基于EMD与关联维数的故障诊断AR模型

提出了一种基于EMD和关联维数的转子系统故障诊断方法。该方法用EMD将转子系统振动信号分解成若干个基本模式分量IMF,对包含主要故障信息的IMF分量建立AR模型,AR模型自回归参数的关联维数作为特征量神经网络识别转子系统的工作状态和故障类型。对实验数据分析的结果表明,该方法能有效地应用于转子系统的故障诊断。     

基于SVM和EMD 包络谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的调制特征和传统包络分析法的缺陷以及现实中难以获得大量典型故障样本的实际情况,提出了一种基于支持向量机(Support Vector Machine,简称SVM)和经验模态分解(Empirical Mode Decomposition,简称EMD)包络谱的滚动轴承故障诊断方法.该方法首先对原始信号进行经验模态分解,将其分解为多个固有模态函数(Intrinsic Mode Function,简称IMF)之和,然后求出包含主要故障信息的若干个IMF分量的包络谱,最后定义包络谱中各种故障特征频率处的幅值比为特征幅值比,将其作为故障特征向量,并以此作为SVM分类器的输入参数来区分滚动轴承的工作状态和故障类型.实验分析结果表明了该方法的有效性.     

基于多惩罚因子优化VMD的滚动轴承故障特征提取方法

针对变分模态分解(variational mode decomposition, VMD)在提取滚动轴承故障特征时预先设置多惩罚因子具有不确定性的问题，结合灰狼优化(grey wolf optimization, GWO)算法提出一种基于多惩罚因子优化VMD的滚动轴承故障特征提取方法。首先利用GWO算法实现VMD的多惩罚因子自适应优化，再利用优化得到的参数将滚动轴承的振动信号分解为多个本征模态函数(intrinsic mode function, IMF),最后对各个IMF分量作包络解调提取滚动轴承的故障频率特征。研究结果表明，在优化VMD参数时，该方法相对其他方法优化效率有了明显提高，并且提取滚动轴承故障特征效果显著，得到特征频率幅值为其他方法的2～4倍，证明了该方法的有效性和优越性。     

一种新的平行多分量LFM信号的参数估计方法

基于Hilbert-Huang变换(HHT)能分解出信号的任何频率成份和线性调频(LFM)信号的瞬时频率是关于时间的直线的特性,对频率相近的平行多分量LFM信号进行HHT变换,再利用滤波和改进的最小二乘直线拟合,最后得到各分量较为准确的瞬时参数估计.该方法不需要改变HHT算法本身,而是利用滤波方法和进一步的最小二乘直线拟合抑制了HHT固有的边界效应对瞬时参数估计的影响,提高了频率提取的准确性,而且更容易实现.仿真结果表明该方法能成功地解决小波脊方法所不能解决的频率相距很近的平行多分量LFM信号的频率分离和参数估计问题.     

应用自适应时频分布的瞬时频率估计

估计信号的瞬时频率常用解析信号的相位差分或Cohen类时频分布的时间一阶条件矩 ,但这些方法在信噪比较低时存在较大的方差。提出了一种新的瞬时频率估计方法 ,它把被分析的信号自适应地扩展到一组有限的 ,具有较好的时频局部化特征的基函数集上 ,用相应的自适应时频分布的谱峰检测来估计信号瞬时频率。仿真结果表明 ,该方法具有较好的抗噪声能力 ,且能够灵活地应用于估计多分量信号的瞬时频率 ,可以取得比其它方法更好的效果。     

基于方向性S变换的多分量FM信号瞬时频率估计

针对复杂多分量调频信号的瞬时频率估计问题,提出一种基于方向性S变换的瞬时频率估计方法。首先,在S变换中引入变趋势窗,有效改善了高频区的频率分辨率;其次,提出了方向性S变换,该变换在引入方向性参数的基础上,利用最大化准则实现了复杂调频信号的时频方向匹配;最后,由于传统时频脊线及相应的均方根误差准则无法适用于多分量信号瞬时频率估计的性能评估,提出一种基于支撑域的置信度准则。仿真实验通过线性与非线性的多分量混合调频信号证明了该方法的有效性。     

瞬时频率的一种估计方法

为了得到在物理上有意义的瞬时频率 ,必须把基于信号全局性的限制条件修改为局部的限制条件 ,并且把这些条件转换成物理上可实现的步骤。首先讨论了用希尔伯特变换定义的瞬时频率的定义 ,然后介绍了一种新的瞬时频率估计方法。该方法利用局域波分解方法 ,把复杂的信号分解成有限个基本模式分量 ,从而使由希尔伯特变换定义的瞬时频率具有实际物理意义。由于该方法是基于信号局部特征的 ,因此适用于非线性、非平稳信号的处理。最后指出了这一方法研究的有关问题。     

基于AR模型和支持向量机的转子系统故障诊断方法

提出了基于AR模型和支持向量机的转子系统故障诊断方法.该方法对转子系统的振动信号建立AR模型,以AR模型主要的自回归参数和残差的方差作为特征向量,然后建立支持向量机分类器,进而判断转子系统的工作状态和故障类型.实验结果分析表明,该方法能有效地应用于转子系统的故障诊断.并通过支持向量机与BP神经网络的性能比较,说明了支持向量机的优点.     

基于通用复时频分布的进动目标微多普勒提取

首先建立了进动锥体目标的雷达回波模型,推导了目标微多普勒频率与进动参数的定量关系。针对进动目标雷达回波具有的多分量非线性调频特点,提出了通用复时频分布(generalized complex time frequency distribution, GCD)的微多普勒提取方法,与线性和二次Cohen类时频分布相比,GCD具备高时频分辨力、低交叉项的优点。同时针对峰值估计微多普勒瞬时频率(instantaeous frequency, IF)方法受信号频率交叉覆盖和噪声干扰严重的问题,提出基于Viterbi算法的微多普勒IF估计方法,有效提高了微多普勒IF估计精度。实验中利用仿真和暗室测量数据验证了GCD Viterbi方法的性能。     

基于波浪谱与钻井船RAO的钻井船运动模拟

钻井船运动对深水钻井隔水管动力性能有重要影响.提出一种根据波浪谱和钻井船响应幅值算子(RAO)模拟钻井船随机运动的方法.为充分模拟钻井船运动,建立了包括钻井船平均偏移、不规则波浪导致瞬时波频运动和二阶波浪力导致的低频慢漂运动的钻井船运动模型.采用随机波浪模拟技术得到具有不同波高、周期与相位角的组成波序列.根据响应幅值算子(RAO)所定义的钻井船运动与不同频率的波浪之间的幅值比与相位差和钻井船运动数字模型,迭代产生随机波浪作用下钻井船运动,并基于MATLAB仿真平台实现了上述算法.     

Multi-component LFM signal detection and parameter estimation based on Radon-HHT

A new method is proposed to analyze multi-component linear frequency modulated （LFM） signals, which eliminates cross terms in conventional Wigner-Ville distribution （WVD）. The approach is based on Radon transform and Hilbert-Huang transform （HHT）, which is a recently developed method adaptive to non-linear and non-stationary signals. The complicated signal is decomposed into several intrinsic mode functions （IMF） by the empirical mode decomposition （EMD）, which makes the consequent instantaneous frequency meaningful. After the instantaneous frequency and Hilbert spectrum are computed, multi-component LFM signals detection and parameter estimation are obtained using Radon transform on the Hilbert spectrum plane. The simulation results show its feasibility and effectiveness.     

基于Hilbert-Huang变换理论的非线性系统分析

介绍了Hilbert-Huang变换(HHT)这一全新的处理非线性、非平稳信号数据的方法,将其用于分析典型的非线性系统-Duffing方程,通过对使用三阶Runge-Kutta法求解而得到的Duffing方程数值解分解后,得到了4个固有模态函数分量和1个残余量,给出了相应的能量-频率-时间分布图-Hilbert谱,并将其边际谱与Fourier谱作了比较。结果表明,此方法具有更好的局部特性分辨以及瞬时频率分解效果,经HHT变换得到的主要固有模态函数分量具有明确的物理意义,体现在Hilbert谱上的系统固有频率存在明显的波内调制机制,分析结果充分保留了系统的非线性特征。     

基于小波包能量特征的滚动轴承故障监测方法

对滚动轴承的故障特点进行分析，根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性，提出了小波包能量特征的概念及算法，并给出两个仿真算例，然后将小波包能量特征与径向基函数网络相结合，提出了一种新的滚动轴承故障诊断方法，数字仿真实验证实了该方法的正确性和有效性。     

基于T检验的水文时间序列HHT分析方法及应用

Hilbert-Huang变换方法(HHT)是针对非线性、非平稳序列的一种新的时间序列分析方法.针对前人在应用中存在的忽略统计检验的问题,提出了对本质模态函数(IMF)的周期进行T检验的改进方法,设计了基于T检验的HHT模型计算步骤和算法流程,可检验IMF周期的有效性.将改进后的HHT方法用于长江宜昌水文站50年的逐日径流量的分析中,得到了14个反映径流序列波动规律的IMF、一个反映径流变化趋势的趋势项r及Hilbert谱.研究表明,宜昌站径流量存在1~3a、4~5a、9a及准14a的年际变化周期,年内波动对整个径流序列的影响亦较大.对比分析表明了所设计的基于T检验的HHT方法的有效性.     

化工过程SDG建模方法

SDG(Signed Directed Graph)是一种重要的定性建模技术，特别是在安全评价和故障诊断领域。本文系统介绍了两种常用的SDG建模方法：基于数学模型的方法和基于流程图的方法。此外，本文提出了一种基于经验知识的建模方法。由于安全评价强调揭示潜在故障的全面性，而故障诊断则要求诊断速度和故障分辨率高，因此基于经验知识的建模方法分为评价模型建模方法和诊断模型建模方法。采用此方法建立的评价模型不仅能全面表达故障，而且还能揭示故障的传播规律；建立的诊断模型简单精炼、故障分辨率高。     

二次调频信号的检测及参数估计

提出一种基于伪瞬时相关函数沙漏型变换(pseudo instantaneous correlation function-sandglass transform, PICF-SGT)的二次调频(quadratic frequency modulation, QFM)信号的检测与参数估计算法。PICF-SGT可以解除QFM信号的伪瞬时相关函数中的时间和时延平方项的耦合,从而实现信号的相干积累和交叉项的有效抑制,并且获得信号的调频率和二次调频率的估计。详细分析了PICF-SGT算法的实现、插值误差、信号聚焦特性和交叉项分布及抑制,并且提出了一种改进的尺度因子选择标准。仿真结果验证了该算法的有效性。     

基于一维CNN参数优化的压缩振动信号故障诊断

针对一维卷积神经网络(convolutional neural network, CNN)参数多的特点,提出一种正交试验和粒子群优化算法相结合的参数优化方法,并将其应用于压缩振动信号故障诊断。压缩感知理论突破了奈奎斯特采样定理的限制,为大量振动信号的采集与传输提供一种有效途径。首先利用CNN“端-端”特性,建立了基于压缩信号的CNN故障诊断模型。利用正交试验进行参数范围的粗略评价,选择出最优方案。对最优方案中每个参数,利用多目标粒子群优化算法进行细化,得出精确的参数最优取值。选择齿轮箱实测信号和西储大学轴承信号作为研究对象。实验结果表明,经过优化后非劣粒子的输出特征分类明显, CNN诊断率有明显提高,也证明了对压缩信号直接进行故障诊断的可行性。