平面开关磁阻电机非线性力电流转换模型

为提高平面开关磁阻电机的运动精度,提出了一种平面开关磁阻电机非线性力电流转换模型。该模型表示为一个稀疏最小二乘支持向量机,以实测数据作为训练样本,利用交叉验证方法确定了稀疏最小二乘支持向量机参数,并通过实测的样本进行了准确性验证。构建了基于该模型的平面开关磁阻电机PD控制系统,并进行了系统运动控制实验。研究结果表明,该模型的相电流预测准确度高、建模误差小,基于该模型的平面开关磁阻电机系统能够实现稳定、平稳和精确的轨迹跟踪。     

一种电能质量多扰动分类中特征组合优化方法

针对电能质量扰动分类中冗余特征量造成分类器训练困难、分类准确率下降的问题,提出一种基于改进遗传算法的特征组合优化方法。该方法对信号进行小波变换,提取各层的改进小波能量熵作为原始特征,并构造一种基于欧氏距离的适应度函数,采用改进的自适应遗传算法对原始特征进行筛选和优化组合,形成用于电能质量扰动分类的最优特征组合。分别采用二分类-支持向量机法(Binary-SVM)、多标签径向基神经网络(ML-RBF)和多标签K近邻法(ML-KNN)对不同噪声情况下的电能质量单一扰动和混合扰动进行分类,仿真结果验证了所提特征组合优化方法能有效提高分类器的训练速度和分类准确率。     

模具钢硬铣削过程振动和声发射信号监测与分析

硬切削作为绿色切削的重要组成部分,已成为金属切削的一个研究热点。为了对硬切削过程进行监测,建立了一套信号采集系统,通过该系统采集模具钢铣削过程中的振动信号和声发射信号,并从时域、频域对其进行了分析研究。研究结果表明：模具钢硬铣削过程的振动信号和声发射信号的时域波形呈现不同的特点;振动信号和声发射信号的均方根值随切削速度的增大均呈明显的增大趋势,而受每齿进给量和铣削深度影响很小;随着切削速度的提高,振动信号各频段的幅值均增大,但频谱分布基本不变;随切削速度的提高,声发射信号的频谱成分增多,并导致了均方根值的增大。     

电化学噪声数据处理方法概述

综述了常见的电化学噪声数据处理方法,介绍了直流趋势剔除、统计分析、快速傅立叶变换(FFT)法计算功率谱密度(PSD)以及小波变换处理电化学噪声信号的基本过程,并阐释了各种数学处理及所得参数的物理意义。     

金刚石圆锯片干切素混凝土切削动态特征的多尺度分析

为分析金刚石圆锯片干切混凝土的切削动态特征,以自行设计的锯片进行切削实验并记录其动态测试信号。用合适的小波基函数及分解尺度对采集到的信号进行分析测试。研究发现:小波多尺度分析方法能有效地滤除信号中的低频噪声;不同锯切工艺参数下切削力与声发射信号具有较好的同步对应性,而振动信号和噪声电压信号跟锯切力具有实时延时对应性,通过研究各动态特征信号之间的关系可实现加工过程的可控性。     

基于改进谐波小波包分解的滚动轴承复合故障特征分离方法

为解决滚动轴承单通道振动信号中复合故障特征难以分离的问题,提出了基于改进谐波小波包分解的轴承复合故障特征分离方法。首先,改进了二进谐波小波包分解方法,提出了连续谐波小波包分解方法,克服了信号分解后子带个数和带宽范围受二进制划分的缺陷;然后,采用谐波窗分解提取信号中频率成分集中的频段,根据轴承各单点故障特征频率确定分解层数,进行连续谐波小波包分解,利用能量算子包络解调得到子带信号中各个单点故障的权重因子;最后,重构轴承各单点故障信号,实现复合故障的特征分离和提取。对仿真信号和实测轴承内、外圈复合故障信号分析的结果表明,该方法能将轴承单通道复合故障信号分解到不同的通道中,实现了复合故障特征的分离,具有一定的工程实用价值。     

圆台状脉冲涡流差分传感器缺陷检测信号的解析计算

将傅里叶变换理论应用于圆台状脉冲涡流差分传感器缺陷检测信号的求解,提出了一种缺陷检测信号的解析计算方法。首先分析了缺陷检测信号谐波系数随缺陷尺寸变化的规律,而后根据电磁波反射与折射理论建立了圆台状差分传感器磁场解析模型,并根据谐波系数随缺陷尺寸变化的规律得到了任意缺陷检测信号傅里叶变换系数的通用表达式,最后经傅里叶反变换得到了任意缺陷的时域差分检测信号。通过实验对所提算法进行了验证,结果表明:该算法可准确求得圆台状脉冲涡流差分传感器缺陷检测信号,且具有较快的计算速度。     

手形、掌纹和掌静脉多特征融合识别

单一生物特征识别技术无论是在识别率还是稳定性上都不能达到完美无缺,特别是高仿生物特征的出现使其安全性受到质疑。针对上述问题,提出一种手形、掌纹和掌静脉多特征融合识别方法。提出了基于小波变换Gabor滤波器的特征层和图像层融合策略,将同一设备不同光照采集下的掌纹和掌静脉融合到一起,突出各自的主纹理特征;利用手指相对长度为手形特征进行初匹配,提出利用分块纹理基元模型进行掌纹和掌静脉融合图像的特征提取方法,然后进行二次匹配给出最终识别结果。开发了模拟系统并进行了相应的实验,结果表明该识别系统充分发挥了3种特征各自的优点,提高了识别率和稳定性,特别是掌静脉的加入增强了系统的安全性。     

基于小波分解灰关联的热波检测图像增强

针对热波检测图像存在的高噪声、低对比度等问题,提出一种基于小波分解和灰关联分析的图像增强方法。该方法首先采用小波变换对待处理的热波图像进行三级小波分解,得到图像相应的低频分量和高频分量,然后利用图像中干扰信号和有用信号在分解后不同分量上的分布规律,采用灰色理论中的灰色关联分析理论来区分高频分量中的干扰信号和有用信号,从而实现对图像中噪声的抑制以提高图像的质量。实验结果表明:提出的方法与常规的滤波方法、小波阈值去噪增强等方法相比,图像的对比度得到明显改善,峰值信噪比最大,因此该方法可用于热波检测图像的增强处理中。     

基于小波包能量谱和ELM的光伏逆变器多故障在线诊断

以三电平光伏逆变器为研究对象,提出一种多故障模式快速诊断新方法。首先,利用小波包分解提取出三电平逆变器的桥臂电压和上、下管电压信号的能量谱特征向量,并利用主成分分析降维后获取故障特征向量;然后,基于极端学习机诊断模型分离出单器件及多器件开路等多种故障模式。实验结果表明,相比于传统BP神经网络、最小二乘支持向量机故障诊断方法,该方法检测信号易获取,抗干扰性强,诊断速度快、精度高,减小了诊断成本和复杂性,适用于在线诊断。