泄漏检测信号滤波技术比较

通过泄漏检测模型试验分析测量信号中的噪声来源，在对比研究传统小波去噪、改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上，借鉴神经网络反向传播学习算法的思路，提出了信号预滤波结合闽值自学习小波去噪的综合滤波方法。该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值，再将此阈值用于同一工况下整个时间段的去噪，这样根据不同工况下得到的最佳阈值可以获得最优输出。数值计算结果比较表明该方法对噪声的抑制作用明显，比传统小波去噪、改进神经网络去噪等方法效果更好。     

基于奇异值分解的多小波图像去噪方法

给出了一种将多小波变换和奇异值分解相结合的图像去噪方法.该方法通过对含噪图像进行多小波变换,克服了单小波变换中无法同时满足正交性和对称性的缺点.对变换得到的高频系数矩阵进行奇异值分解去噪,提取高频系数中淹没在噪声中的信号成分,然后进行多小波重构,得到去噪图像.仿真结果表明,该方法能有效去除噪声,并获得良好的主观视觉效果.     

基于小波阀值降噪和BP神经网络的超短期风电功率预测

针对超短期风电功率预测问题,考虑了风电场复杂的噪声背景和风电功率的波动性,提出了一种基于小波阀值降噪-BP神经网络的超短期风电功率预测方法。该方法采用近似对称光滑的紧支撑双正交小波db4（Daubechies函数）作为小波基,通过多分辨分析的Mallat算法对历史时序风电功率数据进行3尺度分解。根据Donoho阀值法对各层小波系数进行软阀值降噪处理,再通过小波逆变换重构历史时序风电功率,由BP神经网络对其进行训练,预测目的风电功率序列。仿真算例将该方法与普通BP神经网络方法进行了对比,比较结果证明其预测精度优于后者,具有很好鲁棒性和降噪性能,适用噪声复杂的风电场超短期风电功率在赣预测．     

二次注入锁定低相噪光电振荡器及其稳定性控制电路的研制

首次提出采用二次注入锁定的方案来实现低相噪光电振荡器的设计,通过注入锁定长光纤环光电振荡器来实现单模、低相噪的振荡信号,并以之为二次注入源,注入锁定另一长光纤环光电振荡器,通过该方案进一步提高注入源稳定性,最终实现超低相噪的振荡信号.实验表明,通过一次注入锁定,X波段光电振荡器的相位噪声在10 kHz频偏由-121 dBc/Hz降低到-135 dBc/Hz,二次注入后下降到-146 dBc/Hz,目前国内无如此高指标报道,接近美国海军实验室报道指标.为推进光电振荡器走向实用阶段,基于锁相原理设计了一种新型的稳定性控制电路并进行了相关实验,验证了该电路的有效性.     

基于光纤延时线的低相噪光电振荡器与高灵敏度相噪测量系统的研制

采用双环注入锁定的方案来实现X波段超低相噪、小杂散光电振荡器(opto-electronic oscillator,OEO).基于近似线性理论,对注入锁定双环OEO建立了新的理论解析模型,并基于该模型分析了注入信号功率对注入锁定双环OEO相噪、杂散的影响.结果表明,适当的注入功率是同时保证低相噪与小杂散的关键.搭建基于光纤延时的载波抑制相噪测量系统,采用高线性度光电探测器与低相噪微波放大器来提高系统的灵敏度,并采用双通道互相关方案来进一步降低测量系统的噪底.实现了X波段OEO的超低相噪(-125 dBc/Hz@1 kHz,-145 dBc/Hz@10 kHz)与测量系统的超高灵敏度(-130 dBc/Hz@1 kHz,-168 dBc/Hz@10 kHz),国内无相当指标报道,接近国外文献报道过的最好指标.     

负信噪比直扩信号的基带码盲检测

研究在没有直扩信号任何先验知识的情形下，利用随机微分方程和能量检测法，从负信噪比直扩信号中盲检测出载波信号．利用非线性信号噪声减缩的理论和小波多尺度算法，从载波信号中盲检测出基带码．计算机模拟表明，能够从载噪比为-27dB的直扩信号中盲检测出载波信号．已知载波频率，能从载噪比为-10dB的直扩信号中盲检测出载波信号上的基带码，其从误码率为10^-4．     

基于稀疏表示的小波去噪

小波阈值去噪是信号与图像去噪中的有效方法,然而,该方法采用逐点处理的方式,未用到小波系数的整体结构特性。文中提出一种新的小波去噪方法,采用了新近发展起来的稀疏表示工具,通过在一定条件下最小化非零小波系数的个数对原小波系数进行估计,从而将去噪转化为一个最优化问题.证明了该优化问题的解可以惟一获得,并且该解是干净小波系数的一个无偏估计值。文中提出了一种求解该问题的方法,该方法至少能求得一个局部最优解.实验结果表明此方法对多数实际信号尤其是低信噪比信号是有效的。     

一种新的信号二进小波变换模极大值重构信号的迭代算法

基于Hilbert空间单调算子理论和求解单调算子方程的迭代算法, 给出了一个新的基于信号二进小波变换模极大值重构信号的迭代算法, 证明了算法的收敛性. 同Mallat的交替投影算法相比, 该算法更加简单、快速和有效. 数值实验表明, 对于不同类型的信号, 该算法仅需要较少的几次迭代, 就可获得较好的重构效果.     

脉冲噪声滤波的无监督鲁棒递归最小二乘方法

在未知期望信号的条件下,提出一种能够抑制脉冲噪声的鲁棒递归最小二乘自适应滤波方法.与传统最小二乘法的代价函数不同,通过引入饱和非线性约束,降低可能出现的脉冲噪声对滤波器权值更新的影响.此外,提出一种多步预测器来重构滤波器的输入信号,通过比较判断滤波器输入信号可能受到脉冲噪声干扰时,采用预测值来替代原始观测信号.实验结果表明,提出的无监督鲁棒递归最小二乘自适应滤波方法在未受到脉冲噪声干扰时与传统的递归最小二乘法具有相近的收敛性能;在脉冲噪声条件下,传统递归最小二乘法和其他的无监督自适应滤波方法性能都变得很差,但本文提出的方法几乎未受到脉冲噪声的影响.     

基于证据推理的故障预报模型

为处理存在定量与定性不确定性信息的非线性复杂系统故障预报问题,建立了基于证据推理(evidential reasoning,ER)的故障预报模型,提出了ER预测模型的参数优化方法.该模型利用ER算法可以处理精确数据、不完整数据、模糊数据的能力,及其非线性融合的特性,对模型的输入信号,通过信息变换技术转化到信度结构框架下,应用解析ER算法对输入信息融合,根据输出数据的类型,构造相应的预测输出,给出了故障识别方法.针对ER预测模型参数难以精确的主观确定的困难,建立了非线性优化模型,对模型参数进行优化学习,获取最优模型参数.通过实验对ER预测模型的性能进行了分析,结果表明,建立的预测模型和参数优化模型可以有效的处理故障预报问题.     

铁路钢板结合梁桥约束阻尼层减振降噪分析

约束阻尼层通过剪切变形耗散振动能量,能在较宽的频率范围内达到减振降噪的目的.本文基于模态应变能法,车-线-桥耦合振动和统计能量分析,提出了约束阻尼层铁路结合梁桥的振动与噪声理论计算模型.对某(32+40+32) m连续板梁钢-混结合梁桥敷设约束阻尼层后的振动与噪声进行了仿真分析和现场测试.分析结果表明:敷设约束阻尼层后该桥振动与噪声理论计算与现场实测结果吻合良好,本文提出的约束阻尼桥梁振动与噪声计算方法可行;全桥在钢梁的腹板敷设约束阻尼层328.23 m~2后,振动加速度在整个分析频段内都得到了有效的降低,腹板和下翼缘振动加速度级分别降低8.1和4.4 dB;场点S1和S2噪声值分别降低4.2 dB(A)和4.3 dB(A);阻尼层剪切模量和厚度存在一个最优值;当约束层厚度过大时,低频段的降噪能力逐步退化.     

InSAR干涉相位图生成的图像配准自补偿方法

提出了一种基于局域斜平面地形模型的联合子空间投影方法来估计陡峭地形的InSAR干涉相位．该方法能够充分利用相应像素对及其相邻像素对的相干信息，并且利用包含干涉相位的信号子空间的所有基矢量向噪声子空间投影来估计干涉相位，该方法具有自适应图像配准和降低相位噪声功能，因而可以在SAR图像配准精度很差（可以允许达到一个分辨单元）的条件下准确地估计相应像素问的干涉相位．实测数据及仿真数据的处理结果证明了此方法的有效性．     

基于相空间重构和Volterra的非线性寒区气温预测方法

对寒区冬季气温时间序列的混沌特性及其应用技术进行了研究.先通过0-1混沌测试法确定寒区冬季气温时间序列具有混沌特性,然后通过相空间重构,分别利用C-C算法和G-P算法确定延迟时间和嵌入维数.在此基础上,提出了一种相空间重构和Volterra滤波的寒区冬季气温预测方法.实例分析表明,提出的预测方法在预测精度、预测误差、预测效果方面均优于常见模型,证明该预测方法是可行和有效的.     

机械系统状态监测与故障诊断领域的重要课题

非线性是机械系统动力学的固有属性。当非线性因素较为突出时，基于线性振动理论的机械故障诊断与预测方法不仅导致定是的误差，更重要的是，将与故障紧密相关的丰富的系统非线性动力学行为。本文指出了基于线怀振动的机械故障诊断与预测方法的局限性；分析了机械系统非线性振动的特征及几种典型的非线性故障现象；讨论了机械设备非线性故障的机理、监测、诊断与预测的有关问题。本文旨在引起对机械系统非线性振动特征及由此而产生的     

利用AR模型参数和BP神经网络辨识微震信号

利用AR模型参数和BP神经网络,针对矿山微震信号具有频带较宽、谱成分丰富的特性,提出了时不同频率范围的信号和噪声进行滤波处理的方法.利用该方法可将噪声与信号分离以及将不同频段信号分解,从而达到滤波的目的.实验结果表明,利用AR模型参数和BP神经网络能够有效去除微震异常信号的噪声,可应用于微震信号的预处理和微震预测.     

基于预测滤波器的故障诊断方法研究

提出了基于预测滤波器的非线性系统的系统故障诊断的方法, 并且给出了这种方法的故障可检测性条件, 故障的误检率和漏检率, 以及故障检测时间的上界. 通过对一个二阶非线性系统进行的仿真验证了这种方法的有效性. 结果表明预测滤波器用于故障诊断时, 具有较快的速度、较低的误检和漏检率, 并且在故障发生后仍然具有对系统状态的跟踪能力. 该方法提供的实时故障估计还可以用于在线故障补偿.     

基于MRF的统计预测提升算子的构造与应用研究

根据图像的统计信息, 在Markov随机场(MRF)的理论基础上, 构造了一种新的非线性算子即统计算子, 提出了基于该算子的一种非线性提升小波分析方法. 并根据MRF的条件概率分布, 在理论上证明了采用基于统计算子的非线性提升小波变换可使图像变换后, 在无量化失真的前提下, 提高高频子带的零高频系数. 将该方法与现有的几种非线性形态学小波分析方法以及S+P变换和JPEG2000采用的5/3和9/7线性提升小波变换进行了不同图像的测试分析, 实验结果显示, 利用这种基于统计算子的提升小波分析方法对医学图像和混合文档图像变换后可取得较低的加权熵.     

相空间重构和混沌遗传神经网络融合的矿井涌水量预测研究

为了更准确预测矿井涌水量变化,有效防治矿山水害,本文提出利用相空间重构和混沌遗传神经网络相结合的方法预测矿井涌水量。选用C-C算法确定嵌入维数和延迟时间,通过对时间序列进行相空间重构来判断涌水量时间序列的混沌特性。为避免BP神经网络极易陷入局部解的问题,采用遗传算法对混沌神经网络进行参数优化,构建混沌遗传神经网络预测模型。将构建的模型应用于某矿山-100 m水平巷道涌水量的预测,在理论预测时长内预测最大误差为3.38%,表明该方法能够反映短期内矿井涌水量变化的趋势,相比单纯的混沌BP神经网络预测模型,预测精度有所提高,可为矿山企业的灾害防治提供科学的参考依据。     

基于EMD和LSSVM的滚动轴承故障诊断

滚动轴承故障的特征信号具有非平稳性,处于较低频带内,并且容易被噪声所淹没、难以检测,在现实条件下很难获得大量故障样本。针对滚动轴承故障信号的这些问题,提出了经验模态分解(EMD)和最小二乘支持向量机(LSSVM)结合的滚动轴承故障诊断方法。使用经验模态分解,将故障特征信号分解为若干个固有模态函数之和,提取特征向量,训练最小二乘支持向量机,通过对N205型号的滚动轴承实验数据的验证,表明了该诊断方法获得较高的准确率,能有效识别滚动轴承的故障类型。     

基于星历模的行星际halo轨道间转移会搜索

本文针对星历模型下星际三体系统动平衡点halo轨道间的转移机会搜索问题,提出了一种基于三体系统不变流形结构的二级搜索方法.该方法首先基于星历模型求解行星际halo轨道逃逸流形初始时刻与捕获流形末端时刻固定时,连接该不变流形的最优两脉冲转移问题,得到所给条件下星际halo轨道间的最优转移轨道.然后以逃逸流形初始时刻、捕获流形末端时刻为变量,以连接该不变流形的最优两脉冲转移所需的速度增量为目标函数,绘制等高线图研究解空间的全局特性,从而得到转移机会.最后分别以日一地与日一火系统及日一地与日一金系统为例,搜索其在2015-2017年的转移机会,研究结果验证了本文所提方法的有效性,同时也揭示出了行星际halo轨道间转移机会的类周期性.