循环平移Contourlet变换在金属断口图像消噪中的应用

提出一种基于循环平移的Contourlet变换的金属断口图像消噪方法。该方法将带噪声的金属断口图像平移一定的距离,对平移后的图像进行硬阈值Contourlet变换消噪,通过反向平移,恢复到原图像一样的排列次序,实现有效消噪。实验表明,该方法与传统的小波消噪和Contourlet消噪方法相比,提高了消噪后图像的峰值信噪比。     

磁声发射检测装置的研制与性能测试

针对磁声发射信号特征易受励磁强度和励磁频率影响的问题,设计一个具有变励磁幅度及测量磁滞回线功能的磁声发射检测装置,主要研究励磁器的尺寸及励磁线圈匝数对励磁能力的影响,并确定最佳激励磁轭尺寸和线圈匝数,最后对磁声发射检测装置的整体性能进行相关评价。通过研究发现,将8#磁轭绕线圈600匝时满足励磁器设计中磁通势较大的需求,此时磁声发射检测装置具有较好的励磁性能,具有实际且广阔的应用前景。     

基于EMD和AR模型的滚动轴承故障SVM识别

将经验模态分解和自回归(AR)模型应用到滚动轴承的故障诊断中,该方法先把轴承振动信号分解成不同特征时间尺度的固有模态函数,从而把非平稳信号处理转化为平稳信号处理问题,然后选取表征轴承故障的IMF分量,并建立其AR模型,提取模型的参数输入到支持向量机中进行识别。实验结果表明,该方法是有效的。     

基于局域均值分解包络谱和SVM的滚动轴承故障诊断方法研究

论述了局域均值分解(Local mean decomposition,LMD)的定义和算法。结合局域均值分解、包络分析和支持向量机(Support vector machine,SVM)的各自特点,提出了一种基于LMD包络谱和SVM的滚动轴承故障诊断方法,该方法先对滚动轴承振动信号进行分解,得到一系列的生产函数分量,然后,再对前面几个生产函数分量进行包络分析,从包络谱中提取特征幅值比作为特征向量输入到SVM分类器中进行识别。实验结果验证了提出的方法的有效性,可以有效地识别滚动轴承的不同故障。     

基于核函数主元分析的滚动轴承故障模式识别方法

基于核函数主元分析的独特优势,提出了滚动轴承故障诊断方法,通过核函数映射将非线性问题转换成高维的线性特征空间,然后对高维空间中的映射数据作主元分析,提取其非线性特征,对故障模式进行识别.并与主元分析方法进行了对比.试验结果表明,核函数主元分析法更适合提取故障的非线性特征,并能很好地识别滚动轴承故障模式.     

龙滩水电站征地移民工作中几大问题的探讨

龙滩水电站水库淹没涉及贵州、广西两省(区)，移民人数多，征地移民工作的难度很大，关系复杂。为此，结合龙滩征地移民工作的实际，对水库征地移民工作的管理模式、移民安置实施规划、淹没处理补偿标准、征地移民投资的使用管理、移民综合监理、电站利益分配等几大问题进行了初步探讨，并提出了建议。     

经验模态分解和关联维数在机械故障诊断中的应用研究

结合经验模态分解（Empirical Mode Decomposition,EMD）和关联维数各自的优点,提出了一种基于EMD和关联维数相结合的机械故障诊断方法,该方法是先对采集到的非平稳振动信号进行EMD分解,对分解后的每一个平稳的本征模函数（Intrinsic Mode Function,IMF）分量使用G_P算法进行关联积分,并通过拟合函数求出关联维数。运用关联维数可以定性地分析非线性系统的特性,从而识别转子系统的故障类型。实验结果表明该方法是有效的。     

基于Wigner高阶谱的机械故障诊断的研究

Wigner高阶谱是Wigner-ville分布到高阶矩谱域的扩展,可同时从时域和频域描述信号的高阶谱特征,是分析时变的非高斯信号的有力工具。将Wigner高阶谱应用到机械故障诊断中,研究了交叉干扰项的消除和抑噪能力。仿真和试验结果表明该方法是有效的,得到了一些有价值的结论。     

基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法

针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障诊断方法。通过经验模态分解、变分模态分解和小波包分解的方法提取滚动轴承振动信号的高维特征模量;将特征模量组成多通道样本输入到注意力增强卷积神经网络中进行训练,利用网络对特征模量自适应地融合和选择,从而挖掘特征模量的隐式特征;使用Softmax分类器进行分类识别;通过训练好的网络对高转速下的滚动轴承进行故障诊断;利用不同信噪比的信号对所提方法进行测试,以验证网络的泛化能力和故障诊断效果。实验结果表明：该方法能准确、有效地对航空发动机滚动轴承不同故障的损伤程度进行分类识别。     

自适应径向抛物线核时频分布及其在故障诊断中的应用

针对二次型时频分布中固定核函数性能依赖于信号的局限性,提出一种新的自适应核函数--径向抛物线型核(radial parabola kernel, RPK).该核函数可根据被分析信号的不同特性,采用优化方法自适应对模糊函数进行低通滤波,最大程度地滤除交叉干扰项,提高时频分辨率,具有对信号的广泛自适应性.与常用的Wigner-Ville分布、Choi-Willams分布、锥形核分布相比,显示了其明显的优势.最后,将该核函数应用于轴承故障诊断中,取得很好的效果.