基于OVMD与SVR的水电机组振动趋势预测

为更好地预测水电机组振动趋势,研究提出了一种基于最优变分模态分解（OVMD）与支持向量回归（SVR）的水电机组振动趋势预测模型。首先基于中心频率观察法与残差指标最小化准则确定OVMD的分解参数,采用OVMD将非平稳振动序列分解为一系列模态函数,并对各模态函数分别进行相空间重构,构建状态矩阵,进而得到SVR回归预测模型的输入、输出,再采用交叉验证的网格搜索策略优化各SVR模型的参数,并分别进行回归预测,最后对所有SVR预测结果进行求和,得到原始振动趋势的预测值。研究对某大型混流式水电机组的振动监测数据进行预测试验,并进行对比分析,结果表明该模型可有效预测水电机组振动趋势。     

混沌振动的自适应预测方法研究

在混沌时间序列相空间重构的基础上,提出了一种沿轨道自适应预测方法,推导了模型参数的自适应算法,并研究了不同邻域点数、重构嵌入维数对预测结果的影响,仿真研究结果表明在一定的参数条件下,该方法具有良好的预测性能。将该方法用于某型非线性隔振系统振动实验信号的预测,取得了良好的预测效果。     

音频注入下的飞机舱内噪声烦恼感抑制与评价

本文以滚动轴承为研究对象,将无量纲参数—跳跃性因子作为振动信号中的趋势预测特征值,采用短相关随机模型（ARIMA）和长相关分数阶差分的FARIMA模型分别对跳跃性因子进行预测,提出了适合长短相关性序列的MIX-ARMA自适应预测模型,根据Hurst指数自动地选择适合的预测模型。经R/S方法检验,跳跃性因子更适合长相关序列预测为旋转机械设备状态评估和决策分析具有重要意义。     

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。     

一种非平稳、非线性振动信号检测方法的研究

排列熵作为一种统计测度，是通过相空间重构来衡量时间序列复杂度的一个参数。为研究机械设备非平稳信号的非线性动力学特征，将排列熵引入机械设备故障诊断，研究了不同工作状态下滚动轴承振动信号的排列熵和嵌入维数与时间延迟对计算机械振动信号排列熵的影响，观察设备状态变化及振动冲击对排列熵的影响并对其进行了分析。结果表明：排列熵可以有效地检测出机械设备状态的变化，可以作为检测机械设备状态变化的一个参数。     

结合VMD和Volterra预测模型的轴承振动信号特征提取

针对滚动轴承振动信号的非线性和非平稳性特点,提出了一种结合变分模式分解(VMD)和Volterra预测模型的轴承振动信号特征提取方法。利用VMD良好的非平稳信号分解能力将轴承振动信号分解成有限个平稳的本征模式函数(IMF)分量,然后对各IMF分量进行相空间重构,在重构的相空间内建立Volterra自适应预测模型,根据类内类间距准则对模型参数进行优选,用于描述轴承振动信号。对4种状态的滚动轴承振动信号进行了分析,优选的特征参数表现出较好的分类性能。实验结果表明,该方法能有效提取振动信号中的非线性和非平稳特征,从而提高滚动轴承故障诊断精度。     

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。     

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。     

城市高架桥拆除爆破振动信号的非线性特征分析

为研究高架桥拆除爆破振动响应动力学机制,分析爆破振动、塌落振动时间序列的动力学因素,将拆除爆破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、Kolmogoro熵等核心参量计算,分析高架桥拆除爆破振动响应信号混沌特征。经过计算,爆破振动及桥体塌落冲击作用下振动响应信号相空间重构后具有奇怪吸引子,且Lyapunov指数、Kolmogoro熵均大于0。研究表明:高架桥拆除爆破振动信号具有典型的混沌特征,为混沌非线性理论引入爆破振动危害效应分析领域奠定了理论基础。     

基于多级滤波的子带信号分析及应用

为有效提取设备的故障征兆信息,提出了一种基于多级滤波的子带信号分析方法,并将其应用于机械设备的状态监测.运用两通道滤波器组来构造多级滤波器,再利用多级滤波器将机械设备的振动信号从高频到低频分解成一组子带信号,对子带信号进行频谱分析、包络分析等处理.结合对子带信号与原始信号的分析,提取出机械设备的故障征兆信息以进行状态监测.仿真分析和应用实例表明该,子带信号分析方法有助于更加完备地提取机械设备的故障征兆信息.     

Autonomic point cloud-based surface reconstruction using SVR

A surface reconstruction framework based on support vector regression (SVR) to generate a three-dimensional (3D) model is proposed in this paper. It can reduce the noise in sampled data as well as repair the holes by handling the missing data during the acquisition phase. SVR is quite efficient for surface reconstruction using parameter tuning and selective data sampling. Automatic parameter tuning of SVR is proposed using two techniques: particle swarm optimization (PSO) and genetic algorithm (GA). Independent component analysis (ICA) is a feature-preserved non-uniform simplification method which is applied to simplify point set by optimal attribute selection. First, under-sample the data, remove the redundancy, reduce the features using ICA and construct the surface using SVR. Both theoretical analysis and experimental results show that the performance of the proposed method yields an average SVR error ≈ 3% on the publicly available datasets. For majority of standard datasets, PSO–SVR is found superior to GA–SVR in convergence speed. Details of the surface are also preserved well which makes it suitable for 3D surface reconstruction.     

基于SVD降噪的经验模式分解及其工程应用

提出了一种基于奇异值分解降噪的机械设备振动型号经验模式分解方法,该方法首先对原始振动信号进行相空间重构和奇异值分解,然后根据分解奇异值的奇异熵确定降噪阶次,最后利用经验模式分解法提取降噪后振动信号的基本模式分量。对滤波前和滤波后的工业现场振动信号进行了经验模式分解,分析结果表明奇异值分解能够有效地提高信噪比,突出原始振动信号的故障特征,使得降噪后的振动信号分解出的基本模式分量具有更明确的物理意义,有利于对设备故障进行精确诊断。     

一种基于多测量向量模型的机械振动信号联合稀疏重构方法

针对目前机械设备越来越智能化、高速化、集成化和复杂化,传统的压缩感知模型(单测量向量)获得的测量信息比较单一,需要在不同监测点分别进行测量获得多个信号数据,浪费时间,并且忽略同一机器不同监测点之间信号的相关性,为充分利用信号间和信号内的相关性,更大程度上减少冗余性和采样时间,提出一种基于多测量向量模型的机械振动信号联合稀疏重构方法。重点研究了重构方法的设计:基于粒子群算法,首先通过时间稀疏贝叶斯算法求解出初始解,然后结合贪婪算法的修剪技巧并加入自适应粒子激活机制进行位置更新寻找最优解,最后对振动信号进行精确重构。实验结果显示,该方法较其它方法而言能有效的恢复机械振动信号且重构误差相对较小。     

奇异谱分解在超声速无人机声振试验数据处理中的应用

将相空间重构和奇异谱分解相结合对受强气动噪声影响的超声速飞行器测试数据进行滤波,以实现对于试验参数的精确识别。首先通过数值仿真论证该方法的可行性,然后针对某型超声速无人机的声振试验对试验采集数据进行相空间重构,并对重构后的轨迹矩阵进行奇异值分解,得到反映真实信号信息的信号子空间和反映噪声信息的噪声子空间。通过定义奇异值差分谱这一指标来判定真实信号信息子空间维数,并针对现有最大差分谱理论缺陷提出了优选差分谱峰值理论,利用奇异谱分解的逆过程对真实信号进行重构。重构结果表明,该方法适用于超声速飞行下的飞行器声振试验数据处理,为超声速飞行器飞行状态的精确描述提供了良好的思路。     

颗粒碰撞环形调谐质量阻尼器的设计与实验

石化企业中缓冲罐、管道、压力容器及换热器等圆筒形设备普遍存在振动。采用低元化模型和等效质量辨识法,对调谐质量阻尼器在此类连续系统中的振动控制机理进行研究,设计一种便于安装的新型颗粒碰撞环形调谐质量阻尼器。理论推导阻尼器环向对称布置弹簧的综合刚度,测量颗粒碰撞阻尼系数,得到了最优调谐参数的阻尼器。运用MATLAB对不同阻尼比的阻尼器减振特性进行仿真,并设计悬臂钢结构圆筒模型作为振动控制对象。对结构1阶模态频率附近的振动控制情况进行实验,对比有无颗粒阻尼下的减振效果差异。结果表明,设计的颗粒碰撞阻尼器能够有效抑制圆筒设备各方向振动,且减振频带大幅度拓宽。这种环形设计思想和颗粒碰撞阻尼可以对调谐质量阻尼器提供更大的应用空间。     

基于相空间重构与高斯过程的卫星钟差预报

提出了一种基于相空间重构与高斯过程预报卫星钟差的新方法。首先根据星载原子钟的物理特性用多项式进行拟合以提取钟差趋势项,并对拟合后的残差进行经验模态分解,作降噪处理;然后以降噪后的残差时间序列的混沌特性为基础,对其进行相空间重构;最后以重构的相空间为基础,运用高斯过程对残差时间序列进行建模预报,再将预报结果加上趋势项,获得最终的钟差预报值。采用IGS提供的GPS超快速观测钟差建模进行短期预报实验,结果表明,该方法能实时有效地对卫星钟差进行预报,且精度优于超快速预报钟差。