基于麻雀搜索算法优化支持向量机的刀具磨损识别

针对微小深孔钻削刀具磨损状态检测的工程需求,提出了基于钻削声信号的麻花钻头磨损状态识别方法。根据不同磨损程度的麻花钻在钻削过程中的声信号,使用经验模态分解(empirical mode decomposition, EMD)将声信号分解成若干个固有模态函数(intrinsic mode functions, IMFs),通过时频联合分析探索刀具磨损与声信号特征之间的关联规律;再使用麻雀搜索算法(sparrow search algorithm, SSA)优化支持向量机(support vector machine, SVM)的参数,并利用SVM实现基于声信号特征的刀具磨损状态识别。实验结果表明,微小深孔钻头磨损程度与钻削声信号特征之间存在非线性耦合关系,声信号高频特征对钻头磨损程度的变化非常敏感;采用经过SSA优化后的SVM算法,基于优选的IMF特征能够准确识别钻削刀具磨损状态,识别准确率可达98.246%。     

基于小波重构的钻头磨损切削力特征提取

采用小波分析对钻头不同磨损状态的切削力信号进行分解与重构处理,获得了切削力信号在不同频段的时域变化特征,并分析了各个频段重构信号的方差随钻头磨损的变化规律,实验结果表明,采用小波分析技术可有效地实现钻头磨损特征信息提取,且提取的信息特征对钻头磨损状态的变化十分敏感。     

HHT在多相流差压信号消噪上的应用

为有效提取噪声背景下的多相流差压信号,提高流量的测量精度,针对实际差压信号非线性非平稳的特点,提出基于Hilbert-Huang transform(HHT)的多相流差压信号消噪方法.该方法利用经验模态分解(EMD)把差压信号分解成有限个固有模态函数(IMF),然后分析各个固有模态函数的边际谱,利用HHT不同频段能量分...     

EMD在汽车变速齿轮箱振动故障分析的应用

采用经验模态分解和能量特征值对振动加速度传感器获取的汽车齿轮箱振动信号进行特性分析.利用经验模态分解获得振动信号的本征模态函数,并对本征模态函数进行系数-能量计算,提取系统的特征信息,对汽车齿轮箱的故障进行诊断,从而实现在线监测汽车齿轮变速箱运转工作状态,及时发现齿轮箱的早期故障,提高汽车运行的安全性.仿真研究结果表明经验模态分解方法在故障信息诊断方面是可行的和有效的,并能够提高故障检测的可靠性.     

一种新的小波分维数及其在钻头磨损监测中的应用

根据小波变换与分形理论在认识事物的本质上都是基于从总体向局部、从宏观向微观的自相似原理,提出一种以小波作为标尺来定义分维数的思想,从而建立了一种以信号的绝对和作为度量参数的小波分维数。对钻头整个磨损历程中钻削力信号小波分维数变化规律的研究表明:运用小波分维数可更加有效地刻画信号的本质特征,钻削过程扭矩和轴向力信号小波分维数的变化与钻头磨损之间表现出密切的相关性,采用该方法可准确实现钻头磨损状态的监测。     

钻头磨损在线监测研究

本文研究了钻头磨损对钻削过程中振动加速度信号的动态特性的影响。发现加速度信号中敏感频率分量随着钻头磨损的增加呈明显的“碟形”规律变化。我们提出用敏感频率分量的自功率谱值(PSD)作为特征量。建立了特征量与钻孔数之间的状态空间方程;提出了钻头磨损在线自适应监测方法。该方法打破了故障诊断和状态识别中设置“阈值”的传统做法;另辟蹊径。     

基于EMD的金刚石砂轮磨损状态声发射监测

针对磨削金刚石砂轮磨损状态声发射信号小波分析中存在的问题,根据工程陶瓷部分稳定氧化锆磨削过程中声发射信号非线性非平稳性的特点,采用经验模态分解方法将磨削声发射信号分解为多个平稳的固有模态函数之和,并提取其有效值、方差和能量系数等特征值.在磨削金刚石砂轮从轻度磨损状态转变为严重磨损状态时,固有模态函数的有效值(IMFrms)和方差(IMFvar)增大,而能量系数(IMFpe)发生明显的变化;将其做为最小二乘支持向量机的输入参数,对金刚石砂轮的轻度磨损状态和严重磨损状态成功地进行了智能监测.     

改进经验模态分解与谱峭度法的步态信号特征分析

通过对步态信号进行分析,提出基于能量矩占比与方差贡献率的改进经验模态分解和谱峭度法的步态信号特征频率分析方法. 改进的经验模态分解消除了传统分解过程中存在的低频虚假本征模态分量,抑制了高频噪声的干扰. 通过确定谱峭度图上的中心频率和带宽构造带通滤波器对信号进行包络解调分析,并通过实验验证了该方法能有效提取步态信号的特征频率,为步态信号的后期研究提供一条新的思路.     

基于改进经验模态分解的直流串联电弧故障检测

针对直流系统中存在强噪声干扰时串联电弧故障检测准确度较低的问题，提出一种基于改进自适应噪声完备集合经验模态分解和模糊k均值聚类相结合的直流串联电弧故障检测方法；首先运用改进自适应噪声完备集合经验模态分解方法分解回路电流信号，得到多个本征模态函数；然后计算各本征模态函数的Hurst指数值以区分噪声分量和有用分量，将Hurst指数值大于0.5的有用分量进行重构；最后计算重构信号的峰峰值特征量和模糊熵特征量以构建特征向量作为模糊k均值聚类的输入，通过聚类中心的不同位置识别正常与故障状态。仿真与试验结果表明，所提出的方法区分系统正常与故障状态准确度为100%,区分系统干扰与故障状态准确度为93%,能有效识别直流串联电弧故障。     

基于时差估计的管道漏点定位方法

时差估计精度是影响管道漏点定位准确与否的重要因素。针对复杂噪声环境下管道泄漏点定位不准确问题,提出一种基于经验模态分解重构的互相关时差估计管道漏点定位方法。首先对含噪信号进行经验模态分解,得到一系列按频率从高到低排列的本征模态函数,利用Pearson相关系数法在本征模态函数中判定出噪声分量与信号分量的分界,把信号分量重构,实现信号降噪;最后基于广义互相关法对降噪后的求取两路信号的时差后,再使用线性定位法对管道泄漏位置定位。实验表明,该方法能有效滤除漏点定位监测过程中的非平稳随机噪声,获得了较高的时差估计精度,提高了管道漏点定位的准确性。     

基于经验模态分解的自适应噪声对消方法

针对飞行器试验中单通道遥测信号频率内容丰富、降噪困难的问题,提出了一种基于经验模态分解的自适应噪声对消方法。将信号利用经验模态分解(Empirical mode decomposition, EMD)方法分解为一系列本征模态函数(Intrinsic Mode Function,IMF),将第一阶IMF作为参考噪声,并将第二阶以后的IMF分量累加求和,作为待降噪信号,在此基础上利用自适应噪声对消系统完成降噪。该方法克服了直接将高阶IMF作为噪声消除后在降噪和细节信息损失之间的矛盾性问题,可以最大程度保护信号细节信息不受损失的情况下实现良好的降噪效果。计算机仿真和某次飞行器试验实测数据处理结果证明了这一方法的有效性。     

EMD去噪法在FMCW雷达信号处理中的应用

针对调频连续波(frequency modulated continuous wave,FMCW)雷达信号在传播过程中会受到各种噪声影响的情况,提出了一种新型的基于自相关函数能量特性的经验模态分解(empirical mode decomposition,EMD)降噪算法。该算法首先对差频信号进行EMD分解,得到包含原信号不同尺度信息的本征模态函数(intrinsic mode function,IMF)分量;其次对每一IMF分量进行无偏自相关运算,并计算其能量;第三,根据IMF分量的自相关函数能量变化曲线,确定出有用信号贡献率最大的IMF分量;最后进行EMD重构。实验结果表明:该方法在各种信噪比条件下,能够准确判断出有用信号主导的IMF分量,对差频信号具有良好的去噪效果,同时该方法具有自适应性,不受主观因素的影响,适合应用在FMCW雷达系统中。     

一种基于EMD技术的语音信号去噪算法

分析了基于经验模态分解(EMD)方法的含噪语音信号尺度滤波特性,并根据清音和浊音的不同特点,应用软门限方法对以宽带随机噪声为背景的语音信号IMF分量作门限处理,提出了一种基于EMD的语音信号噪声处理的算法,计算机实验仿真结果表明,该算法具有较好的语音去噪效果和较小的语音失真性能。     

SG-VMD-SVD的信号去噪方法研究

油气管道信号泄漏检测易受噪声影响,因此去噪成了关键问题.为了提高对油气管道信号的去噪效果,提出了一种基于Savitzky-Golay平滑滤波、变分模态分解(VMD: Variational Mode Decomposition)和频域奇异值分解(SVD:Singular Value Decomposition)去噪相结...     

随钻测量中连续波动信息解调技术研究与实现

为了解决随钻测量系统连续波动信息传输问题,设计了一种连续波动信号2DPSK解调方案.分析了随钻测量系统传输特性并建立了数学模型.根据随钻测量系统信息传递特性,对一系列连续信号调制技术进行了分析比较,得出2DPSK信号更加适用于井下连续波动信息的调制.对井下噪声干扰类型与来源进行分析,确定了利用数字滤波器算法实现连续波动信息解调系统的去噪.根据以上分析,提出了MWD的2DPSK解调系统的硬件实现方案,并利用FPGA对连续波动信息实现了解调.解调结果表明,在白噪声信道下,解调系统可以准确恢复出发送端的调制数据,具有一定的适用性.      

基于EMD和ISA方法的轨道车辆动态应变信号去工频干扰研究

针对轨道车辆动态应变信号实际通道数量小于源通道,无法直接应用独立分量分析(ICA)方法降噪的问题,提出一种基于经验模态分解(EMD)和独立子空间分析(ISA)的去除工频干扰的方法.首先对信号进行EMD分解得到本征模态(IMF),再对结果进行ICA分析,得到独立分量,然后对独立分量进行层次聚类将原信号分解到不同的子空间中,从而达到分离噪声的目的.实验结果表明该方法降噪效果优于传统滤波算法,处理后的信号损伤值高于带阻滤波值处理结果,使寿命评估结果偏向于安全,证实了将其应用于去除轨道车辆动态应变信号中工频干扰的可行性.     

基于小波变换的随钻数据去噪算法研究

随钻测量技术是现在钻井过程中最重要的环节之一。基于小波变换的随钻测量的信号处理是非常有前景的课题。通过分析随钻测量系统的基本原理及随钻测量信号的特性,结合随钻测量与小波变换,应用相关性理论以平均去噪效果为参照,对各种小波基的尺度参数和消失矩进行评价,得到最佳参数组合小波基。在合理选择最佳小波基的基础上,对随钻测量信号进行了仿真分析。仿真结果表明小波变换可以从强噪声背景的随钻测量信号中有效提取有用信号。     

基于变分模态分解的探地雷达信号分析方法

将变分模态分解方法引入探地雷达信号处理中,针对探地雷达信号非平稳特征,利用变分模态分解原理建立探地雷达信号去噪方法。方法基于变分模态分解将雷达波信号分解为特征模态函数,再由样本熵决定高阶模态是否保留,实现白噪声去除。通过探地雷达Ricker子波和正演模型试验,检验该方法的正确性和有效性。与传统的小波变换、集成经验模态分解方法进行对比,研究探地雷达信号去噪效果,并将该方法用于分析实际工程探地雷达信号。研究表明,该方法能有效去除探地雷达信号中的噪声,在强干扰背景下,能获得高于20 d B的信噪比。     

基于随钻测斜技术的井斜预警系统应用

介绍了一种新型的井斜预警系统的地面接收仪器,由井下的机械式井斜预警工具随钻监控井斜,并发生泥浆压力脉冲波,由地面接收仪器测量脉冲波,分析了对信号传递过程中干扰信号的处理方法,经多次现场试验该系统工作良好,可提高工作效率,降低钻井成本。     

基于EMD与1D全变分的地震信号去噪

经验模态分解(Empirical Mode Decomposition,EMD)是一种信号的时频分析方法,该方法在不需要先验知识的条件下,可以将非平稳、非线性信号,依据信号的特征,自适应的分解为多个本征模态函数(Intrinsic Mode Function,IMF)之和,得到高的频率分辨率。然而,一般的去噪方法是将所选择的高频IMF部分取不同的阈值进行滤波或者是直接置为零重构后实现信号的去噪,很显然这会造成高频部分有用信号的损失。1D全变分(Total Variation,TV)是一种有效的信号去噪方法,能够非常好的保护信号边缘信息,但有时也会把噪声当作边缘信息,出现虚假边缘现象。因此,基于EMD和1D-TV的优点提出了一种新的去噪方法,根据对实际金属矿床地震信号处理的结果表明,该算法能有效的消除地震信号中的噪声,并能有效保护地震信号边缘构造信息。