基于 SVD-VMD 和 SVM 滚动轴承故障诊断方法

针对故障滚动轴承振动信号中含有干扰信号,难以准确提取出故障信息,提出了一种基于奇异值分解(SVD)、变分模态分解(VMD)、和支持向量机(SVM)的滚动轴承故障诊断方法。首先利用奇异值分解对信号进行处理,根据奇异值峰度差分谱来确定分解后重构矩阵的有效阶数,然后根据该有效阶数重构信号,对重构后的信号进行VMD分解,根据上述有效阶数确定分解的本征模态函数(IMF)分量的个数,从分解后的IMF分量中提取故障特征参数,将其作为支持向量机的输入参数进行故障诊断。最后采用合肥工业大学轴承试验机进行验证,并与直接进VMD分解及基于带通滤波器信号去噪的故障诊断方法进行对比,结果表明该方法能有效识别滚动轴承的故障类型,可用于滚动轴承故障诊断。     

基于元素分析的滚动轴承故障诊断

针对现有信号降噪或重构方法无法完全去除噪声,且时频表示存在能量模糊问题,提出了一种利用元素分析进行滚动轴承故障诊断的方法。所提方法首先构造了元素模型来表征信号,然后对元素模型进行Morse小波变换,并从小波变换中计算得出信号冲击点,从而得到信号的故障特征频率。该方法还可以利用基于小波变换中时间或尺度平面内的少量孤点来重构信号。最后,采用一组仿真信号数据和两组实验数据来评估所提方法性能,并与其他信号重构方法和时频分析方法对比,结果表明,所提方法对滚动轴承故障信号重建和识别的效果更好。     

mRMR 特征筛选和随机森林的故障诊断方法研究

针对滚动轴承原始振动信号重要特征信息被较强背景噪声淹没以及提取的时域特征冗余度较高、相关性较强的缺点,提出一种基于最大相关-最小冗余(max-relevance and min-redundancy, mRMR)特征筛选和随机森林的滚动轴承故障诊断研究方法。首先将原始信号进行自适应噪声完整集成经验模态分解(CEEMDAN)得到一系列固有模态分量(IMFs),分析IMF并去掉高频噪声和一部分虚假分量,再将信号进行重构并提取其时域特征,通过mRMR去除冗余性和相关性较高的特征向量,使筛选出的特征子集与标签有最大的依赖性,最后将该特征子集输入到随机森林分类器进行分类。实验表明,mRMR具有优良的特征搜索策略,重要特征均靠前得到选取,仅需3个特征便能达到较高的分类准确率,效率高于其余特征选择算法。     

基于序列图像与针孔成像的井喷流体流速计算

针对常见井喷流体流速测量方法存在危险性较高、准确性较差的问题,为安全、精确测量井喷流体流动速度,提出了一 种基于序列图像与针孔成像的井喷流体流速计算方法并进行了相应的实验。 该方法利用摄像机和自研井喷模拟装置,通过获 取大量模拟井喷的序列图像,从中选取前后两帧图像后,对这两幅图像分别用 SIFT 算法进行特征点提取,再用 FLANN 算法对 提取出来的特征点进行特征匹配,最后使用 RANSAC 算法进行误匹配特征点消除,得到两幅图之间的准确匹配特征点后,提取 这些像素点的坐标位置并计算出匹配特征点之间的位移距离,最后使用基于针孔成像的方法计算出井喷流体的流速,实验结果 表明,能获得较准确的井喷流体流速,从而更准确估计井喷的危害,保障了现场作业人员人身安全。     

基于改进胶囊网络的运维知识库故障分类方法

针对传统运维知识库不具备图像故障现象识别能力,无法处理非结构化数据的问题,基于深度学习的故障分类网络,提出改进胶囊网络特征提取结构的Caps-DRFN算法,实现机电设备运维图像自动分类。首先,针对运维图像存在的多噪声问题,引入深度残差收缩网络(deep residual shrinkage networks, DRSN)提高模型在含噪声数据上的特征提取效果。然后,针对实际拍摄的运维图像多尺度问题,结合FPN(feature pyramid networks)算法,实现图像多尺度特征融合提高模型分类准确率。最后,利用胶囊结构构建向量神经元,通过动态路由的特征传递方式,得到分类结构数字胶囊,实现机电设备故障分类。实验结果表明,相较于传统胶囊网络算法,提出的基于特征融合的Caps-DRFN算法准确率提高了15%且有着更强的鲁棒性。     

基于视觉里程计的室内位姿测量技术研究

随着人口老龄化程度的不断加深,独居老人也在不断增多。 在解决独居老人养老问题的应用上,室内定位是最基本和 关键的问题。 针对室内定位的需求,提出了双目视觉里程计定位算法,从相机成像模型、特征提取、特征匹配以及运动估计 4 个 方面展开了研究。 首先,采用双目摄像头作为传感器进行图像采集;然后通过提取 ORB 特征点来完成相邻图像之间的匹配关 系,根据基于 BRIEF 描述子的立体匹配算法得到左右图像对应特征点的匹配关系;最后对相机的运动进行估计。 设计了硬件 和软件平台对提出的方法进行实验。 实验证明,基于视觉里程计的室内定位技术能够准确地定位老人在室内的位置,能够实时 地对老人进行安全监护。     

中央空调传感器双重降噪模糊故障检测方法

针对现有降噪方法存在噪声残留以及异常检测指标受噪声影响较大的问题,提出中央空调传感器双重降噪和模糊指标 的故障检测方法。 自适应噪声的完整经验模态分解(complete EEMD with adaptive noise,CEEMDAN)所具有的噪声残余等问题, 用局部均值估计提取 k 阶模态替换模态估计完成初次降噪;而早期出现的虚假模式,先通过相关系数准则筛选含噪分量尽可能 保留有效信息,然后计算奇异值差分谱确定降噪阶次进行奇异值分解(singular value decomposition,SVD)完成二次降噪。 最后, 结合能量和峭度系数提出模糊指标作为异常信号控制限进行故障检测。 采用中央空调实验系统运行数据对所提方法进行验 证,结果表明,该方法具有良好的降噪及敏感特征筛选能力,信噪比提升 20. 203 7 dB,均方误差平均减小 48. 75%,故障检测准 确率平均提升 8. 67%,响应速度提升 33. 3%,抗噪性及检测效果提升明显。     

移动式表面流场测量技术及应用研究北大核心CSCD

本文开展明渠水槽桥墩绕流和推移质输沙试验,沿水槽方向使用高速相机进行移动拍摄,通过智能识别边壁控制点坐标对图像进行裁剪。通过形态学方法提取表面示踪粒子后,使用粒子追踪测速(PTV)技术和图像特征点识别测速(FMV)计算瞬时表面流场,根据流场位置对所测表面流场区域网格化后进行插值计算,以获得较大范围的表面流场。结果表明:本文使用的移动式表面流场测量方法可提高表面流场的精度和测量范围,此方法拓宽了表面流场测量的应用工况;FMV方法在圆柱绕流试验中可更准确识别圆柱侧方及后方旋转强度较大的区域,所求断面平均流速分布曲线更符合水流特性;推移质运动过程发现紊流表面时均流速仍存在高低速流带结构现象,同时高流速条带对应沙垄而低流速条带对应沙脊处,这表明水流地形相互固定形成了稳定时均结构,也验证了大尺度流向涡模型的合理性。     

基于DeblurGAN的运动模糊图像盲复原算法研究

DeblurGAN方法利用条件生成对抗网络解决了端到端的图像去模糊问题,但存在图像边缘细节恢复不足以及鲁棒性不高的问题,针对此问题,提出一种基于DeblurGAN的运动模糊图像盲复原方法。在生成网络中,采用多尺度卷积核神经网络提取特征,并使用级联空洞卷积扩大神经元的感受野;采用自适配归一化方法代替原来生成器中使用的实例归一化方法。其次,引入了梯度图像L1损失,结合对抗损失和感知损失,将其作为图像去模糊的正则约束,使得生成图像的边缘特征更加清晰。实验结果表明,提出方法复原的图像峰值信噪比数值较DeblurGAN算法高出5.4%,结构相似性指标高出1%;在主观上清晰化效果较好,且消除了网格效应。     

基于多层特征融合注意力网络的电能质量扰动识别方法

针对复杂电网环境下电能质量扰动特征冗余、分类精度低的问题,经过多层卷积神经网络逐层获取电能质量扰动信号低维到高维特征信息,引入特征注意力机制构建多特征融合层消除特征冗余,提升扰动信号关键特征关注度,并加强扰动信号的局部特征与全局特征的提取,提高模型泛化能力进而提高扰动分类精度,据此提出基于多特征融合注意力网络的电能质量扰动识别方法。仿真结果显示,所提方法不仅在单一扰动、复合扰动下能有效辨识电能质量扰动,而且能有效克服噪声干扰对模型的影响,相比主流扰动分类方法提取的特征辨识度更高、模型抗噪性更强。