基于时频特征的光纤周界振动信号识别

在光纤周界安防系统中,蓄意入侵和环境噪声均能引起光纤传感器振动,在保证系统高灵敏度的前提下区分入侵和非入侵事件极为重要。为了有效识别各种光纤振动信号,本文依据入侵和环境噪声引起的光纤振动信号在时域上的短时特性以及复小波域各尺度上能量分布特征,提出了两级判别法识别光纤信号。第一级用时域特征,短时能量和短时平均过零率判断是否有振动发生;第二级用复小波提取光纤信号的能量分布特征,联合时域特征形成特征矢量,支持向量机(SVM)作为分类器识别是否为入侵信号及入侵类型。实验结果表明,此方法可以有效识别入侵信号和环境噪声引起的非入侵事件,提高了系统报警率,降低了误报率。     

基于多尺度一维卷积神经网络的光纤振动事件识别

针对相位敏感光时域反射(Φ-OTDR)分布式光纤振动传感系统如何对振动事件进行高效准确识别的问题,本文提出了一种基于多尺度一维卷积神经网络(MS 1-D CNN)的振动事件识别方法。该方法将原始振动信号经过预加重、归一化和谱减降噪的预处理操作后得到的一维信号,直接通过MS 1-D CNN实现端到端的振动信号特征的提取和识别。MS 1-D CNN在提取入侵振动信号特征时可兼顾信号时间和频率尺度,利用全连接层(FC layer)和Softmax层完成最终的识别过程,与二维卷积神经网络(2-D CNN)和一维卷积神经网络(1-D CNN)相比减少了待定参数数量。对破坏、敲击和干扰三类目标振动事件的光纤振动传感信号识别结果表明,MS 1-D CNN的识别正确率与2-D CNN相近,达到了96%以上,而处理速度提升一倍,在保持识别性能的前提下,有利于提高振动事件识别的实时性。     

铁谱图像分类及磨粒识别的两种方法和应用

彩色铁谱图像所包含的彩色信息对于分析磨损形式非常重要.本文把聚类树,模糊聚类等分类技术应用于彩色铁谱图像分类研究,颜色特征提取和磨粒识别;本文还通过阈值分割方法实现对彩色铁谱图像进行分割,实现对磨粒的分类和识别.在大量分类识别中,证明是十分有效的方法.     

柴油机振动信号的四阶盲识别分析研究

针对柴油机振动信号特征参数的识别提取比较困难,本文运用四阶盲识别的方法分析研究柴油机的振动信号。把基于FOBI(四阶盲识别)算法的盲源分离方法引入到柴油机振动信号的处理中,建立仿真模型对该算法进行验证,并对一组采用北京东方所振动测试仪器在柴油机上实测的振动信号进行分离实验,分离结果表明不同特征的振动信号可以被分离,且最大限度地保留了源振动信号的信息,该算法可以作为柴油机振动信号的预处理方法。     

宽频域的内损耗因子实验辨识方法研究

频带平均内损耗因子是利用统计能量分析预示结构振动响应的重要参数之一。论文基于二维平板结构的动力学响应解析解,研究了内损耗因子的实验辨识方法：功率输入法和脉冲响应衰减法。分别利用两种算法由仿真数据辨识结构宽频域的内损耗因子,并重点分析了频率范围和阻尼大小对算法辨识结果的影响。在此基础上,结合两种算法对新型减振复合板材料进行了悬挂振动实验研究。通过各自实验辨识结果的对比分析,得到了减振复合板材料宽频域的内损耗因子实验值,并提出了其经验估计公式,可以为该材料工程应用提供参考。     

一种采用激振器激励的扬声器振动部件共振频率测量方法及系统

提出了一种采用激振器激励方式的扬声器振动部件共振频率测量方法及系统。采用激振器作为激励被测部件振动的激励源,并通过加速度传感器实时检测夹具的振动加速度（包括幅度和相位）,以确保被夹具夹持住的被测部件在测量频率范围内上下平稳振动;通过激光位移传感器测量被测部件在不同频率点振动时的振动位移,可得到被测部件振动的频率响应（被测部件振动加速度和夹具振动加速度的比值的频率响应）;根据该频率响应进行计算最后可得到被测部件的共振频率。实验结果表明,实测频率响应的曲线与理论分析相一致,测量结果的可重复性和准确性良好,可测量的振动部件的种类和范围更广。     

弹性支承下弧齿锥齿轮系统参数平面中的域界结构研究

弹性支承下弧齿锥齿轮系统的振动分析属于高维非线性动力学问题,其参数平面中的域界结构研究对实施振动抑制与控制具有重要意义。以某新型航空发动机的中心轴弧齿锥齿轮传动系统为研究对象,建立了7自由度非线性动力学模型。采用Adomian分解算法求解振动方程的分级响应。基于胞映射和庞加莱截面的思想,在支承刚度与啮合频率、支承阻尼与啮合频率以及支承刚度与支承阻尼所构成的参数平面中,分析了弧齿锥齿轮非线性系统的不同周期振动之间以及周期振动和混沌振动之间的域界。借助平面域界图,研究了参数平面内系统振动分岔类型与分岔结构。研究结果为弧齿锥齿轮系统的支承参数设计与振动主动控制提供了依据,并可根据系统参数所处的范围对弹性支承下弧齿锥齿轮系统的振动形态进行预测。     

基于小波阈值的高速道岔振动信号降噪

在高速道岔伤损监测中,道岔振动信号是道岔伤损监测的重要信息来源,鉴于该信号在采集和传输过程中噪声干扰严重,影响伤损识别的准确性,研究了一种基于小波阈值的高速道岔振动信号降噪方法。详细讨论了道岔振动信号降噪过程中小波基、分解层数、阈值准则、阈值函数等参数的选择,并利用频响函数、主元分析和平均马氏距离分析降噪处理对伤损识别的影响。实验结果表明,该方法能有效降低噪声对伤损识别的干扰,为进一步对道岔进行伤损分析创造了良好的条件。     

基于阶次包络谱的轴承故障诊断研究

研究旋转机械在变速过程中振动信号的分析方法。在利用B＆K3560多分析仪对齿轮箱加速时测得的振动信号进行时域采样的基础上，利用样条插值算法进行角域重采样得到等角度分布的采样点，并对其进行阶次跟踪分析，在此基础上利用Hilbert包络解调得到轴承故障信息的阶次包络谱。结果显示阶次包络谱分析法在处理轴承转速变化信号的优越性：能够有效地避免传统频谱方法所无法解决的“频率模糊”现象，对轴承的早期故障有一定的识别能力。该方法是对传统的频谱分析法的有力补充，具有很广阔的应用前景。     

环境振动监测仪校准方法研究

本文利用环境振动检测仪便携式校准装置研究了频率范围在(1～200) Hz,振级范围(50～160) dB的环境振动监测仪的校准方法,并分析其加速度(0. 1～10) m/s2的计量特性。所提出的比较校准法方法较绝对法和调频电信号法具有良好相关性,并能对监测仪的频率响应及幅值线性度进行较为准确的计量。     

分布式光纤传感器的周界安防入侵信号识别

在分布式光纤周界安防系统中,对距离较长、背景环境复杂的边境进行检测时,系统根据光缆沿线发生的事件进行识别.为了区分各种引起光缆振动的激励,本文根据入侵信号与环境引起的振动信号在小波尺度上方差幅值的分布特征,利用小波多尺度分析理论构造了由各尺度下的方差组成的特征向量,提出了根据方差特征向量的不同来识别各种振动信号的“尺度-方差”信号的方法.在实验系统中,光缆总长度为56 km,光源的功率为300 μW,工作波长为1 550 nm.实验结果表明,此方法可以有效区分入侵信号、环境噪声和人为活动引起的非入侵事件,提高了系统的检测概率和降低系统的虚警率.     

基于双树复小波包的发动机振动信号特征提取研究

针对柴油机缸盖振动信号的特征提取问题,提出了一种基于双树复小波包变换和自适应块阈值降噪的标准化相对能量提取方法,双树复小波包利用并行双树实小波变换分解系数达到信息互补,从而获得近似平移不变性和减少了信息的丢失.自适应分块阈值能够随所分析的信号自适应估计最优阈值,达到更好的降噪效果,同时引入消除频率混叠的算法,抑制了双树复小波包分解过程中虚假频率的产生.仿真信号和试验分析该方法能够更有效地消除噪声影响,所提取的相对能量特征具有更好的可区分度.     

分布式光纤入侵信号检测与识别

分布式光纤声波传感(DAS)技术通过接收相干瑞利散射光的相位信息来探测声波或振动信号,具有灵敏度高、动态范围广等特性,可利用线性定量测量实现对信号的高保真还原.随着实际应用的需求不断提高,光纤入侵检测领域对事件的定位和识别提出了更高的要求,表现为对入侵事件的准确分类,因此将分布式光纤声波传感技术与模式识别(PR)技术相...     

基于迟滞回线模型的非线性金属橡胶传递率分析

通过理论和试验对某金属橡胶非线性隔振器的传递特性进行了研究。基于含干摩擦阻尼的非线性迟滞力学模型,采用平均法求出系统的频率响应函数,从理论角度探究不同运动状态下的传递率及实现无谐振的条件;根据频率响应函数确定解锁频率与实现无谐振的临界干摩擦力;利用动态加载试验识别隔振器的力学参数,通过振动实验验证了理论结果。所得结论对金属橡胶隔振器的设计和应用具有重要的指导意义。     

阶次跟踪在齿轮磨损中的应用

研究旋转机械在变速过程中振动信号的分析方法。在利用B＆K3560多分析仪对齿轮箱加速时测得的振动信号进行时域采样的基础上,利用样条插值算法进行角域重采样得到等角度分布的采样点,并对其进行阶次跟踪分析。结果显示出阶次跟踪分析法在处理转速变化信号时的优越性：能够有效地避免传统频谱方法所无法解决的“频率模糊”现象,对齿轮箱的早期故障有一定的识别能力。该方法是对传统的频谱分析法的有力补充,具有很广阔的应用前景。     

模拟频域滤波重构直方图均衡的图像增强方法

针对传统图像增强方法的不足,提出一种基于模拟频域滤波重构直方图均衡的图像增强方法.将频率域滤波的思想引入空间域直方图运算当中,在模拟频率直方图统计中进行频率信息的统计,利用这些频率信息建立模拟频率域坐标,进行模拟频域滤波,对滤波处理后的直方图进行均衡化处理.实验表明:与传统方法相比,该算法优化了灰度级的动态分布范围,能得到更清晰的增强效果,且在图像中没有视觉明显的噪声放大.     

基于改进迁移学习的运动想象分类识别算法北大核心CSCD

利用迁移学习算法提高分类识别的准确率是运动想象脑机接口应用的热点研究问题,其中样本迁移和特征迁移的传统模型算法在样本量较少或源域数据和目标域数据差异较大情况时,各自的迁移效果并不理想。基于欧式对齐(EA)和改进联合类质心匹配和局部流形自学习(CMMS)迁移学习的运动想象分类算法,将样本迁移和特征迁移的优势有机结合,在考虑样本本身的同时,进一步提高了分类准确率。首先,对样本进行源域和目标域的EA,减少源域和目标域的数据分布差异;其次,基于最小化最大均值差异(MMD)改进CMMS方法,筛选源域数据,再次减小源域样本与目标域的分布差异;最后,将该方法应用于BCI竞赛数据集进行离线测试和在线实验。实验结果表明:所研究的方法与SVM、JDA、BDA、EasyTL、GFK、CMMS相比较,迁移学习模型的识别准确率分别提高了14.38%,8.5%,5.8%,10.4%,11.8%,5.7%。     

参数优化 VMD-MPE 和 PSO-CS-Elman 神经网络在滚动轴承故障诊断中的应用研究

针对滚动轴承振动信号的非线性、非平稳特征,提出了基于参数优化变分模态分解（Variational Mode Decomposition,VMD）、多尺度排列熵（Multi?scale Permutation Entropy,MPE）和粒子群?布谷鸟搜索融合算法优化 Elman神经网络的故障诊断方法。针对 VMD 中模态分量个数和惩罚因子难以确定的问题,引入鲸鱼优化算法,令其自主搜寻最优解;利用获得最优参数的 VMD 对滚动轴承故障仿真信号进行分解,对最佳模态分量进行包络谱分析,对比仿真故障频率与实际值的吻合度,验证该方法的可行性。考虑到 MPE 具有可探究信号内动力突变的优点,将其与参数优化 VMD 相结合,求取滚动轴承振动信号各阶模态分量的 MPE 值,选择部分熵值构建特征向量,并将其投放在三维空间观察其差异性,判断其是否能够良好地表征不同故障类型。针对 Elman 神经网络识别精度低的问题,将粒子群优化（Particle Swarm Optimization,PSO）算法和布谷鸟搜索（Cuckoo Search,CS）算法相融合,以此联合优化 Elman 网络的权重和阈值,以提升网络的收敛精度和诊断精度。以实验采集和凯斯西储大学的滚动轴承振动信号为研究对象,应用所提方法进行分析。结果表明,所提方法不仅能够自适应地将信号分解,并提取出有效的故障特征,还能准确实现故障模式的分类,提高故障识别率。     

微小型物体动态特性的实验研究

本文从理论上分析了利用散斑场的相关统计特性,非接触地记录振动物体时间域自由响应信息,并根据多点同时采集的时间域信号,利用频率域及时间域系统识别技术,进行动态参数识别.实测了微型悬臂梁的弯曲振动、小型三自由度轴的扭振,识别出的动态特性参数与理论值达到很好的一致.从而说明.这一光测——计算机分析系统为微小型物体的动态特性参数识别提供了一条有效途径.     

参数激励下带横向振动不稳定特性实测与计算

以发动机前端附件驱动系统中两相邻轮带段为研究对象,将带简化成轴向运动的粘弹性弦线,建立轴向运动弦线在张力和带速的参数激励下的非线性动力学方程;采用Galerkin方法将非线性运动偏微分方程离散为一组常微分方程,并用摄动法计算引起带横向振动不稳定特性的主/次谐共振频率范围。介绍发动机前端附件驱动系统中轮的角速度和带横向振动的实验装置和测试方法,识别出引起带横向振动不稳定特性的参数激励频率范围,带横向振动不稳定特性的共振频率范围计算值与实验值具有较好的一致性。实验结果表明带参数激励下横向振动的不稳定特性主要发生在带的次谐共振频率范围内;带段伸缩张力幅值越大,带在参数激励下横向振动的主/次谐共振频率范围就越大。