轴承复合故障欠定盲提取算法研究

针对实际工业现场强背景噪声、干扰源多、源数目未知等问题,提出一种基于多尺寸多结构元素的闭-开平均组合形态滤波和SCA相结合的(C-OACMF-SCA)故障特征盲提取方法.首先使用C-OACMF滤除背景噪声信号,提取观测信号的特征信号,然后使用模拟退火遗传算法的模糊C-均值聚类算法估计混合矩阵,最后通过线性规划估计源信号,实现故障特征提取.通过计算机仿真及实际环境下轴承复合故障振动信号欠定盲分离实验验证该算法的有效性.     

基于复杂传递路径的发动机主轴轴承故障信号提取技术

航空发动机主轴轴承故障信号经过复杂路径传递至机匣后信噪比低,小波降噪能有效降低噪声水平,盲源分离与包络谱技术能从混合信号中分离出发动机主轴轴承故障信号并提取故障特征。依据发动机振动信号特征,对采集到的机匣振动信号进行小波降噪处理消除系统噪声,再对降噪后信号进行盲源处理分离出原始故障信号,最后对分离出的原始故障信号进行包络谱分析提取出轴承故障特征信息。对试验数据处理发现:该方法成功地提取出主轴轴承外圈内滚道与滚棒故障信号。这为航空发动机主轴轴承故障诊断提供了一种重要的研究方法,具有重要的研究意义。     

基于QPSO和ICA的图像盲分离方法研究

针对ICA技术中常用的普通梯度算法容易陷入局部最优,提出了一种基于量子行为的粒子群算法和独立分量分析相结合的盲源分离新算法.以负熵作为独立分量分析的目标函数,用QPSO算法代替普通梯度算法,对瞬时混合信号进行分离,给出了算法的具体步骤.实验结果表明,该算法能够有效实现图像的盲源分离.同时与其他算法对比,体现了该算法更高的性能.     

调制故障源信号盲分离的经验模态分解法

针对非线性、非稳态、含噪原始信号混合且混合信号数目小于源信号数目的旋转机械调制故障源信号盲分离问题，提出了一种基于经验模态分解(EMD)和主成分分析(PCA)相结合的方法.对混合信号进行经验模态分解提取嵌入在信号中的所有振荡模式，应用主成分分析方法对所提取的模式进行共性分析，得到模式中的主要成分.利用该方法对仿真数据和两通道滚动轴承加速度振动数据进行了分析，结果表明，该方法能够有效突出旋转机械的故障特征频率成分，避免了误诊断，且适用范围优于独立分量分析方法.     

基于时频特征检测的网络入侵信号盲源分离算法

网络入侵信号是一种非平稳随机信号,传统的检测算法难以有效提取信号的冲激响应特征,盲分离性能不好,故提出了一种基于时频分析和干扰滤波匹配的网络入侵信号盲源分离算法.采用时频特征检测方法进行信号的盲源分离处理,构建网络入侵信号时频分析处理模型,使用WVD时频分布结合Hough变换进行时频分析,设计盲分离滤波器实现对入侵信号的检测滤波,提取三阶统计量、四阶统计量及高阶谱作为信号的时频特征,估计信号的瞬时频率,得到入侵信号的盲源参数估计结果,基于时频特征检测实现对信号的盲源分离改进.仿真结果表明,采用该算法进行网络入侵信号的盲源分离和检测,准确检测概率较高,实现了对入侵信号的盲源分离和准确拦截.     

某型装备齿轮箱故障诊断研究

针对某型装备齿轮箱故障在复杂环境下,故障特征难提取的特点,对信号进行盲分量分离,将信号分为周期信号、随机非平稳信号和随机平稳信号.改进了Antoni的基于短时傅立叶变换的盲分离算法.通过自适应谱线增强器分离周期信号以及随机信号,仿真及试验结果表明,该方法可以有效提取齿轮箱信号的故障成分,具有广阔的应用前景.     

一种噪声未知条件下的盲信号提取方法

传感器网络中的节点带宽等资源受限,使得在设计盲信号处理方法时需考虑信号量化等因素,而量化噪声的引入使得整体噪声复杂且未知。针对传感器网络中噪声统计特性未知的情况,提出了一种基于容积点变换和代价参考粒子滤波的盲信号提取方法。在滤波过程中,采用容积点变换可获得较为准确的预测粒子,通过用户自定义的权值映射规则可以实现粒子的更新和重采样,减少了算法对噪声和源信号统计特性的依赖。实验结果表明该方法可实现对源信号的有效提取,在噪声统计特性未知时的提取性能要优于其他方法。     

基于改进粒子群算法的匹配追踪分解优化研究

文章针对使用牛顿法进行匹配追踪分解信号的速度慢、精度低等问题,在具有全局优化能力的粒子群算法基础上,提出了一种结合局部单纯形搜索并引入变异操作的改进粒子群算法实现信号匹配追踪分解.利用单纯形搜索增加了算法的局部开发能力,通过变异操作控制种群多样性以避免早熟收敛,增强了算法全局探测能力;并以描述机械系统的振动冲击响应作为基原子与单一粒子群算法实现匹配追踪分解信号的结果进行对比,证明了使用改进粒子群算法的匹配追踪分解能够快速准确提取信号特征参数,同时成功识别出某轴承发生外圈损伤时隐含在振动信号中的周期性冲击脉冲故障特征.结果表明,加入单纯形和变异的改进粒子群算法有效降低了匹配追踪计算复杂度,提高了信号特征提取准确度.     

基于VMD-PARAFAC的轴承故障欠定盲源分离

针对传统的轴承故障欠定盲源分离方法需要施加约束的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)和平行因子(parallel factor,PARAFAC)分析的欠定盲源分离方法.利用VMD算法将振动信号分解为多个带限本征模态函数(band-limited intrinsic mode functions,BLIM Fs),将这些BLIM Fs构造成三阶张量作为PARAFAC模型的输入,利用三线性交替最小二乘算法对模型分解,从而在宽松条件下实现复合故障信号的分离.仿真和实验结果表明,提出的方法是有效的,与传统的故障盲源分离方法比较,提出的方法在多故障盲源分离中更具有适应性和实用性.     

基于经验特征函数的盲源信号分离法及应用

从盲源信号分离后非高斯性最大化出发,提出了一种基于经验特征函数的盲源信号分离方法.该方法把经验特征函数与概率密度函数一一对应,并以混合信号与高斯信号的经验特征函数的欧氏距离最大化作为判据,以固定点算法为优化算法进行盲源分离.该方法克服了FastICA算法中选取不同的近似函数对不同概率密度分布的信号效果不佳的问题.仿真实验结果表明,与常用的几种FastICA算法相比,该方法具有更好的收敛效果.采用新的盲源信号分离方法对管道破坏产生的实际声发射信号进行分离,可将破坏点互相关定位精度提高到3%以上.     

基于小波分形理论的风电轴承故障识别

针对风电轴承振动特征信号易被环境噪声调制污染、信噪比低、具有非线性和不平稳的特点,利用基于小波分形的故障识别方法对此进行了研究.采用小波包分解,利用互信息法和Cao算法分别确定了相空间的延迟时间和嵌入维数,根据不同频带的关联维数变化确定风电轴承的工作状态.该方法不依赖于风力机工作的动力学模型,对整体系统信息状态变化敏感.通过现场实验证明,该方法较好地解决了风电轴承故障难以识别的问题,为更加细致地研究风电轴承振动信号提供了重要参考.     

基于粒子群优化的同步定位与地图构建

针对基本FastSLAM算法的样本枯竭、估计精度下降等问题,提出了一种基于多样性启发因子的粒子群优化FastSLAM算法.利用粒子群搜索寻优重新分配粒子,使粒子的表示更加接近于真实的后验概率分布,并且采用粒子集多样性测度作为启发因子,引导粒子优化搜索过程,确保群体多样性水平最优,减轻粒子退化现象,驱动粒子集向后验概率较高的区域运动.对所提出的算法进行了仿真实验,验证了算法的可行性和有效性.仿真结果表明,该算法能够改进样本枯竭问题,并能够获得较高的定位精度、地图构建精度及较好的滤波估计稳定性.     

基于最大生存周期的无线传感器网络数据融合

针对无线传感器网络节点能量有限并且在进行信息传输时存在数据冲突、传输延时等问题,提出并设计了基于最大生存周期的无线传感器网络数据融合算法.该算法将均匀分布或非均匀的整个网络中的节点分成多个簇,并根据节点的位置、分布密度和剩余能量等信息选择传输数据的方式,从而形成传输数据的最短路径.根据集中式TDMA（时分多址）调度模型并运用基于微粒群的Pareto优化方法,使得网络在完成规定的信息传输时每个节点耗费的平均时隙和平均能耗最优.仿真结果表明,该算法不但可以最大化网络的生存时间,还可以有效地降低数据融合时间,减少网络延时.     

基于风电机组LPV模型参考自适应独立变桨控制

为了减少大型风电机组多输入、多输出的非线性耦合影响和独立变桨带来的附加控制载荷,根据线性参数变化理论（LPV）对风电机组风能转换系统进行局部线性化,建立统一化的风电机组独立变桨线性参数变化LPV模型.利用模型参考自适应控制理论（MRAC）,以线性化后的LPV控制系统为被控对象建立参考模型,设计出高性能的独立变桨距自适应控制系统.采取波波夫（Popov）超稳定性分析法给出风电机组LPV模型参考自适应控制律,并对所设计的LPV模型参考自适应独立变桨距系统进行计算机仿真实验.实验结果表明,所设计的基于LPV模型参考自适应系统能够适应机组参数在较大范围内的变化,能够实现风电机组独立变桨系统的整机控制,具有良好的稳定性和快速性.     

基于GA优化人工免疫算法的结构故障诊断

针对大型结构的故障检测与分类问题,提出了一种基于GA进化机制的人工免疫算法.该算法将样本结构模式数据作为抗原刺激抗体集合,抗体集合经过选择、交叉、变异、构建最优抗体集合这一进化过程来提高记忆细胞质量,利用训练好的记忆细胞集合实现对实测数据的故障检测与分类.在Benchmark结构模型上的仿真实验结果表明,该算法能实现有效的故障模式识别,且提高了故障分类的成功率,引入了多父体交叉操作,扩大了算法的搜索范围,且能有效利用其他抗体的优良模式,克服了单纯人工免疫算法收敛速度慢的不足.     

基于支持向量机的转子振动故障融合诊断技术

针对某些大型复杂旋转机械振动信号特征提取和故障样本获取难的问题,提出了一种基于小波包特征谱熵支持向量机（SVM）的转子振动故障融合诊断方法.通过转子实验台模拟了转子振动的4种典型故障,并采集其振动故障数据.用小波包对振动故障信号进行分解,提取故障信息含量大的频带并计算出其小波特征谱熵作为故障特征,建立故障诊断模型.通过对故障类别的区分和故障严重程度的判断,验证了该方法在解决转子振动故障信号的特征提取及小样本情况下的故障诊断问题等方面是有效的.     

基于PSO-SVM模型的城轨列车轮对尺寸预测

为了及时掌握轮对尺寸信息,从而保证列车正常运行,提出了建立粒子群优化支持向量机模型对轮对尺寸进行预测的方法.介绍了粒子群优化算法(PSO)及支持向量机(SVM)的相关概念,并利用粒子群优化算法能够实现快速全局优化的特点对支持向量机进行参数优化,解决了支持向量机参数选择盲目性的问题.以某城轨列车轮径值为研究对象,建立基于PSO-SVM的轮对尺寸预测模型,对轮径值进行预测分析.结果表明,轮径值预测相关度达到0.94,证实了建立的预测模型在轮对尺寸预测方面的可行性及有效性.     

基于模糊理论和D-S推理的开箱报警模型与算法

为提高集装箱运输过程中非法开箱自动报警的可靠性,在对集装箱非法开箱报警机制分析的基础上,建立了基于箱门传感器、箱内传感器等多源信息的非法开箱报警决策模型,提出了基于证据模糊相似度和证据源先验可靠度修正证据权的改进D S证据融合算法来减少证据冲突,形成了集装箱非法开箱多源信息融合报警系统.实验结果表明,提出的证据融合算法能够有效降低证据冲突系数和合成悖论次数,报警模型具有较好的容错性和适应性.     

面向大尺度三维重建的多核并行SIFT算法

针对大尺度三维重建中图像数据集较大、其特征提取和匹配时间消耗过长等问题,提出了一种针对有序图像数据集的滑动窗口匹配算法.该算法采用并行计算实现了对SIFT特征提取和匹配算法的加速,并在图形处理器上得以实现,减少了匹配计算量.实验结果表明,算法大大提高了特征提取和匹配的运算速度,保证了特征的稳定性和匹配精度,有效地缩短了大尺度三维重建的运算时间,确保了重建精度.