Application of signal sparse decomposition in dynamic test

In dynamic test,sampling rate is high and noise is strong,so a signal sparse decomposition method based on Gabor dictionary is put forward.This method iteratively decomposes the signal with the matching pursuit （MP） algorithm and takes the coherence ratio of the threshold as a condition of iteration termination.Standard MP algorithm is time-consuming,thus an adaptive genetic algorithm is introduced to MP method,which makes computation speed accelerate effectively.Experimental results indicate that this method not only can effectively remove high-frequency noise but also can compress the signal greatly.     

独立分量分析在机械振动信号分离中的应用

针对机械运转时工作环境复杂,监控采集的信号多为混合信号的情况,研究了如何从混合信号中分离出相对应的各振动源信号.采用独立分量分析的分离方法,通过对极大似然估计的目标函数进行简化,基于无需选择学习率的快速不动点迭代的优化方法,选用可同时估计亚高斯和超高斯独立成分的非线性函数估计概率密度,推导出了该算法.最后,对工程中几种特殊情况下的混合信号进行仿真和实验室实测的分离试验.结果表明,算法简单易行,具有快速稳定收敛的性质.     

一种基于混沌映射的图像加密算法

应用离散混沌序列易于生成,对初值敏感以及具有白噪声的统计特性,设计了一种"仿Feistel网络结构"的数字图像加密/解密算法.该算法的所有密钥都由不同的混沌动力系统产生,增加了破译难度.算法中的置换和替代操作,组成了具有良好密码特性的SP网络结构,置换也受密钥控制,增加了算法的复杂性.加密操作的输出结果依赖于密钥的强非线性耦合,增强了安全性.在"仿Feistel网络结构"的每次迭代操作中,都能够对所有的明文进行加密,提高了加密效率.最后,以Matlab中的图像Pout为例进行了仿真试验,结果表明,该算法具有良好的安全性和效率.     

利用改进的Retinex进行人脸图像光照处理

为了提高光照变化条件下的人脸识别率,针对Retinex算法处理人脸侧光照图像时会误增强阴影的边缘提出了一种基于新的传导函数的自适应平滑Retinex算法。该传导函数用空间梯度和像素的局部不一致性两种方式共同测量灰度的剧烈变化,在平滑图像的同时没有边缘增强效应,且不会损失人脸特征边缘。在平滑估计的迭代过程中,选取上一次与此次迭代结果中的较大值作为约束条件来保证估计出的亮度图像能满足Retinex理论的约束条件。在YaleB人脸库上的实验结果表明,本文算法能有效克服强侧光照时的阴影现象且没有损失人脸特征边缘;与较经典Retinex算法相比,侧光照时的识别率在最好情况时提高了24.2%,无强侧光照时也可提高4%左右,具有光照鲁棒性,可适用于任何光照条件下的人脸识别。     

激光粒度测量的综合反演及参数选择

本论文提出了一种应用于激光粒度测量的无模式综合反演算法,即,二阶段迭法算法。该算法综合采用了改进共轭梯度法和松弛迭代法各自的优点,使用了共轭梯度法作为第一步预迭代,利用其快速收敛性和解的平滑性得到第二步迭代的初始解,而后,采用了改进的松弛迭代法对第一步的初始解进行改进。使用该方法能使解在稳定性和准确性方面得到了一定程度的改进。对算法进行了分块操作,并对所有模块如共轭迭代法,正则化法,松弛迭代法进行分析,指出模块的可行性与必要性,同时进行参数的最优化选择。     

基于自适应CEEMD的非平稳信号分析方法

由于标准的互补集总经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)在处理模态混叠问题时缺乏自适应性,其本质是分解信号获得的本征模态函数(intrinsic mode function,简称IMF)之间产生了一定的信息耦合现象,使IMF分量不能正确地反映信号的真实成分。因此,提出了在使用CEEMD分解信号的过程中嵌入网格搜索算法(grid search algorithm,简称GSA),以最小二乘互信息(least squares mutual information,简称LSMI)为网格搜索算法的适应度函数,构造一个自适应CEEMD方法。该算法通过自适应地搜索最佳的白噪声幅值,修正信号分解过程中产生的少量的耦合频率成分,确保每个IMF分量之间信息的正交性,以进一步抑制模态混叠问题。最后,通过仿真实验验证了该方法的有效性,并将该方法用于提取滚动轴承微故障的特征频率。实验结果表明,该算法在滚动轴承的微故障特征提取应用中具有更少的迭代数、IMF分量以及相对更小的计算量。     

基于稀疏分解的振动信号数据压缩算法

针对齿轮传动装置在状态监测与故障诊断过程中面临的大量振动信号传输困难问题,提出利用K-SVD算法进行信号的稀疏分解,进而完成对大量振动数据的压缩。传统K-SVD算法在字典更新过程中对时间的消耗量较大,特别是在大量振动数据压缩过程中,对数据压缩效率较低,为此提出一种K-SVD字典更新的改进算法。改进算法从单次迭代过程中参与更新的字典原子列数出发,每次奇异值分解后对多列字典原子同时进行赋值,从而减少单次迭代计算量。根据不同原子列数在稀疏分解过程中的迭代收敛次数、时间消耗与重构峰值信噪比,以此确定最佳的字典更新列数。实验结果表明:传统K-SVD算法对振动信号的数据压缩效率较低,改进算法能够在保证信号压缩比与重构效果的前提下,有效缩短训练字典的时间消耗。     

基于滤波反投影的脑磁感应迭代重建算法研究

颅脑磁感应断层成像技术(BMIT)是一种非接触、无创的新兴颅脑医学成像技术,图像重建算法是提高重建图像质量的关键。依据BMIT反投影算法和迭代算法,设计出一套基于滤波反投影的脑磁感应迭代重建方法。首先根据滤波反投影重建算法原理,给出初始电导率分布,其次基于电导率变化敏感性加权计算滤波反投影矩阵,最后利用一步牛顿迭代构成滤波反投影迭代重建算法,通过设置理想条件数G来修正Hessian矩阵,改善重建过程的病态程度,并对待重建数据进行标准化位置校正处理。实验结果表明,该算法成像速度快,重建出的图像具有较高分辨率,能够准确反映成像区域内仿真病变的大小及位置信息,且轮廓清晰,为颅脑磁感应断层成像技术应用于临床监护奠定了基础。     

谱质心迁移在变工况轴承故障诊断的应用

轴承故障诊断普遍存在需建立不同模型以适应变工况的问题,故提出一种谱质心迁移学习模型,通过将源工况领域迁移至目标工况领域减少后者的建模代价,并增强模型通用性。首先计算两工况领域间频谱相似度(FSSM)并排序选择近距离源工况领域为初始训练集。其次在迭代过程中剔除与训练集谱质心均值距离较远的样本,并加入同数量目标工况领域无标签样本,直至两者谱质心均值距离一致,模型故障类别取决于支持向量机(SVM)和逻辑回归(LR)基分类器的输出。Spectra Quest齿轮传动系统试验结果表明,转速负载发生变化时,该模型诊断性能优于非迁移模型,且能够根据替换样本数、精度、频谱相似度、耗时等指标评估源工况领域质量,因此具有解决变工况轴承故障诊断问题的潜在价值。     

An extreme learning machine combined with Landweber iteration algorithm for the inverse problem of electrical capacitance tomography

The image reconstruction of the electrical capacitance tomography (ECT) is an ill-posed and sparse problem. In order to increase the accuracy and speed of the image reconstruction, this paper proposes a new reconstruction algorithm which is based on the extreme learning machine (ELM) with the Landweber iteration method. Firstly, a nonlinear mapping model is established between the pixel gray-scale values and the interelectrode capacitances by using the ELM which has a good learning ability and high speed. Secondly, the Landweber iteration method, which has a good performance in convergence and stability, is applied to calculate the output weight matrix of ELM. Finally, a convergence and stable mapping model of ELM with the Landweber iteration algorithm (L-ELM) for ECT image reconstruction is trained on Matlab platform. Both simulation and measurement tests are carried out to evaluate and analyze the proposed method. Experimental results indicate that the proposed algorithm has good generalization ability and high image reconstruction quality which are better than those of conventional ELM algorithm.     

Improved CICA algorithm used for single channel compound fault diagnosis of rolling bearings

A Compound fault signal usually contains multiple characteristic signals and strong confusion noise, which makes it difficult to separate week fault signals from them through conventional ways, such as FFT-based envelope detection, wavelet transform or empirical mode decomposition individually. In order to realize single channel compound fault diagnosis of bearings and improve the diagnosis accuracy, an improved CICA algorithm named constrained independent component analysis based on the energy method (E-CICA) is proposed. With the approach, the single channel vibration signal is firstly decomposed into several wavelet coefficients by discrete wavelet transform(DWT) method for the purpose of obtaining multichannel signals. Then the envelope signals of the reconstructed wavelet coefficients are selected as the input of E-CICA algorithm, which fulfills the requirements that the number of sensors is greater than or equal to that of the source signals and makes it more suitable to be processed by CICA strategy. The frequency energy ratio(ER) of each wavelet reconstructed signal to the total energy of the given synchronous signal is calculated, and then the synchronous signal with maximum ER value is set as the reference signal accordingly. By this way, the reference signal contains a priori knowledge of fault source signal and the influence on fault signal extraction accuracy which is caused by the initial phase angle and the duty ratio of the reference signal in the traditional CICA algorithm is avoided. Experimental results show that E-CICA algorithm can effectively separate out the outer-race defect and the rollers defect from the single channel compound fault and fulfill the needs of compound fault diagnosis of rolling bearings, and the running time is 0.12% of that of the traditional CICA algorithm and the extraction accuracy is 1.4 times of that of CICA as well. The proposed research provides a new method to separate single channel compound fault signals.     

点接触弹流润滑问题的高效直接算法

在复合直接迭代法的基础上,运用分块迭代的思想将方程组降维,通过研究弹性变形影响因子对弹性变形的影响,将压力迭代矩阵由满元阵变为稀疏的带状阵,提出一种新的求解点接触弹流问题的高效直接迭代算法.与复合直接迭代法相比,该算法大大减少了计算量,计算效率至少提高20倍,并且可适用重载工况.将新算法计算结果与Hamrock-Dowson公式计算结果进行比较,并讨论迭代矩阵半带宽与收敛速度、载荷范围、计算精度以及数值稳定性的关系.结果表明,当压力迭代矩阵密度为满阵的22％～25％时,新算法具有最高的计算精度.     

结合粒子群优化和综合评价的脉冲耦合神经网络图像自动分割

为了解决脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)在图像分割中多参数设定以及评价准则单一的问题,提出了一种结合粒子群优化算法(Particle Swarm Optimization,PSO)和综合评价准则的PCNN图像自动分割方法。采用单调递增阈值搜索策略的PCNN改进模型,将PSO优化原理与由交叉熵参数,边缘匹配度和噪点控制度共同构成的综合评价相结合,以综合评价作为粒子的适应度函数,自动寻优获取PCNN图像分割模型的目标时间常数,连接系数以及迭代次数n,从而实现全参数自适应的PCNN图像分割。实验结果表明算法在保证PCNN运行效率下对不同类型图像都能进行正确完整的分割并兼顾纹理细节的保留。从实验数据可以看到,本文算法在综合评价和通用综合指标上均优于其他对比算法,综合评价平均优于其他算法10.5%。客观评价结果与视觉主观评价相一致,分割较理想,算法具有较高的鲁棒性。     

由可见光谱视频中提取心率的对角累积量法

由于使用经典的联合近似特征对角化(JADE)算法从视频中估计光电容积脉搏波(Photoplethysmography,PPG)信号,再经快速傅里叶变换转化成的心率值与真实心率值的误差较大,本文提出使用基于对角累积量算法从视频中分离PPG信号,再经过快速傅里叶变换转换成心率的方法来提高心率测量的准确性。进行了从RGB彩色可见光视频信号中恢复心率值的实验。对比实验表明,基于对角累积量分离算法所得心率值与真实心率值差的绝对值的统计特征参数较JADE算法均有所降低,均值、标准差、均方根误差平均分别下降1.46,4.98和4.49。通过Bland-Altman图的分析表明,在95%的置信区间内,对角累积量算法所得心率的浮动范围较JADE算法减小了2倍以上,显示对角累积量算法具有更高的估计精度,对肤色亮度和外界自然光的要求更低,通过调整参数值,可使运行时间控制在1s之内,基本满足实时提取心率的要求。     

基于经验模态分解的改进乘性噪声去除方法

乘性噪声往往由不理想的(时变的或非线性的)信道引起,它与信号是相乘的关系,因此难以消除。在乘性噪声消除应用背景下,引入同态变换去除噪声与信号的相倚性,将乘性噪声转化为加性噪声,并应用经验模态分解技术进一步研究受均匀分布白噪声污染的谐波信号及其同态变型的能量分布特性,据此建立起适用于乘性噪声去除的本征模函数幅值滤波新阈值准则。从而,形成基于经验模态分解的改进乘性噪声去除方法。结果表明,采用柔性阈值的改进算法对乘性噪声的去除效果最佳。而且,基于二阶多项式回归分析所构建的本征模函数幅值滤波阈值准则已经可以获得较高的源信号重建精度,过高的多项式阶次会导致本征模函数幅值滤波阈值与其实际噪声能量水平的失配,从而显著地降低算法的去噪性能。     

牛顿混沌迭代方法及四杆导引机构综合应用举例

机构学问题的数学模型常可化为多元非线性方程组，一般求解多元非线性方程组需要初始值，而初始值的选择是相当困难的。同伦方法不需初始值就能求出全部解，为求解这一问题提供了可行的方法，但需要培写专用的程序，且计算量比较大。该文结合MATLAB7．1高级程序设计语言采用简单的牛顿迭代法迭代，并将非线性方程视为非线性的动力学系统，利用使得系统产生混沌的Julia集的点求解方程的全实数解，而Julia集的点集用二周期逆像函数求得，再在其邻城内求解即可。运用该算法培写了MATLAB程序，并以平面四杆刚体导引机构综合问题为例进行了运算，找到了实现最大精确点时该问题的全部解，为实际机构的设计提供了多种选择方案，为机构学设计提供了一种迭代新算法。     

未知噪声频率环境下锂电池极片激光测厚研究

影响激光传感器在线检测锂电池极片厚度的因素主要包括激光传感器的测量精度、C型扫描机构固有频率和振动频率扫描时引起的动态误差以及外界环境噪声。多尺度小波去噪算法需明确噪声的先验频率,而常规稀疏分解算法在训练阶段采用与实际数据特征无关的相干比值确定迭代终止条件且构建过完备原子库的运算量巨大。改进稀疏分解去噪算法在训练阶段针对不同情况下的锂电池极片厚度,得到高度冗余的最佳原子参数,通过选取更反映数据波动性能的最小均方差值的迭代值作为测厚终止条件;在实测阶段,不需构建过完备原子库,而是提取训练阶段最佳原子参数构建次最佳原子函数,提取训练阶段最小均方差作为稀疏分解迭代终止值,实现了快速去噪。结果表明:相对于小波算法和常规稀疏分解算法,对于非连续性小幅面锂电池极片在缺乏先验知识的条件下,改进稀疏分解算法具有较好的去噪性能,满足高精度快速去噪的要求。     

基于EWT和多尺度熵的高压断路器故障诊断

提出了一种以经验小波变换(empirical wavelet transform,简称EWT)和多尺度熵相结合的高压断路器振动信号的特征向量提取和故障诊断的分析方法。首先,将高压断路器的振动信号进行经验小波变换,得到内禀模态函数(intrinsic mode function,简称IMF),选择相关系数较大的IMF进行重构;其次,提取重构信号的多尺度熵作为表征断路器状态的特征向量,采用归一化的方法对特征向量进行预处理并以此作为支持向量机(support vector machine,简称SVM)的输入向量进行分类训练;最后,将测试样本信号故障特征输入训练好的SVM,在SVM核函数参数进行网格算法优化的基础上进行状态识别及分类。实验结果表明,该方法可快速准确地检测高压断路器故障,实现了断路器故障的状态识别。     

离散振动信号分形盒维数的改进算法和应用

提出了振动信号的双尺度性概念 ,分析了离散信号盒维数一般计算方法的不足 ,推导出了确定周期或准周期振动信号无标度区的经验公式 ,给出了盒维数的改进算法。验证结果表明 :盒维数的改进算法简单可靠。对汽轮机组轴瓦松动故障的分析说明 :盒维数可以作为识别振动信号复杂程度的一个新的无量纲指标。     

基于自适应PCNN和小波变换的多聚焦图像融合算法

提出了一种基于自适应PCNN和小波变换的新型多聚焦图像融合算法。首先,对待融合的两幅图像进行小波分解得到两组多尺度图像,然后在小波域充分利用PCNN的同步激发特性,进行基于PCNN的融合策略设计。使用不同频率下小波系数的局域熵作为PCNN对应神经元的链接强度,经过PCNN点火获得参与融合图像在小波域中的点火映射图,根据点火时间计算点火映射梯度图,再通过判决选择算子,判定并选择点火时间梯度最大的小波系数作为融合系数。最后对融合后的小波系数进行重构生成融合图像。该方法中,根据设置的迭代次数来确定阈值调整时间常量 ,从而在迭代结束时,所有小波系数均得到激发,充分反映了点火时间的先后次序。实验结果以及与其他融合算法的比较分析表明,所提出的算法能有效地突出边缘细节、更好地保持图像的空间分辨力。