基于小波变换和SVD的心电身份识别

基于心电信号的身份识别技术是生物身份识别领域研究的热点问题.该文利用小波变换将经过预处理之后的心电信号进行多尺度分解,组成一个初始特征矩阵;随后对该矩阵进行奇异值分解,分解后的奇异值包含了心电信号的重要信息,将其作为特征参数并最终采用支持向量机对心电信号进行匹配识别.通过对26个正常测试者的心电信号进行识别,识别率可达97.80％.     

基于奇异值分解的频率估计新算法

为了提高信号频率估计的精确度，提出了一种新的自适应滑动窗奇异值算法（sliding window adaptive SVD, SWASVD）.该算法基于奇异值算法将包含信号信息的矩阵分解到一系列奇异值和奇异值矢量对应的时频子空间中，从而分离信号信息与其他噪声信息的特点，推导了连续奇异值算法，产生两个辅助矩阵，在行列式处理中，采用减少秩的方法消除噪声，推导出的近似矩阵减少了复杂计算，使用matlab进行仿真，与多重信号分类谱估计法（MUSIC）进行了比较.结果表明，该新算法使用了滑动窗的概念，对陡峭信号变化有很好的鲁棒性，应用该方法可以在频率估计方面获得更准确的结果.     

基于双谱和奇异值分解的结构损伤试验

介绍双谱和奇异值分解（SVD）的理论,通过计算结构振动加速度信号的双谱,根据不同荷载下双谱幅值的等值线变化规律来判断结构的损伤程度和评价结构非线性振动特征.利用奇异值分解方法计算双谱的主奇异值,根据主奇异值在不同荷载下的变化情况,来评价结构的损伤和非线性变化.2根钢筋混凝土梁在逐级加载下损伤破坏的试验数据分析结果表明,双谱及其奇异值对结构损伤的变化比较敏感,双谱及其奇异值的变化规律与试验过程中试件的裂缝发展和损伤情况相一致,可以应用于结构损伤的监测.     

基于奇异值分解的强单频干扰自动识别与消除

单频干扰常常会将有效信号掩盖,严重影响了地震勘探数据的处理、解释。为了提高单频干扰压制的效果,研究了一种自动识别及消除单频干扰的新技术。该技术可在频率域快速识别出强单频干扰,利用奇异值分解(SVD)的特性,并用含有单频干扰的地震道构建Hankel矩阵,利用Hankel矩阵的奇异值分布与信号振幅谱之间的对应关系,通过奇异值分解和重构,可有效压制地震道中的单频干扰。模型数据和实际资料测试表明:该方法对强单频干扰具有较好的识别和压制效果,并且对有效信号伤害较小。     

采用相干积累矢量平滑实现小样本信号解相干

提出了一种基于相干积累矢量空间平滑的解相干算法,该算法基于相干积累的原理来构建矢量,其对阵列输出进行相干积累后得到特征矢量,由此特征矢量进行前后向空间平滑,构建矩阵,实现解相干.最后由该矩阵奇异值分解得到信号或噪声子空间,与现有解相干算法相比,运算量大大下降.仿真结果表明,该算法具有很好的抗噪性,其在信噪比高于-14 dB时保持了与基于特征分解的矢量奇异值法相似的性能.     

基于EMD和模糊C均值聚类的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于经验模态分解和奇异值分解的特征提取与模糊C均值（FCM）聚类的滚动轴承故障诊断方法。该方法首先对滚动轴承振动信号进行EMD分解,组成初始特征向量矩阵;并对该矩阵进行奇异值分解,将矩阵的奇异值作为故障特征向量;最后以FCM聚类为故障分类器,实现滚动轴承不同故障类型的识别。实验结果分析表明,该方法能有效地进行滚动轴承故障诊断。     

基于残余力向量的框架损伤直接识别法

为直接识别出基于残余力向量法的框架结构损伤,提出先由灵敏度分析求得结构刚度联系矩阵,再由结构刚度联系矩阵将损伤结构的刚度摄动矩阵展开,得到新的结构残余力向量方程,通过求解此方程即可识别出框架结构的损伤位置和程度,最后运用所提出方法对三层框架结构进行损伤识别,结果表明识别精确度较高,从而验证了该方法的有效性.     

基于LMD与奇异值差分谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非线性非平稳特性及强噪声特性,提出了一种基于局部均值分解(local mean decomposition,LMD)和奇异值差分谱的滚动轴承故障诊断方法.首先对原始信号进行LMD分解,得到若干乘积函数(product function,PF)分量,然后对故障特征明显的分量构建Hankel矩阵并进行奇异值分解,求出奇异值差分谱曲线,找到奇异值差分谱最大突变点来确定奇异值重构分量的个数,进而对包含故障特征频段的分量进行消噪和重构,再对重构信号进行Hilbert包络谱分析,提取故障特征.实验结果和工程应用表明:LMD和奇异值差分谱结合的信号特征提取方法,能准确、有效地提取滚动轴承的故障特征频率,对故障类型作出准确判断.     

基于奇异值分解和小波分析的结构模态参数识别

提出了一种新的基于奇异值分解（SVD）和小波分析的结构模态参数识别方法。获得结构在随机荷载作用下的加速度响应,对其进行相关分析可得到相关系数矩阵。将小波变换用于分解相关系数矩阵可得到小波系数矩阵,用奇异值分解小波系数矩阵可精确地识别出模态参数。通过数值算例和实际测试获得的结构信号验证了该方法的可行性。研究结果表明SVD方法与小波分析的结合能够方便准确地寻找出结构的小波脊,其获得的信息可靠度也更高,适用于多自由度结构的模态参数识别。     

基于连续小波变换和RBF神经网络的气液两相流流型识别方法

针对气液两相流压差波动信号的非平稳特征,提出了以多尺度连续小波变换值矩阵的奇异值为特征矢量的流型识别方法。首先对气液两相流压差波动信号进行连续小波变换,得到初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为流型的特征向量,再结合RBF神经网络形成流型的智能识别方法。对水平管内空气-水两相流4种流型的识别结果表明该方法能够有效地识别流型。     

基于点谱相关函数的悬臂结构损伤识别

针对悬臂结构,提出基于点谱相关函数的损伤识别柔度法。该方法依据结构动力特征方程和悬臂结构的特点,利用柔度矩阵元素作为过渡,得到了结构模态参数与杆件物理参数之间的对应关系等式,讨论并提出利用结构自由振动信号的winger-ville点谱相关函数平方根值代替结构模态参数的方法,建立了点谱相关函数平方根值与刚度损伤系数的方程,通过求解方程组就能识别出结构单个或多个损伤的位置和程度。该方法物理意义明确,突卸荷载激励容易实现,且只需一次测量,无需损伤前后对比测试,有利于工程应用。最后通过两个数值算例,验证了所提方法的有效性。     

基于S变换的结构损伤信号处理

针对结构损伤信号的非平稳特性,推导了离散S变换及其基本实现算法,并验证其在信号处理中的有效性,探讨了S变换与傅里叶变换的数值关系;基于S变换分析了一单跨两层钢结构试验模型的节点损伤信号的时频特性,提取各损伤信号的每时能量最大值作为特性指标,对不同节点损伤程度的信号进行了对比。结果表明：当节点损伤程度加剧时,结构损伤信号的能量最大值的极值先减小后增大;当节点损伤程度超过50％时,损伤信号的能量最大值的极值高于节点健康状态的极值。     

梁式结构损伤诊断应变模态理论研究与仿真分析

运行中的建筑结构的损伤诊断方法是目前工程界关注的热点问题之一。分析了位移模态、应变模态与曲率模态3者之间的关系,以一混凝土悬臂梁为研究对象,用ANSYS有限元软件,建立了仿真模型,通过对不同损伤位置和不同损伤程度工况的模拟,进行结构损伤辨识研究,旨在通过结构损伤前后的位移模态和应变模态的振型比较,揭示应变模态在结构损伤诊断中的规律,为使用中的大型建筑结构损伤诊断研究提供理论借以参考。     

基于曲率模态和小波变换的简支梁桥损伤识别方法

小波变换具有在时域和频域内表征信号局部特性的能力,能够在不同尺度下对结构响应中的突变信号进行放大和识别.本文在曲率模态基础上,提出了一种基于小波变换的梁式结构损伤识别方法.利用双正交小波函数对损伤前后结构的曲率模态进行小波变换,通过小波变换系数的变化和分布情况建立了结构损伤指标,可判定损伤存在,确定损伤位置和估计损伤程度.并通过一简支梁桥中T形截面梁的数值模拟对该方法进行了验证.     

基于BP网络的结构损伤识别

结构的动力特性和结构参数直接相关，结构的损伤将引起相应动力特性的改变，因此，如果能建立结构动力特性变化与结构损伤之间的映射关系．则可以利用结构振动测试信息实现结构损伤诊断。神经网络方法因其具有非线性映射能力强、计算速度快、容错性好等优点，正越来越多的用于基于振动的结构损伤识别。但是对于大型复杂结构，普遍存在网络结构复杂。识别效率低下的问题。以框架结构为例．应用BP网络分阶段的进行损伤位置、损伤程度的识别，这有效降低了网络的复杂性，减少了学习样本。提高了学习效率。     

基于小波包分解的数据融合损伤识别方法

目的为了充分利用来自多传感器的冗余、带噪声数据，提高结构损伤识别的精度．方法利用小波包良好的时一频特性，首先用小波包分解对结构响应进行处理．提取信号的不同特征参数，然后利用不同的特征向量对结构分别进行损伤识别，最后应用融合技术对不同的识别结果进行融合处理．并用一个七层钢结构框架的多损伤识别验证了该方法的有效性．结果结果表明，该方法能够极大地提高了结构损伤识别精度．结论运用小波包分析提取信号的特征参数与数据融合技术进行损伤识别．并使二者有机的结合是结构健康监测与检测的有效途径与发展趋势．     

结构损伤识别的改进曲率模态方法

结构损伤识别是结构健康监测和结构状态评估的主要前提之一。尽早了解结构的损伤状况和损伤位置有助于提高结构的预期可靠性和安全性,同时降低了结构的维修费用。论文主要研究了如何采用改进的曲率模态方法识别结构的损伤以提高识别精度。基于曲率模态对结构局部损伤比较敏感和频率指标测试简单方便、精度高的特点,论文提出了一种以结构的曲率模态为基础,综合考虑频率变化的改进曲率模态识别结构损伤位置的方法。最后用一数值模拟的简支混凝土梁对该方法与曲率模态方法进行了对比验证。结果表明,改进的曲率模态方法能够更精确地识别出结构的损伤位置。     

滚动轴承复合故障的混合协同诊断方法

针对传统复合故障诊断方法存在故障难以完全分离的缺点, 提出了滚动轴承复合故障的混合协同诊断方法。首先对观测信号的协方差矩阵进行奇异值分解, 求出白化矩阵并对复合故障信号进行白化处理; 然后, 利用联合对角化方法对白化后的故障矩阵进行对角化变形, 通过最小化对角化程度函数得到正交矩阵; 最后, 通过正交矩阵估计故障源信号矩阵, 实现复合故障的分离; 由于二阶盲辨识方法分离出的故障信号间存在无序性以及相似性, 导致分离信号故障类型难以确定, 因此将分离后的故障信号进行短时傅里叶变换, 通过分离信号的时频谱图与原信号时频谱图进行比较, 并根据趋势一致性确认所对应的故障类型。最终, 以广东省石化装备故障诊断重点实验室的轴承数据进行实验论证, 结果表明, 二阶盲辨识协同短时傅里叶变换能有效将滚动轴承的复合故障信号分离出来, 工程上具备可操作性和极大的应用价值。