基于变分模态分解的机械故障诊断方法研究

变分模态分解(VMD)是一种新的自适应信号分解方法,该方法的核心思想是假设每个模态的绝大部分都是紧紧围绕在某一中心频率周围的,然后将模态带宽的求解问题转化为约束优化问题,求解出每个模态。将VMD引入到机械故障诊断中,提出一种基于VMD的机械故障诊断方法,并与集合经验模态分解(EEMD)方法进行对比分析。仿真结果表明：VMD方法明显优于EEMD方法,能有效地分解出信号的固有模态;与EEMD方法相比较,该方法模态混叠现象弱,计算效率高,理论充分。将VMD方法成功地应用到转子不同碰摩严重程度的故障数据分析实验中,实验结果进一步验证了该方法的有效性,能够揭示出碰摩故障数据的频率结构,区分碰摩故障的严重程度。     

基于EMD和LSTM的火箭炮电气系统状态预测

为对火箭炮电气系统状态进行预测,提出一种基于EMD-LSTM的火箭炮电气系统状态数据预测方法.针对火箭炮电气系统状态数据的变化特点,将经验模态分解(empirical mode decomposition,EMD)良好的滤波特性和长短期记忆网络(long short term memory network,LSTM)优异的数据预测能力相结合,并进行预测分析实验.实验结果表明:该方法预测的数据与原始数据之间的均方根误差值较小,且优于直接对原始数据进行预测的结果,能为火箭炮电气系统故障预测提供可靠的数据.     

基于变分模态分解的侵彻过载信号特征提取

针对传统侵彻过载信号处理方法存在滤波效果不佳、模态混叠、端点效应、自适应性差的问题,提出基于变分模态分解的侵彻过载信号特征提取方法。该方法将侵彻过载信号的特征提取过程转移到变分框架内进行处理,通过寻找变分模型的最优解获取本征模态函数,能够自适应地实现信号的频域划分和各分量的有效分离,并有效地提取出侵彻过载信号的数据统计特性。实验验证结果表明,与经验模态分解相比,变分模态分解的特征提取效果更佳、信噪比更高,重构信号的积分结果更好地反映了弹体的实际侵彻深度,是一种用于侵彻实验数据事后处理的可行的新方法。     

一种新的外测数据随机误差分离方法

主要研究了外测数据随机误差分离问题。利用模型函数逼近趋势项的方法建模较为复杂,小波变换的方法需预先确定小波基和分解层数。基于经验模式分解(EMD)的趋势项消除方法由于EMD分解可能会有模态混叠效应和分解的本征模态函数层数冗余的特性,导致该方法分解的余项不一定能准确逼近趋势项。在此方法基础上提出了基于总体经验模式分解(EEMD)的随机误差分离方法,利用EMD分解的频率特性和能量特性,提出了利用能量比例法来确定用来逼近趋势项的本征模态的层数,进而分离随机误差的方法。理论仿真和实测数据证明了该算法的有效性和实用性。     

基于EEMD的声发射管道泄漏定位检测

为提高管道泄漏声发射定位精度,针对管道泄漏声发射信号的非平稳特性,提出了基于经验模态分解(EEMD)的声发射管道泄漏定位新方法;该方法将管道泄漏产生的声发射(AE)信号进行小波去噪,经EEMD分解为若干个本征模态函数(IMF),对具有实际物理意义的IMF进行重构,通过互相关法确定时差进行定位;仿真和实验表明:该方法消除了直接相关法和经验模态分解(EMD)方法的缺点,提高了定位精度。     

基于掩膜经验模态分解和ELM 的风速预测

针对随空间、时间呈现非平稳、非线性变化的特征,提出基于极限学习机和掩膜经验模态分解的组合短期风速预测方法.首先,风速序列的非平稳性特征对风速预测结果有较大影响,利用掩膜经验模态分解的方法将风速序列分解成对平稳的不同频率的分量,解决其存在的非平稳性问题;其次,为处理极限学习机的输入维数随意性选取问题,对风速序列分解不同频率的分量进行相空间重构;最后,利用ELM神经网络方法对各分量建立预测模型.实验结果表明:该预测方法在短期风速序列预测中取得了理想的预测效果,提高了算法精度,具有先进性和有效性.     

Hilbert-Huang变换在振动数据处理中的应用

Hilbert-Huang变换是最近发展起来的处理非线性非平稳信号的时频分析方法，该方法的关键部分是经验模态分解，它把一个复杂信号分解为有限数目的模态函数。对这些模态函数分别作Hilbert变换，就可得到每个模态函数的瞬时频率。该方法为振动数据分析提供了一种新的处理手段，应用结果验证了其有效性。     

基于经验模态分解的子母战斗部抛撒过载分析

介绍了经验模态分解方法的原理内容,该方法具有对非平稳信号分析的高效性和自适应性的特点。子母战斗部抛撒过载信号为复杂的瞬态非平稳随机振动信号,利用EMD方法对某子母战斗部抛撒过载测试信号进行分析与处理。研究结果表明, EMD能较好地按不同的时间尺度对信号进行分解,分解后的固有模态函数能反应信号本身所固有的特性。     

基于EMD的弹丸激波信号处理方法研究

实验中获取的弹丸激波信号因高频噪声的影响而几乎被淹波，预处理方法的研究对于有用信号的识别非常重要。文中通过分析弹丸激渡信号的特点。利用经验模态分解对弹丸激波信号进行了特征提取与选择，将本征模态函数分量及其瞬时频率作为特征．获得了较理想的N波信号处理结果。实验结果表明，该算法不仅能有效提取高噪条件下弹丸激波信号特征，而且易于硬件实现。     

基于形态学与灰度模态分析的阴影去除方法

针对采集图像中物体附近可能会形成阴影而造成干扰的问题,提出一种利用形态学修复方法和经验模态分解（empirical mode decomposition,EMD）技术实现阴影去除与目标图像的准确提取的方法。采用背景差分和二值图像形态学修复方法检测出含有目标及其阴影的区域,利用经验模态分解方法对该检测区域的灰度直方图曲线进行处理,获取灰度模式变化信息,将搜寻到关于目标及其阴影分割的双阈值水平,结合到形态学修复以实现阴影区域的去除,并以汽车及行人图像处理的实验进行验证。实验结果证明：图像中的目标阴影得到有效去除,该方法具有良好的适应性,能够获得准确的目标检测效果。     

基于EEMD和二维边际谱熵的齿轮箱故障诊断

针对信号经验模态分解（EMD）过程中存在波形混叠现象,提出一种基于聚合经验模态分解（EEMD）和Hilbert二维边际谱熵相结合的方法对齿轮箱故障进行分类故障诊断．首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理;其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别;最后对3种工况信号进行Hilbert变换并计算得到边际谱,并且提取二维边际谱熵作为支持向量机（SVM）的输入量,建立故障诊断模型．经测试该方法在齿轮箱故障诊断方面有着较强的分类能力和诊断精度,具有一定的可行性．     

基于Hilbert-Huang变换的发动机振动信号特征提取

基于Hilbert-Huang变换与小波分析相结合的故障特征提取方法,先利用小波分析方法将缸盖振动分解在低、中、高三个频段,然后对各个频段的信号进行EMD分解,对得到的IMF分量做Hilbert变换,得到各个频段的Hilbert谱.再根据发动机冲击响应的特点,将Hilbert谱沿频率轴积分,然后在时间-幅值平面上投影成二维的频带能量分布图,突出故障信息.实例表明,通过各频段、各冲击响应能量分布的变化,可实现故障的判断和定位.     

基于改进经验模式分解算法的实时滤波新方法

由于电液伺服系统本身的特点使某些干扰信号频段与正常信号的频段很靠近,普通数字滤波器很难起到较好的作用。为了能够精确过滤这些干扰信号,改进了Hilbert-Huang变换中所提出的经验模式分解(EMD)算法,扩展了极值点的定义,给出了插值判断条件,新增了分解结束判断条件。改进后的EMD算法对电液伺服系统信号有更好的包络效果、更佳的分解效果和更快的分解速度,可以满足实时滤波要求。将基于改进EMD算法的实时滤波器应用于实际的电液伺服控制系统后,同普通数字滤波器和原EMD算法进行对比,其结果验证了该滤波器的滤波效果优于普通数字滤波器,计算效率得到提高。     

基于经验模态分解的多普勒信号提取

为提高引信目标信息利用水平,针对连续波多普勒体制无线电引信,研究了经验模态分解(EMD)对非平稳多普勒信号的提取。EMD能够自适应地将多普勒信号提取到窄带的子带中。借助仿真手段,按对空、对地两种引信目标信号,分析对比了EMD和小波变换对多普勒信号的提取。仿真结果表明:EMD更适合于对地目标多普勒信号的提取,而在对空目标的多普勒信号提取上不如小波变换。     

基于弹上总线的导弹装备测试性设计方法

为克服传统测试方法在测试数字电路板时的技术障碍,提出基于弹上总线及边界扫描的弹上设备机内自测试设计方案。在介绍IM总线(module test and maintenance bus,TM Bus)和边界扫描的基础上,论述系统测试性设计的基本概念,搭建测试试验系统,并对系统测试性设计概念和主要考核指标进行演示、验证。结果表明:该设计能简化导弹的测试流程,提高导弹武器系统的可靠性、维修性和测试性。     

基于BP 神经网络的装甲车辆发动机使用状态评价

为综合预测装甲车辆发动机使用寿命,应用相关性分析优化发动机使用影响因素指标体系,定义发动机使用条件修正系数,对发动机使用状态样本数据进行分析与处理,构建BP神经网络评价模型,并利用获得的样本数据对网络进行训练和检验。结果表明：该方法能定量评价装甲车辆发动机使用状态,为预测装甲车辆发动机使用寿命提供一种新方法。     

鱼雷发动机多学科设计优化应用展望

介绍了鱼雷发动机设计优化技术的现状与发展,提出了基于多学科设计优化(MDO)的鱼雷发动机优化设计方法,按零件、部件和总体方案设计3个阶段,分别从系统分解、模型建立、MDO策略、优化算法以及MDO平台建立5个方面,分析与展望了多学科设计优化在鱼雷发动机设计中的应用前景.     

一种基于球面调和函数的3D 模型仿真方法

描述了一种用于三维图像数据重构的可视化的新方法,其核心在于将三维图像数据模型分解为一组球面调和函数的正交基的扩展系数。利用最小二乘法将模型的原始数据坐标拟合成一组球面调和函数的正交基的扩展系数。这些系数可以通过个人计算机运算重建图像的三维模型。理论与实验表明:该方法的建模速度远高于一些传统的建模方法,为解决三维图像数据可视化中数据量大,建模速度缓慢等问题提供了一种新的解决方法。     

基于IAHP-GRA 的单元体发动机修理级别分析

针对现行整机维修的决策维修方案已不能满足单元体发动机使用保障要求的问题,提出一种基于IAHP-GRA的单元体发动机的修理级别分析方法。该方法采用单元体发动机的特点制定了修理级别分析评价指标体系,利用最优传递矩阵的性质对层次分析法进行改进,结合灰色关联分析方法对单元体发动机的修理级别方案分析进行了优化决策建模。算例验证结果表明:该方法是合理、科学的。     

基于FTA-FMMEA的某型导弹发动机失效分析

介绍了故障树分析法（ FTA）和故障模式、机理影响分析法（ FMMEA）。运用FTA建立了某型导弹发动机失效模型,并根据定性分析结果,对发动机点火药进行FMMEA分析,确定故障模式和故障机理,找出故障发生的根本原因,提出改进措施以符合初始风险优先数（ RPN ）要求,输出FMMEA表格。这一分析方法对导弹其他部件潜在故障的分析具有借鉴意义。