分类器进行自动识别,取得了良好的识别效果。同时,利用小波能量熵对结果进行分析。结果表明,小波熵比小波系数能量作为特征对植物电信号的识别更有效。     

钢绞线张拉应力实用控制方法

提出一种钢绞线张拉应力实用控制方法,即采用扭力扳手拧紧螺栓,实现对钢绞线张拉和应力水平的控制.研究结果表明:张拉应力值可通过螺栓的拧紧力矩计算公式确定,扭矩系数取值通过试验确定.对完成张拉端锚固后的钢绞线张拉力值进行48 h连续监测,研究施工阶段钢绞线的张拉应力损失规律.     

基于小波变换的桥梁动态称重系统车轴高精度识别研究

首先利用小波变换对一不能明显识别车轴信息的数值仿真信号进行处理,证明小波变换能够高效放大车轴经过传感器时产生的不连续变化斜率,从而识别出车轴信息.然后基于实桥测试,对那些不能直接识别出车辆信息的FAD信号,通过联合控制最小Shannon熵值和最大相关系数选取最适变换尺度和最适变换小波函数进行小波变换.分析结果表明:对于不能直接识别出车辆信息的FAD信号,小波变换也能准确地识别车辆行驶速度、车轴数目以及车轴间距.小波变换可提高桥梁动态称重(BWIM)系统车轴识别的效率及精度,为将BWIM系统发展为超载车辆控制的有效工具提供技术支撑.     

基于小波包Shannon熵的Boost变换器软故障诊断

电解电容参数退化会引起Boost变换器软故障,影响整体电路性能。使用基于小波包Shannon熵的方法实现Boost变换器的软故障诊断。以Boost变换器的输出电压作为故障信号,根据小波包Shannon熵确定小波包分解的层数然后对故障信号进行小波包分解,提取小波包能量构建故障特征向量,最后利用分类器实现Boost变换器的软故障诊断。实验结果表明,该方法能有效、正确诊断Boost变换器的软故障,分类正确率达到97.58%。     

基于小波包相关频带谱能量熵的滚动轴承性能退化评估方法

滚动轴承在使用过程中会经历不同的性能退化状态。提出小波包相关频带谱能量熵以评估滚动轴承初始性能退化程度。以滚动轴承全寿命周期数据为支撑,对数据进行小波包分解,并利用相关系数法提取包含主要故障信息的时频分量,然后沿时间轴计算各频带幅值谱,再计算谱能量熵。通过实验与时域典型指标均方根值（RMS）,以及小波包频带幅值谱熵和小波包频带谱能量熵评估指标进行对比,验证了所提方法在滚动轴承性能退化评估中,对初始故障的评估具有一定的优越性。     

多分辨率小波变换在表面肌电信号模式识别中的应用

采用一种多分辨率小波变换来进行表面肌电信号的模式识别.该方法选择各个尺度下的小波系数幅值的一对最大最小值作为特征向量,对表面肌电信号作5尺度小波分解.对内旋动作、外旋动作、握拳动作、展拳动作的多尺度分解结果证明,该方法提取的特征信号用于识别时比传统方法的分类精度高.     

基于导波模态分析的高强钢丝腐蚀评估

为提高桥梁缆索损伤声发射监测的精度和可靠度,将小波变换的用于导波模态分析,提出了基于导波模态特征的高强钢丝腐蚀评估方法。通过有限元方法模拟多模态导波在索内单根高强钢丝中的传播过程,采用小波变换对节点振动加速度信号进行模态分析,并与柱波导理论时频曲线对比。通过在不同腐蚀程度高强钢丝上进行导波传播实验,分析了腐蚀损伤对导波模态特征的影响,并根据导波模态的频率分布特征构建评估指标,进行腐蚀评估。结果表明：有限元节点不同方向振动所包含的模态存在差异,数值计算结果与理论值吻合较好。高阶纵向导波频率更高,能量衰减更快,波形在反射过程中迅速消失。随腐蚀程度增加,高频高阶导波衰减严重,导波模态逐渐向低频低阶转移。基于导波模态特征的评估指标随腐蚀程度的增加单调上升,理想情况下,腐蚀率在7.6%以内的高强钢丝腐蚀损伤均可被有效识别。可见小波变换能够有效提取导波模态特征,基于导波模态特征构建评估指标可有效识别腐蚀损伤。     

浅析预应力空心板梁的张拉控制程序

在后张法预应力混凝土空心板钢绞线张拉中,传统的钢绞线张拉程序对张拉的初始应力控制偏小,使得实测伸长值与理论伸长值的差值超出规范允许的范围,结合工程实际,通过不断调整张拉程序,使得实测伸长值与理论伸长值的差值控制在规范允许的范围之内,从而确保预应力张拉工程的施工质量,做到有效控制。     

损伤识别系统中小波包信号特征量的提取

基于结构损伤识别系统,构建了耦合神经网络模型,阐述了小波包分析技术的原理和方法,对小波基的选取原则进行了分析和探讨,确定了小波基函数DbN中的N以及小波包分解尺度j;从模式识别的观点对结构损伤识别进行了分析,分析了小波包信号能量特征提取的方法。利用小波包多分辨率的特点,提出了以小波包信号成分能量特征向量为结构损伤识别的损伤特征指标,并在实验中得到了良好的识别效果。     

基于二维小波变换的图像压缩新算法

为了实现快速、高质量的图像传输,用尽可能少的小波系数高质量地表征图像,提出了一种基于二维小波变换的图像压缩算法.首先将图像进行二维小波分解,得到各子带的一系列小波系数;其次保留图像低频子带的所有小波系数;然后根据归一化能量序列熵准则提取其他各层子带重要系数,即在某一门限下剩余系数熵值与剩余系数最大熵值比值较大(0.9左...     

一种基于支持向量机的结构损伤识别方法

提出了结合随机振动响应互相关函数、小波包分解和支持向量机(support vector machine,SVM)的结构损伤识别方法,计算了相邻测点响应的互相关函数幅值.采用小波包对得到的幅值进行分解,得到各个频带上的总能量;利用各频带上能量值存在的差异性作为输入到分类器的特征向量,训练SVM模型并对结构的损伤进行识别.应用该方法对Benchmark模型结构进行损伤判别,实验通过对比其他基于SVM的方法,结果表明该方法具有较好的识别精度.     

冻融循环下无黏结预应力钢绞线耐久性的实验研究

为研究预应力钢绞线在冻融循环下的预应力损失,制作2根预制试件,经受冻融循环,测量规定的冻融次数后钢绞线的预拉力损失值。为检验钢绞线及其保护层在冻融循环下的抗腐蚀能力,设计5组试件,考虑冻融、预应力、冻融+预应力3种因素对钢绞线抗腐蚀的影响。研究结果表明:当混凝土所受的压应力较大时,钢绞线预拉力随混凝土的冻融次数增加而降低;当混凝土所受的压应力较小时,钢绞线预拉力随混凝土的冻融次数增加而增加。钢绞线能受到防腐油脂的有效保护,钢绞线的耐久性依赖于保护层的完整性;在冻融和预应力共同作用下,无黏结钢绞线的腐蚀率大于各因素单独作用时腐蚀率的简单叠加。     

谐波小波样本熵与HMM模型的轴承故障模式识别

根据谐波小波分解非平稳振动信号优良特性与隐马尔科夫(HMM)模型的时序模式分类能力,提出了一种基于谐波小波样本熵与HMM模型结合的轴承故障模式识别方法.该方法首先利用谐波小波对轴承各个状态故障信号进行分解,进而由谐波小波三维时频网格图的频率层数特征计算合理的样本熵维数和阈值,依次提取轴承振动信号各层的样本熵构成特征向量序列;然后将序列前120组输入HMM模型中进行训练得到对应故障模型,剩余80组进行测试与识别,通过对比对数似然估计概率输出值确定轴承故障类型.实验通过与BP和RBF神经网络模型进行不同训练组数的正确识别率对比,验证了该组合方法具有识别准确率高,稳定性强的优点.     

奇异值分解在电缆局部放电信号模式识别中的应用

针对局部放电在线检测中的局部放电信号模式识别,在对局部放电信号进行去噪预处理的基础上,对去噪后的局部放电信号进行小波包分解,利用小波包系数构建小波包系数矩阵;然后,对小波包系数矩阵进行奇异值分解,定义奇异值能量百分比作为局部放电信号的特征向量,并利用M-ary算法将支持向量机二分类扩展到多分类,使用粒子群算法对支持向量机参数进行优化;最后,将特征向量作为输入,使用支持向量机对4种放电信号进行识别,并与BP神经网络的识别效果进行对比.结果表明:利用奇异值能量百分比构建的放电信号特征向量能够很好反映原始信号的特征;基于支持向量机能够有效对放电信号进行识别,平均识别率达到95%,随着分解尺度增大,4种放电信号的平均识别率增大,但增大的幅度减小;支持向量机和BP神经网络均能够很好识别4种放电信号,且支持向量机相比BP神经网络,具有更好的识别效果.     

基于小波最优重构尺度的AUV推进器故障检测方法

针对采用传统小波方法检测外部干扰下自主式水下机器人(AUV)推进器故障时存在的故障检测灵敏度较低问题,提出一种基于小波最优重构尺度确定的AUV推进器故障检测方法,基于小波Shannon熵的小波最优重构尺度确定方法确定离散多层小波分解后细节系数的最优重构尺度,目的是滤除外部干扰等与故障无关信号,并选择故障信息含量最多的最佳重构尺度进行小波单支重构以识别AUV推进器故障特征.AUV实验样机水池实验结果表明,与传统小波方法相比较,所提方法故障检测灵敏度提高了27.78%.     

基于损伤特征向量谱的桩板式挡土墙损伤预警

对结构动力系统响应信号间的虚拟脉冲响应函数进行小波包分解得到小波包频带能量谱,引入剩余频带的概念,创建特征频带向量谱,并在特征频带向量谱的基础上构建损伤特征向量谱。当损伤特征向量谱为零向量时,挡土墙不存在损伤;当损伤特征向量谱为非零向量时,挡土墙存在损伤。为了量化挡土墙的损伤状态,提出2个损伤预警指标:能量比均方差D_(IS)和能量比变异系数C_(Ⅳ)。对某桩板式挡土墙进行锤击振动试验,通过损伤预警指标对不同损伤状态下的挡土墙进行损伤识别。研究结果表明:当DIS=0,C_(Ⅳ)=0时,挡土墙不存在损伤;随着D_(IS)和C_(Ⅳ)的增大,挡土墙的损伤程度增大。因此,预警指标D_(IS)和C_(Ⅳ)不但可诊断挡土墙是否存在损伤,而且可识别挡土墙的损伤程度,可用于挡土墙结构的损伤预警。     

电能质量扰动分类的贝叶斯方法

随着非线性负荷的大量使用,电能质量问题已日益受到关注．对各种电能质量扰动进行分类,是采取适当措施降低扰动带来影响的前提．小波包是在小波变换的基础上发展起来的,能够提供更为丰富的时频信息．为此,对电能质量扰动信号进行小波包分解,分别以小波包分解终结点的能量和熵作为特征向量。用贝叶斯分类器进行分类识别,对扰动分类做出了仿真分析,仿真结果验证了该方法的有效性．通过与Fisher分段线性分类器进行比较,表明以熵为特征向量的贝叶斯分类方法有较高的识别正确率．     

HVDC换相失败小波故障诊断方法

将小波变换应用于高压直流输电(HVDC)系统换相失败的故障诊断中,基于多尺度分析分别对不同故障情况下的直流电流进行分解,并利用尺度能量和尺度熵这两种小波处理方法提取故障特征,分别定义两个故障诊断指标作为辨识各种故障的判据,然后针对这两个指标分别设置4个阈值以诊断直流线路故障和换相失败故障.仿真表明,在不同的HVDC系统故障情况下,暂态信号小波尺度能量和尺度熵的分布都具有一定的规律性,可分别作为判断系统故障的有效依据,提出的判据能准确地对换相失败故障做出诊断.