基于高阶累积量的AR参数-模糊聚类法及应用

自回归模型（autoregressive model,AR模型）是常用时序分析方法,包含了重要的系统状态信息,但一般适用于平稳过程,而真实信号多为非平稳非高斯信号,采用特别适用于非高斯信号分析的高阶累计量进行AR参数估计,以所得AR参数作为特征向量,以模糊聚类分析方法进行模式识别。将该方法应用于滚动轴承故障诊断,成功实现了滚动轴承故障类型判别与性能退化评估。  

高阶小波包奇异谱熵在故障选线中的应用研究

针对奇异熵对经高阻接地的不敏感性、经常导致选线失败的问题，提出了基于高阶累积量多分辨率奇异谱熵的方法。该方法有机地融合了小波包分解理论，奇异值分解理论和信息熵理论的各自优点，并充分体现信号的内在信息，有效地提取非线性特征分量和抑制高斯噪声，经高阶累计后包含了更多的选线信息。基于ATP的仿真结果表明：该故障选线方法能够快速识别故障线路，不易受到故障时刻、过渡电阻、故障位置等因素的影响，具有较好的适应性。  

用于电压闪变包络跟踪的改进RLS算法

电压闪变是严重的电能质量问题之一,本文提出采用基于可变遗忘因子的高阶累积量递推最小二乘(RLS)算法跟踪电压闪变包络。基于高阶累积量的误差准则取代传统的基于二阶统计量的误差准则,使算法不受任何高斯噪声的影响;可变遗忘因子的应用,使得算法能够快速跟踪包络的变化,又能在稳态情况下具有较好的收敛性能。Matlab仿真分析结果表明,在高斯噪声污染存在的情况下,本文算法相比传统RLS算法具有更高的估计精度,能够在噪声中准确地检测出电压闪变包络。  

旋转机械传动系统运行稳定性劣化表征参数提取方法研究

旋转机械是生产中应用最广泛的机械设备,其传动系统是旋转机械的重要组成部分,它的安全稳定运行对经济和社会具有重要影响.以转子实验台典型故障为研究对象,提出旋转机械传动系统运行稳定性劣化表征参数的提取方法.采用高阶累积量理论,从不同故障状态之间迁移的角度对传动系统稳定运行状态劣化为非稳定运行状态的劣化演化过程进行描述,提出“劣化演化矩阵”的概念.在此基础上,定义稳定性劣化均值、稳定性劣化方差等状态劣化趋势的表征参数,并进行了基于该方法的实验验证,结果表明,该方法可以描述系统运行状态的整体趋势,可以作为旋转机械传动系统运行稳定性的表征参数.  

基于高阶累积量Burg自适应算法的间谐波估计

Burg算法适合处理间谐波信号，但是在有噪声的环境下，会产生错误的谱估计结果。采用一种基于高阶累积量的Burg自适应算法估计间谐波信号，该方法不受高斯噪声的影响。首先，利用高阶累积量对高斯噪声不敏感的特性，改进Burg算法的预测误差标准。其次，为了降低引入高阶累积量而增加的计算量，反射系数的求取采用递推形式。最后，利用谐波信号的4阶累积量对角切片求取各成分的幅值。仿真结果表明，所提出的算法明显改进了Burg算法的谱估计性能，能够在噪声环境下获得准确的间谐波参数估计。