基于小波包变换预处理的铝电解槽针振信息元分析与诊断

简述了小波包变换的基本原理及利用小波包对电压信号进行分解的方法。针对铝电解槽电压波动信号的频谱特点。采用小波包分析方法提取了电压信号的特征向量。将信号分解到8个频段内。进行预处理得到频段能量特征向量。应用BP神经网络建立了特征向量到振针信息元之间的映射。仿真结果表明，小波包分析能够有效地将隐藏在正常电压信号之中的早期弱故障信号提取出来，从而发现槽子的早期不良症状。     

基于小波包和支持向量机的滚动轴承故障模式识别

为了解决对故障轴承的特征提取和故障特征准确分类问题,提出了应用小波包变换和支持向量机相结合进行滚动轴承故障诊断的方法.小波包变换具有良好的时-频局部化特征,非常适于对瞬态或时变信号进行特征提取.而支持向量机可完成模式识别和非线性回归.利用上述原理根据轴承振动信号的频域变化特征,采用小波包变换对其提取频域能量特征向量,然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别.试验结果表明,支持向量机可以有效、准确地识别轴承的故障模式,为轴承故障诊断向智能化发展提供了新的途径.     

小波包-AR谱在钛合金材料声发射监测技术中的应用

鉴于钛合金材料的声各向异性和高声波衰减系数使疲劳试验过程中的声发射监测十分困难。提出了小波包与AR谱相结合对钛合金材料声发射信号进行分析的方法。即对输出信号进行小波包分解,然后分频段对信号进行重构得到包含不同频率成分的时域信号,再进行AR谱分析,从而提取出频谱特征。分析表明,该方法对利用声发射信号分析钛合金材料部件的损伤和裂纹扩展是有效的。可为钛合金部件损伤和裂纹扩展的识别提供可靠的依据。     

基于PSO-SVM的小电流接地故障选线方法

针对小电流接地系统,现有故障选线方法的精度不高,为此提出基于粒子群优化向量机（PSO‐SVM ）的选线方案。在搭建小电流接地系统仿真模型的基础上,采用M atlab进行PSO优化算法仿真实验,根据不同的接地情况获得故障时各线路零序电流,利用小波包变换（WPT ）与傅里叶变换（FFT ）从零序电流中提取暂态分量、谐波分量、五次谐波分量作为PSO‐SVM输入特征进行训练,用训练好的SVM 对测试样本行检测,得到选线结果。仿真结果表明,该方法使学习训练速度加快、自适应能力增强、选线精度提高进,且其不受接地电阻、故障距离等因素影响。     

基于多特征的PSO-MSVM动态过程质量异常模式识别

为了提高动态过程质量异常模式识别效率,将动态过程质量模式的均值特征与小波包分解特征作为分类特征,并构建两层多支持向量机识别模型进行分类.利用均值特征,在第一层MSVM中把动态过程变化趋势划分为正常与周期、上升与向上阶跃、下降与向下阶跃三大类别;采用小波包分解特征,在第二层MSVM中对这三大类别进行再分类.仿真结果表明提出的识别模型的识别精度相比采用单一特征的识别模型有明显提高.     

WSN中基于被动端到端的故障链路集推断算法

为了节省故障定位所需的网络能耗,给出了基于被动端到端的启发式贪婪故障链路推断算法.该算法基于被动端到端的数据建立故障链路推理模型,推断网络中最可能故障的链路集.使用端到端的数据计算各条路径的丢包率,通过与阈值的比较对路由矩阵进行简化,目的是去掉根据端到端的数据可以判定为好的路径.由于该推理模型需要各条链路的故障概率,通过简化矩阵的方式优化算法LIPM(loss inference based on passive measurement),给出了推测效果更好的LISC(loss inference based on passive measurement and set-cover)算法.仿真结果显示,新算法具有更好的精确度和运行效率.最后,迭代计算各条链路的权值,通过每次选择最优权值的链路并删除包含此链路的路径,直到所有的故障被解释为止.通过仿真验证了新算法具有更好的故障覆盖率.     

面向IP地址集过滤的高效包分类技术

针对传统防火墙线性匹配算法匹配效率低、维护困难等问题,提出并实现了一种面向IP地址集过滤的高效、灵活的Netfilter扩展框架Salist。 Salist包含一个基于内核虚拟文件的表管理模块,一个可自动对IP地址集进行去重、归并和排序的表内规则管理模块,一个基于Bsearch算法的高效的包匹配模块。通过理论分析和实际测试证明, Salist使包匹配算法时间复杂度由传统线性匹配的O( n)降低为O( log n),规则合并减少了规则表占用的内核内存空间10%以上,按文件分离的规则管理机制简化了对规则集进行维护的难度。结果表明Salist使用在核心网络设备中可极大提高包转发速率,降低规则的内存占用和管理难度。     

接收方预约信道的水声传感器网络MAC协议

为了获得更高的网络吞吐量,更低的端到端时延,设计出了一种适用于分簇网络的水声传感器网络MAC协议,该协议采用接收方建立握手机制,有效的获取邻居节点通信时的状态,动态分配发送时隙,实现数据包以报文序列方式无冲突的到达接收端.仿真结果表明,与同类MAC协议(FERI, RIPT)相比,该协议提高了网络吞吐量,降低了数据丢失率和端到端时延.     

物联网的内存式数据处理技术研究

在物联网中所有智能装置都可以上网,因此所带来的信息总量非常大,但每个东西所传送的信息却很小,因此需要新技术快速地处理或储存这些大量的小信息。基于批次处理循序送出技术,结合存储器式处理技术、快速封包处理技术与远端机器储存日志的方式,提供快速接收并处理物联网信息的方法,并以硬盘效能最大化的方式批次循序更新至硬盘。     

TCP传输中往返时延偏移智能响应机制研究

为了提高高丢包率环境下的TCP传输性能,提出一种往返时延偏移智能响应机制。对往返时延偏移值进行标准化处理得到标准延迟因子,用这个因子对拥塞窗口增长和减小量进行修正,实现拥塞窗口增长速度随往返时延偏移自适应调整,能够区分随机丢包和网络拥塞。开发Linux内核模块实现了往返时延偏移智能响应机制,可快速部署到所有基于AIMD策略的拥塞控制机制。仿真结果表明,使用往返时延偏移智能响应机制,平均吞吐量超过cubic算法57%,能够有效提升高丢包率环境的带宽利用率。