多尺度小波分解融合在微机电陀螺数据处理中的应用

提出一种小波域数据融合模型. 将多个传感器的数据进行多尺度分解,分别对每个尺度上的细节信号和最粗尺度上的近似信号进行局部加权融合,并根据小波重构公式得到原尺度上的融合信号. 基于实际工程应用对该模型进行了数学证明,分析随机序列经离散小波多尺度变换后的形式,研究各尺度上的平滑信号、细节信号之间的统计特性,从理论上解释小波域多尺度数据融合算法的优越性. 实验表明：该方法能显著提高数据融合后微机电陀螺仪的零偏稳定性.     

基于小波变换的模糊神经网络短期负荷预测方法

为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.     

基于曲波分析和ELM模拟电路故障诊断方法

为提高模拟电路故障诊断特征信息提取的高效性和实现故障模式分类的准确性,提出一种基于曲线波理论的多尺度几何分析方法和超限学习机相结合的模拟电路故障诊断新方法.通过曲波变换使用空域带通滤波算子来分解不同的尺度,对模拟电路故障特征提取后重构系统,提高稳定性、高效性并达到最优逼近,结合超限学习机训练过程不需要迭代的突出性能,大大提高了故障诊断速度.通过与其他故障诊断方法比较,结果表明了该方法的有效性.     

基于信息融合的模拟电路故障诊断探究

针对电路故障的特点,融合神经网络的理论模拟设计一种电路故障诊断系统,对电路、电压及不同激励频率下的电路采用信号采集系统对输出的电压值进行采样,得出电压和电路故障的特征参数,利用模糊变换的方法进行融合诊断或故障定位。     

基于BP神经网络的集中监测系统故障诊断

铁路信号集中监测系统通过采集信号设备开关量、模拟量并记录分析,实现了设备工作状态监测、故障报警等功能。为了进一步实现集中监测系统对设备故障原因的分析,讨论基于BP神经网络的集中监测故障诊断流程,对信号设备故障机理的分析确定特征参量,再利用集中监测系统功能获取故障数据,将故障数据作为训练样本对神经网络进行训练,从而获取其中的映射关系。集中监测系统实时监测特征参量的异常变化,将测试的信号设备特征参量作为待诊断样本输入神经网络。结果表明,网络将会输出最匹配的诊断结果,实现集中监测系统的故障诊断功能。     

转子故障信号的小波能量特征自动提取

提出了一种基于小波变换的转子故障信号能量特征自动提取方法,受倍频分析思想的启发,运用尺度变换对原始时间信号重采样,将重采样后的信号进行小波变换,并统一分解到给定层上,从而获取信号的频带特征。该方法能消除转子转速和采样频率对小波分解频带分布的影响,提取的频带能量特征具有统一的物理意义。在ZL-3多功能转子模拟试验台上模拟了不平衡、不对中、碰摩及油膜涡动四种转子常见故障的128个样本,应用本文方法进行小波分析特征提取,并构造集成神经网络诊断模型进行诊断实验,结果表明了本文方法的有效性和正确性。     

基于LABVIEW的农用柴油机故障检测

本文将虚拟仪器技术应用于农用柴油机的故障检测中,通过对信号的采集、时域和频域分析、小波分解、神经网络和数据库等方面的分析,实现了基于多状态参数的柴油机综合检测与故障诊断。     

瞬时零序功率全频带小波能量熵故障选线

针对传统的故障选线方法缺陷,本文提出了基于瞬时零序功率的全频带小波能量相对熵小电流接地系统故障选线方法。首先,利用小波变换方法对故障后各出线的瞬时零序功率的采样数据进行多尺度小波分解;然后,对各尺度小波系数进行单支重构,构造出各条出线的全频带小波能量相对熵矩阵,并计算综合小波能量熵;最后,依据矩阵中各条出线的综合小波能量熵的大小进行故障选线。仿真结果表明,该故障选线方法具有很强的适应性,可以在各种情况下使选线正确率达到100%。     

基于小波包的固液两相流流型识别方法

针对固液两相流特征参数和流型之间的非线性关系,提出了一种基于小波包分解和人工神经网络的流型识别方法.该方法首先用FLUENT软件建立物理模型和动力学模型并设置一个监测点,对采集到的速度波动信号进行6层小波包分解,得到最优小波树及其信息熵,然后将信息熵构成的特征向量输入BP神经网络进行训练和识别.最终的测试结果表明:该方法能有效克服传统识别方法存在的主观性,具有较好的识别效果,为固液两相流的流型识别提供了一种有效的选择.     

组合电路中短路故障和固定型故障的测试

本文主要研究数字电路输入和输出端之间的反馈短路故障(feedback bridging fault,简称FBF)及其测试方法.利用一个新的时序机模型提出了一个带有反馈短路故障电路产生振荡或变成一个稳定异步时序电路的充分必要条件.证明了在任何组合电路中,只需两个测试码便能测试出所有可能的初级输入与输出端之间的短路故障.其次,证明了检测固定型故障的测试码(集)也能检测反馈短路故障。同时提出了一个产生完全测试集的方法,它可以同时测试无扇出(fan-out free)电路中的固定型和短路型故障.     

基于蚁群神经网络的电控发动机故障诊断研究

针对电控发动机故障的复杂性,以及传统的专家系统在知识获取等方面的缺点,采用BP神经网络作为故障诊断模型的核心,并将蚁群算法融入到BP网络的训练过程中进行优化,得到了满意结果.通过对该故障诊断模型的验证,表明采用蚁群算法改进后的BP神经网络能够对汽车电控发动机的故障进行有效和准确的诊断.     

基于小波奇异性的结构故障检测

提出了一种新的基于小波奇异性的结构故障检测方法.通过对传感器检测信号进行二进离散小波变换,采用模极大值算法对信号进行去噪滤波,同时根据小波变换模极大值在不同尺度下的分布来完成故障的检测与定位.该方法可有效抑制噪声对残差信号的影响,提高故障检测的鲁棒性.最后,针对歼击机的结构故障进行了仿真,仿真结果表明了本文方法的有效性。     

基于混沌的模拟电路故障诊断方法

针对模拟电路故障诊断的神经网络方法中,网络易陷入局部极小、收敛速度慢等缺点,网络结构、权值难以确定等难题,提出一种利用混沌优化神经网络的模拟电路故障诊断新方法.该方法中,将混沌变量引入神经网络结构的优化搜索,使得神经网络的隐层节点数以及所有权参数处于混沌状态中,从而整个网络结构呈现为动态变化.然后从动态的神经网络结构中,根据性能指标来寻找一个全局最优或近似于全局最优的网络结构.最后利用优化的神经网络对模拟电路进行故障定位.利用该方法对模拟电路进行实例仿真,结果表明该算法可以有效、可靠地运用于模拟电路故障诊断中.     

一种提取故障轴承振动信号特征的方法

在轴承的早期微弱故障诊断中,由于采集的信号中含有较强的噪声,给故障信号特征提取造成了很大的困难.在相关信号特征提取方法中,基于字典学习的信号稀疏分解方法由于其重构信号精度高,去噪效果好而得到了广泛的应用.研究运用了一种通过投影神经网络优化方法求取信号在初始字典上的投影系数,随后采取交替方向乘子法训练字典,最后采用自适应...     

PIN二极管电子开关在滤波器切换中的应用

基于PIN二极管开关电路在射频信号切换方面的特性,设计了一种应用于滤波器切换的PIN电子开关电路．该电路基于PIN电子开关的串联结构设计而成,具有较高的隔离度和较低的插入损耗．通过对该设计电路的测试结果分析,给出了产生滤波器带外寄生响应的解决方法,并验证了该设计电路在滤波器切换方面的良好性能．     

同时测量鞋地间三维相互作用力的传感器系统

为获取田径运动员脚底与跑道接触的蹬地力和支撑力等技术参数,研制了一种新型传感器系统. 该系统包括能同时获取鞋地间三维相互作用力的传感器、输出信号调理电路、数据采集单元、存储和显示模块. 传感器采用新型压电材料,通过新颖结构设计而实现. 根据二元非线性冲击系统模型,研制了模拟鞋地间相互作用的冲击测验平台,并在实验室环境下进行了测试. 测试结果与基于二元非线性冲击系统模型的理论计算结果表现出良好的一致性.     

全数字的模数转换器内建自测试方案

提出了一种针对片上模数转换器进行内建自测试的方法.利用斜坡信号作为测试激励,测试电路可以通过对转换器的低位进行测试来获取增益误差、失调误差以及微分非线性和积分非线性误差.该方法测试结构简单,并具有较高的测试速度.     

基于运算放大器和傅里叶谱分析的电导与微分电导同步测量

提出一种基于运算放大器和傅里叶谱分析仪的电导与微分电导同步测量方法. 针对非线性样品二极管在交直流偏压作用下的输出响应电压特征进行了理论研究,在输出响应电压信号谐波高频成分远小于低频成分的假设条件下,推导了二极管电导及微分电导同步测量方程,得到完整的物理关系解析表达式. 对二极管进行的仿真实验和电路测量实验结果验证了该方法的有效性;并发现二极管在相同的直流偏压下,其微分电导信号的精度比电导信号的精度高一个量级.     

基于小世界网络的多电平逆变器故障诊断

采用小世界网络理论,对电力电子电路进行故障诊断研究.以六电平逆变器电路为对象,采用理论分析和MATLAB仿真相结合的方法,建立其小世界网络模型,计算特征参数,并编制了相应的故障诊断程序.针对六电平单桥臂电路的故障类型,诊断出的结果与故障信息数据库的参数一致,验证了该故障诊断方法的可行性和程序设计的正确性.     

光纤陀螺自适应阈值滤波新方法

通过Lipschitz指数分析不同分解尺度上信号与噪声对应的小波系数变化情况和光纤陀螺输出信号模型,研究了一种新的基于离散小波变换的自适应滤波方法. 该方法可根据光纤陀螺输出信号的能级自动调整小波系数在不同尺度上的阈值. 构造了一种新的阈值函数,用一个多项式来削弱低于阈值的小波系数,能最大限度地保留真实信息. 与软硬阈值函数相比,对于不同信噪比的信号均表现出较好的性能. 仿真实验表明,与传统固定阈值滤波相比,新算法能更好地去除噪声,改进光纤陀螺的零偏稳定性和随机游走等技术指标.