自适应局部独立分量分析

提出一种自适应局部独立分量分析降噪算法。该算法先将一维时间序列重构到高维相空间,用聚集模糊K均值聚类和聚类评价函数求取高维数据集的聚类个数和聚类中心位置,然后利用K均值聚类寻找局部投影区间,对每个聚类进行独立分量分析并投影到低维空间,将低维空间数据排列并重构成一维时间序列。与使用聚类的局部独立分量分析相比,该算法具有自适应性和稳定性。使用数值仿真试验和齿轮故障信号对该算法进行验证,结果表明该算法对此类信号具有良好的降噪效果。     

高阶局部投影算法及其在滚动轴承故障诊断中的应用

针对局部投影降噪算法中邻域相点的质心选取问题,分析了邻域质心的选取对降噪效果所产生的影响。提出了一种高阶邻域质心的选取方法,利用高阶多项式对邻域质心进行了更为精确地估计,更好地适应了吸引子的几何形状,进一步抑制了噪声,提升了局部投影算法的降噪效果。通过数值仿真信号进行了验证,并与同样基于相空间重构的非线性时间序列降噪方法做了对比,说明了高阶局部投影算法的优越性。最后将其运用于工业现场的风机轴承故障诊断中,从频域成功地提取出了滚动轴承的故障特征。     

基于噪声水平自适应估计的往复压缩机振动信号局部投影降噪方法

局部投影降噪算法在其应用过程中,邻域的选择对降噪效果有较大影响。提出了改进算法以解决传统算法中邻域难以选取的问题。该方法利用小波包分解技术,依据频带能量的差异将原始信号分解为噪声频带和系统信号频带,将噪声频带能量占原始信号能量的比值估计为噪声水平。在一定程度内逐步增加分解层数,直至该噪声水平收敛。根据收敛时的噪声水平估计相空间中相点的邻域半径,此外利用该噪声水平可实现对原始信号的盲信噪比估计。对含噪的Lorenz和Rossler序列进行数值仿真,结果表明该方法的降噪效果优于一些传统方法和基于定量递归分析的局部投影降噪算法。对实测往复压缩机振动信号的降噪研究,进一步表明了该方法的有效性。     

基于核主分量分析的经验模式分解及其工程应用

若信号的信噪比较小,经验模式分解不能正确分解出基本模式分量,分量中含有伪分量。根据此种情况,提出一种核主分量分析与经验模式分解相结合的方法。该方法首先建立信号相空间,利用核主分量分析方法提取相空间的核主分量,然后利用投影逆过程将得到的核主分量逆向投影回原相空间,从而重建信号相空间。最后对重建的相空间所对应的信号作经验模式分解。此方法可以有效消除噪声和冗余对经验模式分解的影响,提高经验模式分解的适应能力保证分解的有效性,确保其能够分解出正确的基本模式分量。通过工程实例进一步验证了该方法的可行性。     

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。     

邻域自适应选取的局部投影非线性降噪方法

局部投影降噪算法已广泛应用于非线性时间序列的分析中，但受邻域选取的影响较大。提出了一种按照自适应方式选取邻域大小的局部投影降噪算法。首先用时间延迟方法将一维时间序列重构到高维相空间。然后逐步增大每个待分析相点的领域大小，根据领域最大主方向变化过程中首次出现平稳阶段时，自适应地确定该相点的最优领域，最后再用局部几何投影的方法去除噪声成分。对洛伦兹信号和杜芬信号分别添加不同噪声水平的高斯白噪声，对领域自适应选取的局部投影算法与标准局部投影算法的降噪效果进行了比较。实验结果表明，自适应邻域选取方法，提高了局部投影算法的降噪能力和对领域参数的鲁棒性。     

基于双层相空间相似度的滚动轴承故障模式与故障程度的综合辨识

提出了一种基于双层相空间相似度分析算法结构,应用于滚动轴承故障类型和故障程度的综合辨识。该算法第一层结构中,对测试数据和样本数据进行相空间重构(PSR),得到在拓扑意义下等价的相空间,然后使用滑动窗截取数据段,采用归一化互相关函数(NCC)进行相空间相似度分析,实现轴承故障类型的分类;在第二层结构中,以已知不同故障程度数据之间的相空间相似度(PSS)为特征训练SVR结构,实现对故障程度的跟踪。实验信号分析结果表明,该方法能有效对轴承故障类型和故障程度进行综合辨识。与传统方法的对比表明该方法在准确性上有了一定的提高。     

基于相空间重构和非线性流形的滚动轴承复合故障诊断

针对滚动轴承振动信号的非平稳以及非线性特点,提出了一种基于相空间重构和非线性流形的滚动轴承复合故障诊断方法。该方法首先将滚动轴承一维振动信号重构到高维相空间,然后计算重构信号协方差矩阵的特征值,以此组成轴承故障诊断原始特征集;采用局部切空间排列算法对原始特征集作特征压缩后,将获得的新的特征输入到K-means分类器中进行轴承故障的识别与聚类。实验结果表明,与经典的线性分析方法PCA相比,该方法的聚类效果更好。     

基于奇异值分解和独立分量分析的滚动轴承故障诊断方法

针对强背景噪声下难以提取滚动轴承早期故障信号中故障特征频率的问题,提出奇异值分解和独立分量分析相结合的滚动轴承故障诊断方法。该方法首先利用相空间重构将一维时域矩阵拓展到高维矩阵,得到吸引子轨迹矩阵;然后对轨迹矩阵进行奇异值分解降噪,依据奇异值差分谱阈值原则选取相应阶次分量进行重组构造虚拟噪声通道;接着将重组信号和观测信号进行独立分量分析分离;最后利用能量算子解调方法提取出有效的故障特征分量,进而识别故障类型。滚动轴承故障诊断实验和仿真结果表明该方法有效可行。     

基于核独立分量分析的齿轮箱故障诊断

：独立分量分析是近几年发展起来的基于信号高阶统计特性的分析方法,它是指从多个源信号的线性混合信号中分离出源信号的技术,但目前的算法在处理非线性变化的信号时还有一定的局限,而基于非线性函数空间的ICA方法—KICA,即核独立成分分析,可以解决这一问题。与传统的ICA方法相比,KICA方法具有更好的灵活性和鲁棒性。文章介绍了核独立分量的基本原理,并进行了仿真说明,最后结合包络阶次方法对齿轮箱实测的瞬态声音信号进行了分析,找到了故障特征,验证了该方法的有效性。     

基于独立分量分析的结构模态参数识别

简要介绍了独立分量分析的基本原理及算法,探讨了结构的正规坐标与独立分量的关系。分析认为,结构自由振动响应的振型分解可以看做是一个ICA问题。因此,可以把独立分量分析发展成为一种利用结构自由振动响应时域信号进行模态参数识别的方法。结合数值仿真算例及振动试验,验证了独立分量分析用于结构模态参数识别的有效性。结果表明,独立分量分析可以准确的从结构自振响应中,分离出各正规坐标,同时估计出各阶模态振型向量,适用于环境激励下的工作模态参数识别。     

基于独立分量分析的高速微铣削力混合信号噪声分离方法

为得到高速微铣削力的真实信号,并且准确识别各激励源,对微铣削力混合信号分离和识别技术进行研究。首先对铣削力混合信号矩阵进行预处理,利用对预处理结果的独立成分分析(ICA)分离得到独立源信号矩阵,再通过快速傅里叶变换(FFT)得到独立源信号的频谱,最后分析并结合实验工况识别出微铣削力信号、机械噪声信号和环境噪声信号。实验结果表明:该方法具有同时分离非高斯性的机械噪声信号和高斯性的环境噪声信号的优点,可以弥补传统方法只能抑制高斯噪声信号的不足。     

Three-dimensional localization and optical imaging of objects in turbid media with independent component analysis

A new approach for optical imaging and localization of objects in turbid media that makes use of the independent component analysis (ICA) from information theory is demonstrated. Experimental arrangement realizes a multisource illumination of a turbid medium with embedded objects and a multidetector acquisition of transmitted light on the medium boundary. The resulting spatial diversity and multiple angular observations provide robust data for three-dimensional localization and characterization of absorbing and scattering inhomogeneities embedded in a turbid medium. ICA of the perturbations in the spatial intensity distribution on the medium boundary sorts out the embedded objects, and their locations are obtained from Green's function analysis based on any appropriate light propagation model. Imaging experiments were carried out on two highly scattering samples of thickness approximately 50 times the transport mean-free path of the respective medium. One turbid medium had two embedded absorptive objects, and the other had four scattering objects. An independent component separation of the signal, in conjunction with diffusive photon migration theory, was used to locate the embedded inhomogeneities. In both cases, improved lateral and axial localizations of the objects over the result obtained by use of common photon migration reconstruction algorithms were achieved. The approach is applicable to different medium geometries, can be used with any suitable photon propagation model, and is amenable to near-real-time imaging applications.     

基于约束独立成分分析的滚动轴承故障诊断

用新的理论和方法丰富和提高机械故障诊断技术是机械故障诊断学的重要内容之一。本文用约束独立成分分析方法把研究对象的先验信息作为独立成分分析算法的约束条件,使新的算法仅仅收敛于感兴趣的故障信号。这样可以提高故障诊断的针对性和效果。该方法可以从传感器信号中快速诊断设备中是否发生了某种故障,并以滚动轴承的仿真和实验验证了该方法的适用性和有效性。     

Blind source separation of photoacoustic depth profiles into independent components

Step-scan photoacoustic spectroscopy is a powerful tool to nondestructively retrieve depth related information from a sample. Through digital signal processing a series of spectra with effectively different modulation frequencies, probing different thermal diffusion lengths within a sample, can be collected simultaneously. For layered samples spectra of the constituent layers can then be obtained by calculating spectra at specific phase angles from the in-phase and quadrature data through phase projection. However, without prior knowledge of the spectra of the constituent layers, this approach can be difficult. In this report we present an alternate possibility for evaluating step scan photoacoustic data, namely independent component analysis (ICA), which allows for 'blind separation' of the mixed photoacoustic spectra without prior knowledge of the constituent spectra. Phase projection and ICA are applied to photoacoustic data acquired from a multilayer sample in an attempt to isolate the spectra of the constituent layers. The results for the two methods are comparable, with ICA offering the advantage that no prior information about the pure spectra of the sample layers is needed.     

基于局部均值分解与快速独立成分分析的潜水泵故障诊断

针对潜水泵故障诊断与分析时的信号干扰问题,提出使用局部均值分解与快速独立成分分析相结合的方法。将采集的振动信号进行局部均值分解,得出一系列的乘积函数分量,计算出每个分量与振动信号的互相关系数,选取互相关系数较大的分量进行重构并与振动信号组成矩阵,对矩阵进行快速独立成分分析处理,将处理后的有效数据进行频谱分析,得到最后的频谱图。通过具体实验,对比局部均值分解与快速独立成分分析处理后的正常运行和故障运行的频谱图,实现故障分析与诊断。实验结果表明,经过局部均值分解与快速独立成分分析处理的频谱图能够清晰地分辨出故障特征频率,提高了故障诊断的准确性。     

基于FICA的色彩信号宽带多光谱空间研究

目的利用快速独立成分分析法,实现有效利用色彩光谱信息进行色彩精度复制的关键技术。方法利用快速独立成分分析法对孟塞尔colormatt光谱数据集进行光谱空间降维,并利用选用的独立成分进行光谱空间重建;从累积空间覆盖率和表色精度等方面对该方法进行评价。结果随着选用独立成分个数的增加,累积空间覆盖率和表色精度数据逐步增大,当选用8个独立成分时,累积空间覆盖率和表色精度逐步处于平稳状态;根据需求选用5个基矢量对颜色进行准确光谱重建,最终累积空间覆盖率达到97%,99.92%的重构光谱拟合度达0.9以上,100%的样品色差小于0.5。结论利用快速独立成分分析法进行光谱空间降维,能够高精度地表示原始光谱空间。     

谐波及无功分量实时检测的一种小波方法

从小波函数的带通性质出发,利用小波变换在不同尺度下对非正弦电流信号进行检测,由此得出了它的基波和谐波分量及其有效值. 通过重构基波分量与电源电压之间的相位差,求得了信号中的基波无功电流分量. 为说明所提出检测方法的有效性,进行了相应的仿真研究,并讨论了影响检测精度的因素.