基于改进的快速独立分量分析与支持向量机的ECG分类诊断

提出了一种改进快速独立分量分析与支持向量机相结合的新型心电图分类方法.利用埃特金加速法对快速独立分量分析算法的核心迭代过程进行改造,得到改进的快速独立分量分析算法,减少了迭代次数,提高了算法的收敛速度.新方法运用改进的快速独立分量分析算法提取心电图数据的特征向量,并通过支持向量机实现心电图信号的分类.对取自MIT/BH数据库的7种不同心脏状况的心电图数据进行实验,结果表明该方法整体识别率达到98.8%,改进的快速独立分量分析算法所需迭代时间比现有的快速独立分量分析算法减少48%.     

基于独立分量分析的声发射信号分离方法

简述了独立分量的基本原理和利用FastICA算法进行信号分离的理论依据,并通过仿真试验实现了混合声发射信号的盲源分离,取得了较好的分离效果.结果表明该算法收敛速度快,并具有很好的波形保持性,是一种行之有效的信号分离新方法.     

基于离散平稳小波和独立分量分析的事件相关电位单次提取方法

如何在极低的信噪比下快速提取特征信号是事件相关电位（ERP）快速提取的关键技术。提出了将离散平稳小波和独立分量分析（ICA）相结合的方法以去除噪声,并提取事件相关电位。采用离散平稳小波变换分解ERP,选取多个尺度的子带信号,滤除高频噪声对应的小波系数;将串接小波系数作为独立分量分析的输入,利用FastICA算法实现事件相关电位的快速提取。仿真实验结果表明,与传统的相关平均法相比,该方法获得的结果较为满意;与单独采用独立分量分析方法相比,该方法的收敛速度更快。     

约束半光滑方程组的投影牛顿类法

给出了解决带变量有界约束的半光滑方程组问题的投影牛顿类法,该法避免了迭代点落在约束区间之外的可能,采用将每步的牛顿类方向在可行集上做投影的方法迫使迭代点始终落在可行集内,并根据具体算法步骤进行了收敛性分析.结果表明,算法具有局部超线性收敛速率,且在一定条件下可达二次收敛.     

MW-cICA算法在滚动轴承故障诊断中的应用

为了提取强背景噪声下滚动轴承故障特征信息,提出了一种多小波预处理的约束独立分量分析(MW-cICA)算法。该算法首先对输入信号进行多小波降噪处理,提高信号信噪比;然后应用约束独立分量分析方法提取故障特征。与传统的小波独立分量分析(W-ICA)方法相比,该方法具有如下优势:1)由于多小波具有单小波所不能同时具有的正交性、对称性、紧支性和高阶消失矩等特点,因而对信号的降噪效果更加明显;2)引入参考信号作为约束条件,使得算法直接收敛于期望信号,提高了运算效率;3)建立基于故障模型的参考信号能够更加接近于真实期望信号,提高算法性能。仿真结果表明,多小波比单小波具有更好的降噪效果,基于故障振动模型的约束独立分量分析比传统的FastICA算法运算效率更高。将该算法运用于滚动轴承内圈故障试验中,可成功提取出内圈故障特征信号。     

改进变步长自适应分布式滤波算法

为提高传统LMS算法在分布式传感器网络自适应滤波中的收敛速度并保持较小的稳态误差,在扩散LMS算法基础上,提出一种基于Sigmoid函数改进变步长的分布式扩散LMS自适应滤波算法,算法通过Sigmoid函数变换构建步长因子与迭代误差之间非线性模型,并通过设置控制因子合理调整模型的步长曲线波型,使得算法在初期使用较大的步长以加快收敛速度,而在后期则采用平稳变化步长以保持较低的稳态误差,从而在在不失传统算法稳态精度的情况下,实现较快的收敛速度。实验结果表明:相比于已有算法,所提算法的估计性能更优。     

独立分量分析在机械振动信号分离中的应用

针对机械运转时工作环境复杂,监控采集的信号多为混合信号的情况,研究了如何从混合信号中分离出相对应的各振动源信号.采用独立分量分析的分离方法,通过对极大似然估计的目标函数进行简化,基于无需选择学习率的快速不动点迭代的优化方法,选用可同时估计亚高斯和超高斯独立成分的非线性函数估计概率密度,推导出了该算法.最后,对工程中几种特殊情况下的混合信号进行仿真和实验室实测的分离试验.结果表明,算法简单易行,具有快速稳定收敛的性质.     

复杂曲面误差评估的最小区域包容配准算法

鉴于复杂曲面误差评估问题中,不同配准方法往往导致不同的评估结果,在精度要求较高或误差形势较严峻时,恰当的配准位姿具有重要意义,提出一种面向复杂曲面误差评估的最小区域包容配准算法。为解决计算复杂性,采用凝聚函数一致光滑逼近不连续的极差函数,并利用高效有限存储拟牛顿算法求解大规模无约束非线性问题。最近点迭代算法为最小区域包容配准方法提供了收敛条件,同时加快了收敛速度,而且算法容易实施,对复杂曲面扫描数据点云有效。通过仿真平面和实测钣金件的误差评估配准实验说明了所提算法的有效性。     

约束稳健独立分量分析在滚动轴承故障诊断中的应用

独立分量分析方法广泛应用于机械设备故障诊断领域。在稳健独立分量分析方法的基础上,结合故障特征频率先验信息,提出了一种约束稳健独立分量分析方法。该算法首先讨论了如何产生参考信号,然后定义了参考信号和期望信号的接近性度量函数,最后提出了改进的稳健独立分量对比函数。仿真和试验结果表明,该算法在收敛速度和计算精度方面都明显优于传统的Fast ICA算法。     

基于VMD和改进的FastICA算法的旋转机械故障信号分离方法研究

针对分离出的旋转机械故障信号的非线性非平稳性问题,本文提出一种对旋转机械故障信号分离的方法。首先针对以往利用EMD方法分解的特征信号存在的模态混叠问题,利用VMD方法完成对旋转机械故障特征信号的分解。其次,选取相应的分解后特征信号构成观测序列,利用FastICA算法对观测序列进行分离得到源信号,最后针对FastICA算法的收敛性差、对初始值敏感等缺陷进行改进,提出一种基于VMD和改进FastICA算法的旋转机械故障信号分离方法。经实验验证,该方法提高FastICA算法收敛速度,提升旋转机械故障信号分离质量。     

Very fast blind source separation by signal to noise ratio based stopping threshold for the SHIBBS/SJAD algorithm

This paper works on joint approximate diagonalization of simplified fourth order cumulant matrices for very fast and large scale blind separation of instantaneous mixing model sources. The JADE algorithm is widely accepted but only limited to small scale separation tasks. The SHIBBS algorithm calculates a fraction of the fourth order cumulant set and avoids eigenmatrix decomposition to reduce calculation cost. However, it was seen to be slower than JADE at the time of its first publication and is hence less known. On the other hand, the SJAD algorithm using the same approach is shown to be very fast. This paper studies the iteration convergence criterion and proposes to use a signal to noise ratio based iteration stopping threshold approach. The improved SHIBBS/SJAD algorithm is very fast, and capable of large scale separation. Experimental separation comparisons between the SHIBBS/SJAD and FastICA are presented.     

独立成分分析及其在纺纱锭子噪音测试中的应用

纺纱锭子性能的优劣对生产效率和纱线质量具有决定性的影响。以纺纱锭子运转中的噪音信号为考察对象,对纺纱锭子运转过程进行分析。利用快速独立成分分析FastICA算法对工作状态中的锭子声压信号进行噪音源数据分离分析,得到工作状态下源信号的主频率。将工作状态下源信号的主频率与锭子不运转下的噪音主频率进行对比,38.88%分离主频率与锭子不运转下的噪音主频率一致,44.44%分离主频率与锭子不运转下的噪音主频率相近,最小误差为0.05%。实验与分析结果表明,FastICA算法用于噪音源信号主频率分离的有效性和正确性。     

三级倒立摆系统全程滑模变结构控制

提出了一种基于全程滑模的变结构控制方法对具有单控制输入的三级倒立摆系统进行平衡控制的综合设计和成功的实验研究.该方法使得倒立摆系统从初始时刻开始就运行在滑模面上,从而使系统具有较强的鲁棒性.实验结果证明了该控制方法的有效性和可行性.     

未知噪声频率环境下锂电池极片激光测厚研究

影响激光传感器在线检测锂电池极片厚度的因素主要包括激光传感器的测量精度、C型扫描机构固有频率和振动频率扫描时引起的动态误差以及外界环境噪声。多尺度小波去噪算法需明确噪声的先验频率,而常规稀疏分解算法在训练阶段采用与实际数据特征无关的相干比值确定迭代终止条件且构建过完备原子库的运算量巨大。改进稀疏分解去噪算法在训练阶段针对不同情况下的锂电池极片厚度,得到高度冗余的最佳原子参数,通过选取更反映数据波动性能的最小均方差值的迭代值作为测厚终止条件;在实测阶段,不需构建过完备原子库,而是提取训练阶段最佳原子参数构建次最佳原子函数,提取训练阶段最小均方差作为稀疏分解迭代终止值,实现了快速去噪。结果表明:相对于小波算法和常规稀疏分解算法,对于非连续性小幅面锂电池极片在缺乏先验知识的条件下,改进稀疏分解算法具有较好的去噪性能,满足高精度快速去噪的要求。     

A tuning scheme of cycle reference point for gas turbine adaptive performance simulation with field data

To minimize the simulated performance error of gas turbines, traditional adaptive methods are mainly concerned with the tuning of cycle design point and component maps given by the manufacturer, usually ignoring the fact that performance at cycle design point may not match the field data due to the deviation between test-rig conditions and field conditions. In this paper, a new tuning scheme of the cycle reference point is proposed to minimize the simulated errors simultaneously at design point and off-design points. The scheme is composed of a backward iteration algorithm and a genetic algorithm. During the backward iteration, the field data at the maximum operating condition is selected to obtain the initial cycle reference point with several undetermined parameters. Further, the genetic algorithm is used to optimize the undetermined parameters. The accuracy of the proposed method was validated by the simulated performance of a PGT25+ gas turbine.

     

一种基于图理论的非刚体形状匹配算法

提出了一种基于图理论的非刚体形状匹配算法.该方法在每次迭代过程中,先利用形状上下文算法获得待匹配形状点集的初始匹配,然后利用图理论剔除误匹配点,并估算匹配点集之间的TPS(thin plate spline)变换参数,再利用这些参数使待匹配点集相互逼近,最终实现非刚体的形状匹配.实验结果表明该算法提高了匹配的精度.     

加工螺旋槽用盘形铣刀调整参数的迭代算法

研究了加工螺旋槽用盘形成形铣刀调整参数的计算机算法,利用迭代算法得出调整参数的初值,利用计算机模拟刀具廓形,对廓形误差进行迭代修正,从而可获得调整参数的最优值。     

超精密级二维工作台的自标定

为了提高超精密级二维工作台的运动定位精度,提出了一种实现工作台系统误差分离的二维自标定算法.基于工作台测量误差模型,该算法利用辅助标记板的5个不同测量位姿,分别得到迭代模型和迭代初始值,最终建立完整的迭代二维自标定模型.应用该算法对系统误差为0.2 μm的二维工作台进行仿真,结果显示:当不存在随机测量噪声时,标定精度为0.33 nm;引入随机测量噪声时,标定精度与噪声同一量级.对x、y向给定测量精度分别为2.98 μm和3.22μm的二维工作台进行自标定,得到x、y向测量精度分别为2.59 μm和3.14 μm.提出的自标定算法对随机测量噪声有很好的鲁棒性,能够用于精密或超精密级二维工作台自标定.     

基于序列局部图像的尺寸高精度测量方法

为实现大尺寸机械零件的高精度视觉测量,研究基于序列局部图像的视觉测量方法。首先分析机械零件图像边缘的过渡分布特征,提出边缘像素补偿法,消除实际边缘不能精确定位对测量精度的影响。然后以直线边缘距离测量为原型,提出基于序列局部图像尺寸特征的测量方法：对零件进行微小区域成像,生成在空间上连续的序列局部图像;应用相关系数法和双线性插值法获得相邻序列图像的亚像素级尺寸特征线,从而得到各局部图像的尺寸特征;对这些尺寸进行求和与补偿,得到零件的总体尺寸。实验表明,对常规尺寸零件的单幅图像运用边缘像素补偿法,相对测量误差在0.008%以内;对大尺寸零件应用序列图像测量法,相对测量误差在0.01%以内,具有误差积累小的优点,可用于机械零件的精密自动化测量。