随机森林算法在柴油机故障诊断中的应用

针对基于单一分类器的柴油发动机常见故障识别效果不够理想,泛化性较差等问题,结合实验数据探索了一种随机森林(Random Forest,RF)分类器,提出小波包分解和随机森林相结合的柴油发动机故障诊断方法.首先,对缸盖振动信号进行小波包分解,并利用分解所得的小波包重构系数计算各频带能量特征;然后,对小波包频带能量特征进行...     

基于随机森林模型的台区相序识别方法

低压台区拓扑关系识别是实现电网智能化的一个关键基础,相对于人工识别,从数据挖掘角度进行识别,具有成本低、准确率高、时效性好的优势.就其相序识别问题,提出了基于随机森林算法的低压台区相序关系自动识别方法.首先基于随机算法原理搭建了用于台区相序识别的随机森林算法模型,并提出采用F1 score统计值作为识别模型的评价指标;然后将搭建好的模型应用到实际台区进行训练,训练方式设置了两类测试集:口袋内台区测试集与口袋外台区测试集;最后将训练好的算法模型对测试样本进行相序分许.实证结果证明,所提方法对台区的相序拓扑分析有较高准确性,为低压台区拓扑分析提供了一种技术思路和可行方法.     

钢筋混凝土梁损伤的小波包识别方法

基于小波包能量特征向量的损伤识别是一种对损伤非常敏感的方法.为了更有效地选择特征频带,从频带分解的角度分析了基于小波包分解能量特征向量的结构损伤识别方法.将结构响应信号进行小波包分解,提取各频带的能量.通过分析结构响应频率和小波包分解各频带频率范围,选取信号主要频率所在频带及其相邻频带的能量构成特征向量.当信号频率有微小改变时,特征能量向量的变化远远大于信号频率的变化.当结构出现损伤时,脉冲激励下其动力响应信号的频率有所降低,因此可以通过特征能量向量的变化来识别损伤.通过一根钢筋混凝土梁的试验验证了该方法的有效性.     

基于刚度矩阵分解的结构损伤识别方法

利用结构单元刚度矩阵的特征值分解和组合,获得结构总体刚度矩阵的分解表达式。以结构刚度矩阵的分解式为基础,推广并改进基于特征值分解的结构损伤识别方法,以一个梁结构为例验证所提方法的可行性。     

基于曲率模态和小波变换的结构损伤识别方法

在结构曲率模态基础上,提出了一种基于小波变换的结构损伤检测和定位方法.利用双正交小波函数对损伤前后结构的曲率模态进行小波变换,通过损伤前后小波变换系数的变化和分布情况建立了结构损伤指标,可判定损伤存在,确定损伤位置和估计损伤程度,并通过一两端简支梁的数值模拟对该方法进行了验证.     

基于VMD-WPD的异构特征与随机森林融合的轴承变工况故障诊断应用研究

滚动轴承在变转速工况下,振动故障信息受到转速调制,传统的FFT分析会产生严重的频谱混叠。为了有效解决轴承变转速工况的故障诊断问题,文章提出了一种基于异构特征融合的智能故障诊断方法,首先利用变分模态分解（VMD）和小波包分解（WPD）将非平稳的变转速信号分解为不同的分量,其次对不同的分量求取能量信息,利用能量信息构建基于模态和高低频的异构特征向量,最后将VMD-WPD的异构特征与随机森林的共智决策能力相结合,实现轴承智能故障诊断。试验表明,该方法能够较好地识别轴承变转速工况下的故障类型,为轴承的非平稳运行故障诊断研究提供参考。     

最优小波包分解在基于响应信号的结构损伤检测中的应用

小波包分解方法在基于响应信号的结构损伤检测中被证明对损伤程度高度敏感,得到广泛的应用.在小波包分解中采用的是完全二进制分叉树型分解,而实际上在分解过程中部分子信号仅含有很少的信息量,对其再进一步分解是不必要的.通过引入熵的概念,可以对分解过程中的各层子信号进行选择,仅对含有足够丰富信息的子信号进行更进一步的分解.这样做可以有效减少最终所得子信号数目,在保持灵敏度的同时降低损伤指标的维数,有助于缩减损伤识别中神经网络的规模,对于大型复杂结构的损伤检测工作具有一定的意义.     

基于Kriging模型的损伤识别方法

为提高损伤识别效率,提出将Kriging模型引入到损伤识别中的方法。首先,采用拉丁超立方抽样选取损伤参数的样本点,并求得其对应的加速度频响函数,进而构造Kriging模型;其次,让满足精度的Kriging模型代替有限元模型参与损伤识别,以频率响应差最小构造目标函数,利用布谷鸟算法求解损伤参数值;最后,通过平面桁架模型验证了所提方法的有效性,结果表明:仅布置一个测点即可对单损伤的损伤位置、损伤程度及多损伤的损伤程度进行较为准确地识别,最大识别误差小于1%;噪声和测点位置对损伤识别结果影响较小。     

基于SPC与小波变换的光纤光栅型损伤识别

为了研究光纤光栅传感技术在振动型损伤识别技术中的优势,建立了基于非平衡M-Z干涉仪和PGC相位解调技术的光纤光栅结构损伤识别系统;构建了基于小波包节点能量相对变化率之和的结构损伤识别指标;介绍了统计过程控制原理,推导了均值-极差控制图进行结构连续损伤识别的过程;测试了结构处于健康状态和6种损伤状态下的振动信号并分析了损伤识别.试验结果表明,构建的损伤识别系统能判断损伤的存在,并且能对损伤的位置和损伤程度进行有效识别.     

齿轮振动信号特征的小波包频率表示法

通过对信号的小波包分解的研究．提出了信号特征的小波包频率表示方法．表示信号对分解节点和频率的功率谱分布;同时提出以小波包频率表示为依据的特征信号重建方法。齿轮振动信号特征的小波包频率表示表明该表示方法能有效展示齿轮的技术状况的变化。将功率谱集中的相邻的结点上的分解结果重构,得到的时域特征信号也能展示齿轮的技术状况。     

采用EEMD和WPT的结构损伤特征提取方法

为了解决传统小波或小波包变换方法对结构损伤振动信号频率分辨率不高、易受邻近谐波交叠影响的问题,提出了一种基于聚类经验模式分解(EEMD)和小波包变换(WPT)的结构损伤特征提取方法.首先对原始信号进行EEMD分解,提取包含结构损伤信息的固有模式分量(IMF),再对其进行正交小波包分解,并计算小波包相对能量分布.该方法用于美国土木工程师学会(ASCE)提出的钢结构框架的损伤特征提取,结果表明:EEMD方法具有白噪声的剔除特性,可避免模式混叠的发生;不同检测节点处不同损伤工况的IMF小波包相对能量分布有显著的差异,可以作为一种理想指标表征结构损伤特征.     

基于小波分解的框架结构缺陷识别方法

为了检测出框架结构的缺陷，在小波分解的基础上，通过对脉冲激励下正常和有缺陷的框架结构模型的响应进行分析，以输出信号各频带内能量为元素构造一个特征向量，对照各层缺陷对应的特征向量来确认结构的缺陷位置。最后，实验验证了本文方法的正确性。     

小波包在转子碰摩故障诊断中的应用

研究了旋转机械转静件早期碰摩故障信号的检测问题。根据小波包分解能在所有频率范围聚焦、对信号奇异性非常敏感的特性,对比分析了不碰摩和早期碰摩振动信号的特征,得出应用小波包分解和信号重构的方法不仅可对早期碰摩进行准确诊断,还可确定碰摩的位置的结论,证明了该方法对碰摩故障进行诊断的可行性和有效性。     

小波变换的流体压力信号自适应滤波方法研究

为了有效地消除流体压力信号中的噪声,提出了一种基于小波变换的自适应滤波算法,该算法针对信号和噪声经小波变换后在不同尺度上的特征不同,先对信号进行小波多尺度分解,然后对各尺度分解的信号分别选用不同的滤波参数,进行自适应滤波处理,并用该方法对液压系统运行中采集的压力信号进行降噪处理.试验结果表明,该方法比普通的自适应滤波方法能更有效地消除流体压力信号中的噪声.     

角加速度信号自适应小波的去噪方法

针对多扰动、大负载环境下角加速度计输出信号中含有脉冲噪声和高斯白噪声的情况,提出一种改进的离散小波阈值法与中值滤波算法相结合的角加速度计信号自适应去噪算法。首先,使用中值滤波对原始信号进行去除脉冲噪声的预处理;其次,使用分解层数的自适应确定方法与改进的阈值选取准则,通过离散小波阈值去噪法去除高斯白噪声。仿真结果表明,该算法能够有效地提高信噪比,降低最小均方误差。实验结果表明,该算法既能去除分子型液环式角加速度计信号中噪声,又能很好地保留真实信号中的高动态部分。     

运用统计小波的光纤光栅结构健康监测技术

针对振动型结构健康监测方法的特点,搭建了基于非平衡M-Z干涉仪和相位载波解调技术的光纤光栅损伤识别系统。运用小波包分解振动信号,建立了基于小波包节点能量相对变化率之和的结构损伤识别指标;介绍了统计过程控制原理,推导了使用均值-极差控制图分析损伤识别指标,识别结构连续损伤的过程。实验测试了铝制简支梁结构处于健康状态和3种损伤状态下的各40次振动信号。信号时域图显示各状态振动信号持续时间均约为0.05ms,幅值基本相同。依据结构健康状态下的统计过程控制限(12.85,41.35)进行了均值-极差控制图损伤识别分析,结果表明,搭建的损伤识别系统能连续地对结构进行健康监测。