Lorenz系统中时间序列的相空间重构方法与特性

讨论了单变量非线性时间序列、重构相空间和恢复系统非线性动力学特性的方法。在对Lorenz系统的时间序列进行相空间重构的基础上，提出一种相空间重构新方法，即对重构后的相空间再作K-L变换。采用这种方法可以更多地保留系统信息，并消除重构相空间中各向量的相关性。     

时频流形自适应稀疏重构的遥测振动信号特征增强方法EI北大核心CSCD

针对遥测振动信号非线性、非平稳性、瞬态冲击性等特点,提出一种基于时频流形自适应稀疏重构的遥测振动信号特征增强方法,对振动信号进行相空间重构提取其时频流形;以时频流形为基础,采用KSVD算法自适应构建过完备字典,并从中找到最匹配的时频原子,根据得到的原子与相空间展开信号的时频分布,依次匹配计算获得其重构的稀疏系数;利用稀疏系数和时频原子对相空间中各维信号的时频分布进行重构,通过时频分布的逆运算和相空间还原得到特征增强信号。仿真和实测信号处理结果验证了算法的有效性。     

螺旋桨鸣音的混沌动力特性研究

利用混沌动力学方法研究螺旋桨鸣音系统时间序列,估计时间序列的相空间重构最佳参数,并首次提出其具有混沌动力特性,还进一步分析了系统拓扑维数的边界和生成系统所必须地独立变量的个数,计算分析了重构相空间中吸引子轨迹随时间演化的发散情况。分析计算结果表明：螺旋桨鸣音系统时间序列可以选取最佳延迟时间 、最小嵌入维数 进行相空间重构,其混沌吸引子的关联维数为5.1579、最大Lyapunov指数为0.0771,此研究结果可以为螺旋桨鸣音现象的进一步研究提供理论基础。     

相空间重构中时间延迟τ的确定方法

非线性系统的相空间重构可以将时间序列中蕴藏的信息充分地显露出来，其中时间延迟τ的选取具有十分重要的意义，同时这种选取也是很困难的。文章介绍了相空间重构中确定重构延迟时间τ的互信息法理论及其具体的计算方法，最终实际的数据证实了该算法的合理性。     

基于最优参数实现 Lorenz-stenflo系统的相空间重构

摘要：以一个新的扩展 Lorenz系统为背景,利用向量间的相似度改进了相空间重构所需的最优延迟时间的算法,并最终实现了该系统的相空间重构。数值结果表明改进后的算法是有效的,可能更好选择最优延迟时间。     

基于自适应本征维数估计流形学习的相空间重构降噪方法

针对实际工程领域振动信号噪声干扰大、具有强烈非线性等问题,提出了基于自适应本征维数估计流形学习的相空间重构降噪方法。利用相空间重构将一维含噪时间序列重构到高维相空间;基于极大似然估计法(maximum likelihood estimate,MLE)估计相空间中每个样本点的本征维数并使用自适应加权平均法计算全局本征维数;采用局部切空间排列(Local tangent space Alignment,LTSA)流形学习方法将含噪信号从高维相空间投影到有用信号的本征维空间中,剔除分布在高维空间中的噪声后,重构回一维时间序列。通过Lorenz仿真实验和风电机组振动信号降噪实例,证实了该方法具有良好的非线性降噪性能。     

基于Lyapunov指数能谱分布的转子-机匣系统故障诊断研究

提出了基于Lyapunov指数能谱分布的航空发动机转子-机匣系统故障诊断新方法.基于相空间重构,在优选重构参数的基础上,计算得到了某型航空发动机不同故障状态下机匣实测振动信号时间序列的Lyapunov指数谱;提出并定义了Lyapunov指数能、Lyapunov指数能谱、Lyapunov指数能谱分布的概念,获得了某型航空发动机在不同故障状态下的机匣实测振动信号时间序列的Lyapunov指数能谱及其分布,并基于此Lyapunov指数能谱分布对航空发动机转子-机匣系统进行了故障诊断和状态识别.研究结果表明:航空发动机机匣振动时间序列在不同状态下具有不同的Lyapunov指数能谱及其分布,即可以Lyapunov指数能谱及其分布作为识别其状态的特征量,为航空发动机转子-机匣系统的故障诊断和状态监控提供了新的可靠的方法.     

行波热声斯特林机中自激振荡的实验分析--利用相空间重构方法

一个由环形行波圈和谐振管组成的热声斯特林系统巳成功的设计和建造，本文介绍了使用声信号的时间序列来进行相空间重构，用相空间重构方法来描述和分析行波热声系统中的自激振荡，对系统的起振特性以及行波模态到驻波模态的转变进行了实验分析和研究。     

基于重构相空间短时状态预测残差的直升机旋翼损伤跟踪方法

运用相空间重构技术与Volterra泛函级数提出基于短时状态预测残差的旋翼损伤跟踪方法。应用相空间重构方法将旋翼状态监测信号变换到不同维数的相空间内以不同时间尺度观测系统的动态行为特性,从新视角研究旋翼损伤的演化过程,据旋翼实测相轨迹与Volterra基准状态模型预测结果之间的残差生成新的损伤观测信号,采用Unscent-ed滤波器对Volterra基准模型预测残差进行滤波,可进一步优化估计旋翼的损伤状态。该方法可利用单个状态监测信号的非线性特性在相空间中重建旋翼系统动力学本质,可更有效地开展旋翼的损伤跟踪与使用监测。     

非线性动力学相空间重构中小波变换方法研究

通过研究有限离散二进小波变换与非线性动力学相空间重构的关系,从相空间重构的角度解释小波变换处理混沌时序的合理性,指出混沌时序的离散小波变换实质上相当于在混沌时序重构的相空间中,混沌吸引子向离散滤波器向量投影的结果。在一定程度内混沌的特性不变。在滤波器向量所张开的平面上可以观察到混沌吸引子的投影：讨论了嵌入维数、时间延迟等与离散二进小波变换尺度间的联系。     

内燃机振动信号的混沌分形特性研究

运用分形及混沌理论对实测的内燃机各种振动信号进行了分析,计算了信号的Lyapnov指数及关维数。结果表明,缺盖振动混沌与确定性共存,而缸套,机身振动则为混沌振动,信号的关联维数可作为气阀机构诊断的一个诊断特征量。     

小波分解及图像处理在内燃机振动诊断中的应用研究

内燃机缸盖振动具有明显的非平稳时变特点，因此在监测诊断时应尽量利用信号中的信息。为了克服时域和频域特征提取方法的不足，从而充分利用振动信号所包含的信息，本提出了一种新的内燃机故障诊断方法：对缸盖振动信号进行小波包分解，得到信号的时-频分布图，并利用软件方法定义图象，然后提取图象的各种特征参数实现诊断。将该方法用于6135柴油机气阀机构的故障诊断，取得了很好的效果。结果表明此方法简单有效，诊断精度较高，且对信号采样的要求不高，易于实用。     

Fault Diagnosis for a Diesel Valve Train Based on Time-Frequency Analysis and Probabilistic Neural Networks

The cone-shaped kernel distributions of vibration acceleration signals, which were acquired from the cylinder head in eight different states of a valve train, were calculated and displayed in grey images. Probabilistic Neural Networks (PNN) was used to classify the images directly after the images were normalized. By this way, the problem of fauh diagnosis for a valve train was transferred to the classification of time-frequency images. As there is no need to extract features from time-frequency images before classification, the fault diagnosis process is highly simplified. The experimental results show that the vibration signals can be classified accurately by the proposed methods.     

配气机构多柔体系统动力学仿真

利用Pro/E软件建立配气机构三维实体模型,并用ANSYS软件对推杆、摇臂、气门等零件进行网格划分、模态计算生成相应的柔性体;以ADAMS/Engine为仿真平台,建立了配气机构多柔体动力学模型。通过仿真分析,得到不同转速下配气机构仿真的结果,同时,分析了配气机构的噪声机理。该方法能够更加准确细致地分析配气机构动力学特性,为后续柴油机整机振动和噪声的分析和预测,提供更为精确的边界条件。     

隧道爆破振动信号的混沌特征分析

基于混沌理论,将邻近隧道爆破、上跨坑道爆破作用下既有隧道振动响应时间序列进行相空间重构,通过吸引子、Lyapunov指数、关联维数等核心参量计算,分析隧道爆破振动响应信号混沌特征。经过计算,邻近隧道爆破作用下既有隧道振动响应信号相空间重构后具有奇怪吸引子,且Lyapunov指数均大于0,可判定其具有混沌特征;上跨坑道爆破作用下既有隧道振动响应信号的Lyapunov指数也均大于0,表明其也具有混沌特征。研究表明,隧道爆破振动信号具有混沌特征,随着钻爆作业面与既有隧道爆心距减小,λ值变大,隧道爆破振动响应的混沌特征增强,应更加强钻爆参数的合理优化和爆破振动实时监测,确保施工质量和爆破安全。     

Fault Diagnosis for IC Engines Using Wavelet Packet and Image Processing

There are few applications of image processing technology for diagnosing and state monitoring for internal combustion (IC) engines, which is discussed in detail in this paper. The time-frequetwy distribution images of cylinder head vibration signals are obtained by decomposing them with a wavelet packet algorithm. It is the first time that toe look at time-frequency distribution images from the point of images. Based on this, a new method for applying image processing technology for diagnosing and state monitoring for internal combustion engines is presented in this paper. A valve fault diagnosis model is set up by image matching, which is realized on a four-stroke, six-cylinder diesel engine. At the same time,some notes are presented in this paper. It has been proved that it is of no good effect to diagnose with histograms of time-frequency images generated by cylinder head vibration signals that have been processed with a wavelet packet algorithm. The reason is given in this paper. Comparisons of diagnosing effect are carried out between noise-added signals and original signals. It has little effect on diagnosing results after signals have been added with noise. The results show that this method has a clear physical meaning and is of good engineering practicability, feasibility, good precision and high speed.     

地铁车辆段上盖物业车致振动分析

为研究地铁列车进出车辆段对上盖物业振动的影响,先结合两个实际工程,对武汉某车辆段和宁波某车辆段内运用库列车振动荷载进行现场实测,并对两车辆段内运用库列车振动荷载进行对比分析,探讨车辆段内运用库列车振动荷载特性。然后改善了基于弱振情况下结构精细化有限元模型构建方法和荷载输入方法,并基于实测数据验证了其合理性。最后建立了武汉某车辆段上盖物业精细化有限元模型,计算分析上盖物业的振动响应。计算结果表明：地铁列车进出车辆段引起上盖建筑物的振动高频成分较丰富,其主频率在40Hz附近,列车振动荷载特性决定了建筑物内振动的频域分布;建筑内楼板跨中各方向振级沿高度方向的变化是不同的,铅垂向Z振级沿楼层的上升呈现先减小后增大的特点,而在水平方向振级总体上呈现随楼层增大而增大的特点。本文的研究成果可为精确预测、分析和评价地铁车辆段上盖物业振动舒适度提供基础。     

基于改进HHT分析车轮椭圆化对高速列车时频特征的影响

研究车轮椭圆化对高速列车时频特征的影响问题。建立车辆/轨道空间耦合模型,模拟计算了高速车轮椭圆化和轨道谐波不平顺共同激励下车辆系统的动力响应。将一种基于改进经验模态分解的希尔伯特-黄变换方法应用于车辆/轨道耦合系统的振动信号分析中,计算分析了动力响应的时频分布和振动能量分布。结果表明：车轮椭圆化会引起车辆系统振动响应的频率调制,车辆系统蛇形运动和振动能量分布的非线性变化。     

基于参数优化VMD和增强多尺度排列熵的单向阀故障诊断

针对高压隔膜泵机械结构复杂,单向阀故障特征信息分布在多尺度上,单一尺度难以全面提取特征的问题,提出了一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)和增强多尺度排列熵(Enhanced Multi-scale Permutation Entropy,EMPE)的单向阀故障诊断方法。对单向阀振动信号进行VMD分解,以包络熵最小原则对其进行参数优化,获得既定的若干本征模态函数(Intrinsic Mode Function,IMF)分量;计算IMF分量的增强多尺度排列熵,构建故障特征值向量;利用基于变量预测模型的模式识别(Variable Predictive Model Based Class Discriminate,VPMCD)方法对故障特征值向量进行训练和识别,进而实现单向阀的故障诊断。仿真信号和工程实验分析表明,该方法可以准确地识别单向阀的故障类型,具有一定的可靠性和工程应用价值。     

Laplace小波相关滤波法与冲击响应提取

冲击响应信号的出现标志着机械设备发生松动，碰撞，冲击等故障。在复杂的振动信号中准确提取出冲击响应信息在机械故障诊断中具有重要的意义，介绍了用来识别冲击响应信号的Lapalce小波相关滤波法，通过对含有噪声的模拟冲击响应信号的识别，证明该方法能够在强大噪声干扰中准确捕捉到冲击响应信号。工程应用结果表明，相关滤波法可以从复杂的内燃机缸盖振动信号中准确定位进气阀关闭时冲击发生的时刻及频率，从而成功地诊断出因进气阀磨损而导致的漏气故障。