基于降噪及独立分量分析的轴承故障声信号特征提取

针对传统降噪算法的缺点,提出了将局部投影用于故障声信号的降噪。该算法具有较高的计算效率及广泛的应用前景,不仅可用于线性系统,而且还可用于非线性系统。而独立分量分析可用于分解相互独立的信号,它解决了多传感器信号的信息融合与特征提取问题。综合局部投影算法及独立分量分析算法两者的优点,提出了一种轴承弱故障特征识别算法。试验表明,该方法能有效地分离背景信号及特征信号。     

一种改进的双因子自适应FastICA算法

为解决快速独立分量分析算法（FastICA）对初值权值敏感的问题,提出了一种双收敛因子FastICA算法（Double Convergence Factor FastICA,DCF—FastICA）。该算法利用两个不同步长因子的FastICA算法进行组合,并通过梯度算法自适应调节两分离权值矩阵的组合系数,从而得到最优权值分离矩阵。理论分析与实验结果表明DCF—FastICA算法较之以往改进算法具有明显的优势,该算法不仅改善了初值权值敏感问题,而且可在几乎不损失分离精度的情况下,使平均分离速度较原算法提高近70%,迭代次数较原算法减少近80%。     

FastICA算法在机械振动信号分离中的应用

机械振动状态监测时,传感器采集到的机械振动信号往往是被监测机械的振动信号与邻近机械振动信号以及外界噪声信号的混合信号,因此从测得的混合信号中分离出监测机械的振动信号是十分必要的.基于独立分量分析的盲源分离方法,采用快速独立分量分析(Fast Independent Component Analysis,FastICA)的算法对混合的机械振动信号进行分离,通过对仿真信号的分离,验证了该方法对机械振动信号处理的有效性,为机械振动状态检测以及机械故障诊断提供了一种新的选择.     

快速独立分量分析方法在感应电动机故障检测中的应用

以检测到的交流感应电动机定子电流为实验数据,对定子正常和故障电流信号进行分析和比较,将基于快速独立分量分析的方法用于提取相应故障信号的特征点,进而对感应电劝机的故障进行检测和诊断.实验结果表明,将快速独立分量分析方法应用于感应电动机故障检测是可行的.     

利用改进遗传神经网络算法进行电力变压器故障诊断

将改进遗传算法与BP算法有机结合的混合算法用于神经网络训练,有效地解决BP算法易陷入局部极小问题,并对其应用于电力变压器故障诊断进行了仿真.实例仿真结果表明该方法对变压器进行故障诊断具有较快的收敛速度和较高的诊断精度.     

独立分量分析和概率神经网络在机械故障诊断中的应用

针对旋转机械进行故障诊断时,由于临近机械的干扰,往往无法得到真实的的故障信息以及诊断速度慢的问题,本文提出了一种基于独立分量分析(Independent Component Analysis,ICA)和概率神经网络(Probabilistic Neural Network,PNN))的故障诊断方法,采用快速独立分量分析(FastICA)进行特征提取,PNN实现状态识别.通过仿真与实验加以证明,并与经典的前向多层神经网络(BP网络)的故障分类进行对比,结果表明PNN的准确率可以达到100%,而BP网络只有95%,同时PNN所需的时间只有BP的1/3.     

基于FastICA的高光谱图像压缩技术

提出了一种基于快速独立分量分析(FastICA)的高光谱图像压缩算法。首先引入虚拟维数算法估计图像中的目标端元个数,进而提取出感兴趣的目标端元矢量,并初始化快速独立分量分析的混合矩阵;利用最小噪声分量变换对原始数据进行降维,从降维后的主分量中提取独立分量;对独立分量进行恒虚警率检测与形态学滤波,实现目标分割。对高光谱图像进行谱间Karhunen-Loeve变换,利用比例位移法对感兴趣目标的小波系数进行提升,最后对各主分量进行最优码率的SPIHT压缩。实验结果表明,该方法在获得较高压缩性能的同时能够有效地保留感兴趣的目标。     

一种改进的FastICA算法及其在含噪盲源分离中的应用

针对含噪环境下的盲源分离问题,将一种稳健的含噪条件下的白化预处理方法应用于FastICA算法中,提出了一种改进的FastICA算法.实验仿真结果表明：该算法的抗噪声性能比经典的FastICA算法和RobustICA算法有了较大地改善,而运算量基本不变.     

遗传神经网络在齿轮故障诊断中的应用

由于齿轮故障征兆与故障之间具有非线性和耦合性等特点,采用BP神经网络对齿轮进行故障诊断存在着收敛速度慢和可靠性差等缺点,提出了一种基于遗传算法的BP神经网络齿轮故障诊断方法,即在利用BP神经网络对齿轮进行故障诊断的基础上,利用遗传算法对神经网络的权值和阈值进行修正,得到全局的最优值.仿真结果表明,该诊断策略具有故障诊断能力强和诊断效率高的特点,改善了齿轮故障诊断的精度和速度.     

基于ICA的图像盲分离算法

通过对独立分量分析算法的研究,介绍了该算法的基本模型及目前应用最广泛的快速定点ICA算法的数学原理.通过仿真试验结果表明,用该算法对随机混合的3幅图像进行盲分离,取得了理想的效果.     

遗传神经网络在模拟电路故障诊断中的应用

对模拟电路的故障诊断,本文采用一种将遗传算法和BP神经网络结合的智能诊断方法-GA-BP算法,实现了模拟电路的故障诊断.该方法采用遗传算法优化神经网络的权值和阈值,代替了原来BP网络随机设定的初始权值和阈值,然后再用改进BP算法进行训练.通过仿真结果比较分析,经过遗传算法优化过的神经网络的训练步教大大减少.克服了传统BP算法的收敛速度慢,容易陷入局部极小值的缺点.     

EMD遗传神经网络方法

针对BP(back propagation)神经网络搜索速度慢、容易陷入局部最小的缺陷,提出了经验模态分解(EMD)遗传神经网络方法,首先用对带噪的信号进行分解,得到信号的各阶本征模函数分量,每个本征模函数分量对应着一个能量不同的频段,即一种故障特征,将各频段能量的特征向量作为优化神经网络的输入样本;其次用遗传算法对神经网络的初始权值和阈值进行优化.利用EMD遗传神经网络方法对滚动轴承多类故障信号进行分析,可提高故障识别能力.     

A New Method for Evolving Artificial Neural Networks Using Genetic Algorithm

1 Introduction The artificieavlolutionof neuralnetworks using geneticalgorithmshas shown greatpromise in com - plexreinforcementlearningtasks[1],so there have been many neuroevolution(NE ) algorithms. In traditional NE approaches,a topologyischosen forthe…     

一种视频图像中运动目标检测方法研究

针对序列图像中的运动目标检测问题,在独立分量分析的基本理论和算法的基础上,提出采用基于正交对称矩阵的快速定点算法对实际视频图像中的运动目标进行运动检测的方法。实验结果表明:该方法不仅能检测运动轨迹,还能提取运动目标的轮廓,并判断运动方向,是一种有效的运动目标检测方法。     

改进的快速独立分量分析算法

介绍了独立分量分析的基本理论和算法,在快速分离算法基础上提出了一种基于改进的牛顿迭代法的独立分量分析算法。仿真结果表明,改进的算法在分离效果相当的情况下,减少了迭代次数,提高了收敛速度,用于实时处理和解决高维问题有显著的优越性。     

基于遗传算法的神经网络优化的研究

有效地确定神经网络的参数和结构,一直是神经网络研究中的一个难点。遗传算法是一种基于自然选择和自然遗传机理的全局搜索学习算法。本文研究了用遗传算法优化神经网络连接权的思想和方法。实验结果表明,遗传算法为训练神经网络提供了一种新的途径     

基于独立分量分析的滚动轴承故障诊断

本文应用独立分量分析(ICA)将滚动轴承系统产生的声信号从传声器获取的声信号中分离出来,然后再采用基于morlet小波变换的包络分析进行再次降噪并获取特征信号,将此特征信号的特征频率与转子频率之比作为已经训练好的线性神经网络的输入向量,以对滚动轴承的运行状态做出判断.实验表明,此方法可靠、有效地诊断出了轴承的状态.     

结合遗传算法的人工神经网络在汽车故障诊断中的应用

本文提出采用遗传算法优化人工神经网络结构的初值,将遗传算法与人工神经网络结合起来,迅速得到最佳人工神经网络权值矩阵与阀值向量,实现汽车故障诊断。