基于LMD-ICA降噪的滚动轴承故障特征提取方法研究

在滚动轴承进行故障识别中,针对局部均值分解(LMD)方法分析非平稳、非线性含噪信号时,存在端点效应,易产生虚假分量和单通道独立成分分析(ICA)盲源分离时的欠定问题,提出了基于LMD-ICA降噪的振动信号特征提取算法.首先对原始信号进行LMD,并抑制端点效应,得到n个瞬时频率具有物理意义的乘积函数(PF)之和;然后对得到的PF分量以连续的3阶PF分量为一序列组合进行ICA,可以得到n-2个重构分量;最后利用n-2个分量进行重构,得到降噪后的故障信号,并再次进行LMD或功率谱计算,提取故障特征.经验证,该方法可有效识别滚动轴承的多类故障.     

一种基于ICA—SVM的故障诊断方法

提出了一种基于独立分量分析和支撑向量机(ICA—SVM)对系统性能进行监控的整体框架．这一框架包括特征提取和故障识别两部分．独立分量分析被用于从当前工况的数据矩阵中提取出代表当前工况特征的投影系数矩阵，而这些投影系数矩阵则被用于训练多个支撑向量机，以实现故障类型的识别．Tennessee Eastman过程的仿真结果证明了该算法的有效性．     

基于改进EMD和滑动峰态算法的滚棒轴承声发射信号故障特征提取

采用小波包对滚棒轴承声发射信号降噪,对降噪后的信号进行经验模式分解,选取特定本征模分量,采用滑动峰态算法提取其中的冲击分量,即提取滚棒轴承声发射信号的故障特征分量。改进的EMD方法剔除了某些虚假本征模分量,更准确地表征原始信号。通过仿真信号验证,成功提取了混合信号中的冲击分量,证明了该方法对冲击信号提取的有效性。对外圈故障的滚棒轴承声发射信号进行分析,滚棒轴承的故障特征频率及其倍频明显,对轴承故障的诊断具有重要的意义并可推广到航空发动机主轴轴承的故障诊断。     

基于独立分量分析算法的局部放电信号去噪方法研究

针对局部放电监测信号中多种干扰噪声的消除难题,提出结合经验模态分解的独立分量分析算法,进行变压器局部放电信号的去噪。针对独立分量分析进行信号分离时需要多元信号的要求,首先提出利用经验模态分解算法构造参考信号,然后通过独立分量分析算法进行信号分离。利用该方法进行变压器局部放电信号的去噪,较好地恢复出窄带干扰及白噪声下的局部放电脉冲信号的波形、波形之间相对幅值关系以及脉冲极值所对应的时间点等局放信息,在仿真及实测数据的处理中都取得了较好的效果,验证了该方法的有效性和优越性。     

基于局部投影理论的水声信号降噪处理研究

采用基于非线性动力学系统的局部投影非线性降噪理论，研究了水下目标舰船辐射噪声的非线性降噪问题。在讨论嵌入维数和延迟时间对降噪效果影响的同时，分析了局部投影邻域半径ε对降噪效果的影响。利用信号的噪声强度估计局部投影邻域半径ε，对信号进行降噪处理，不仅使算法结构简单，而且保证了算法的收敛性。通过对含噪Lorenz模型和实际舰船信号进行降噪处理，得到了较为满意的结果。     

基于独立分量分析的系统性能监控方法研究

为了提高故障检测和诊断的性能,提出了一种基于独立分量分析和支撑向量机对系统性能进行监控的整体框架,这一框架包括特征提取和故障识别两部分.独立分量分析被用来从当前工况的数据矩阵中提取出代表当前工况特征的投影系数矩阵,而这些投影系数矩阵则被用来训练多个支撑向量机,从而利用它们实现故障类型的识别.Tennessee Eastman 过程的仿真研究证实了该算法的可行性,且与传统的基于主元分析的算法相比,能够更早地检测出故障的发生.     

基于改进延伸奇异值分解包的滚动轴承故障诊断

针对延伸奇异值分解包算法中依靠经验设定参数的问题,提出了一种可自适应设定参数的改进延伸奇异值分解包算法。该方法利用信号的关键函数对其频谱趋势进行估计,以此实现原算法中2个重要参数——分解精度和分解层数的自适应设定。引入了时域负熵指标,在实现信号自适应分解的同时,可对分解分量进行降噪处理,提高分量的信噪比,为之后的特征提取和故障诊断奠定基础。仿真信号和实验结果均表明该方法能有效地提取振动信号中的故障特征,实现滚动轴承的故障诊断。     

基于局部投影算法的舰船信号降噪处理研究

利用基于非线性动力学系统的局部投影降噪算法研究了舰船辐射噪声的非线性降噪问题。分析了局部投影降噪算法邻域半径参数与降噪效果的关系,研究了利用噪声强度估计邻域半径参数的方法。通过对含噪Lorenz模型和实际舰船信号进行降噪处理,得到了较为满意的结果。     

FastICA遗传神经网络算法

针对反向传播（BP）算法和基于负熵固定点迭代快速独立分量分析（FastICA）方法各自的优缺点,提出了FastICA遗传神经网络算法,对滚动轴承进行故障识别.首先对信号进行FastICA分离,得到振动信号故障信息的独立分量,每个独立分量对应着相应的能量,将各个独立分量的能量构成特征向量;其次利用遗传算法对BP神经网络的初始权值和阈值进行优化,得到遗传神经网络;最后将特征向量作为遗传神经网络的输入样本进行故障识别.利用该方法对滚动轴承多类故障信号进行识别,提高了故障识别能力.     

基于EMD与ICA的滚动轴承复合故障诊断

针对单通道情况下滚动轴承复合故障难以分离问题,提出基于经验模式分解(empirical mode decomposition,EMD)的独立分量分析(independent component analysis,ICA)算法.该方法首先对单通道采集的轴承复合故障信号进行EMD分解,得到多个基本模式分量函数(intrinsic mode function,IMF),然后依据帩度指标及相关系数值,选取有效的IMF分量与原观测信号组成新的观测信号,对其进行ICA处理,进而实现轴承复合故障的分离.实验结果表明,该方法可有效地分离轴承早期的复合故障.     

一种新的MEMS陀螺仪信号去噪方法

为提高MEMS陀螺仪输出信号的去噪效果,将稀疏分解(sparse decomposition)与提升小波变换(lifting wavelet transform)相结合,提出了一种新的信号去噪方法.首先,建立MEMS陀螺带噪信号的误差模型,并利用小波提升正变换计算带噪信号的非稀疏的小波系数;然后,利用稀疏分解理论恢复小波系数的稀疏性;最后,再通过小波提升反变换重构信号,从而达到去噪的目的.考虑到梯度投影(gradient projection)算法具有全局最优解,运算效率更高,将梯度投影思想引入恢复信号稀疏性的过程中,提出了基于梯度投影的稀疏分解算法,给出了利用梯度投影算法进行信号系数分解的具体步骤,大大简化了计算复杂度,同时提升了算法的稳定性.为验证所提方法的性能,进行了MEMS陀螺信号去噪的静态实验和跑车实验.实验结果表明,此种方法在动静态条件下都可以有效地去除MEMS陀螺仪输出信号中的噪声,尤其是在静态条件下的去噪效果要优于小波阈值滤波方法.同时采用的梯度投影算法相比于正交匹配追踪算法和基追踪算法具有更高的运算效率.     

复杂背景噪声下风机叶片裂纹故障声学特征提取方法

针对大型风机叶片裂纹故障声学诊断问题,提出一种非接触式的叶片状态远程在线声学监测系统,给出了叶片裂纹故障的声学特征自适应提取方法.首先设计了面向复杂环境噪声的原始声信号预处理算法,然后采用1/6倍频程粗略刻画叶片声信号的频谱总体变化趋势,提取无量纲的倍频程能量比构造支持向量机分类器的输入特征向量,最后引入主成分分析法自适应的优化高维特征空间.风场实测数据验证了该算法的有效性.     

基于LMD-SVD的微震信号降噪方法研究

作为一种3维、实时的监测手段,微震监测通过分析岩体破裂产生的微震信号,评估工程岩体的稳定性,为工程建设和人员安全提供预警。然而,工程现场情况复杂,采集微震信号时通常会混入一定程度的噪声,影响后续微震信号的分析工作。针对这一问题,提出一种基于局部均值分解（local mean decomposition,LMD）和奇异值分解（singular value decomposition,SVD）的LMD-SVD联合降噪法以降低噪声干扰。该方法首先使用LMD分解,获得一系列由高频到低频分布的乘积函数（product functions,PF）;通过计算原始信号与各个PF分量之间的相关系数,确定含噪信号与有效信号之间的分界位置,将分界分量之前的分量剔除,实现初步降噪。然后,针对LMD分解结果中的残留噪声,使用SVD法,以加权能量贡献率（percent of contribution to total energy,PCTE）作为奇异值阶数的确定方法,对分界PF分量进行降噪处理,实现二次滤波。通过上述处理,最终实现微震信号降噪。在仿真实验中,对于同一带噪的Ricker子波,分别使用经验模态分解（empirical mode decomposition, EMD）、LMD、LMD-SVD这3种方法进行降噪处理。其降噪前后信号的信噪比、波形图及频谱图对比结果表明LMD-SVD是一种更好的降噪方法。此外,对于白鹤滩水电站左岸地下厂房的微震监测系统所采集的信号,运用LMD-SVD对含噪微震信号进行降噪处理,表明本文方法能够有效地去除微震信号中的高频噪声,为后续微震分析工作提供帮助。     

AMUSE算法在声波测井数据处理中的应用

传统的声波测井信号处理方法采用滤波器滤除干扰信号,不能有效滤除与测井信号处于同一频段内的干扰信号.本文针对测井信号和干扰信号由相互独立的信号源产生,并被声波测井仪器的多个接收器接收这一特点,采用一种独立变量分析方法,AMUSE算法对接收器的获取信号进行分解,提取测井信号的波形信息.并利用测井信号的能量远大于干扰信号的能量这一特点,对AMUSE算法进行改进,利用接收器获取信号的能量信息,得到测井信号的幅度估计.该算法实现了对测井信号波形和幅度的提取,可以有效的提高声波测井数据的准确度.     

Speech-stream detection in short-wave channel based on empirical mode decomposition and higher-order statistics

To capture the presence of speech embedded in nonspeech events and background noise in short-wave non-cooperative communication,an algorithm for speech-stream detection in noisy environments is presented based on Empirical Mode Decomposition (EMD) and statistical properties of higher-order cumulants of speech signals.With the EMD,the noise signals can be decomposed into different numbers of IMFs.Then,the fourth-order cumulant (FOC) can be used to extract the desired feature of statistical properties for IMF components.Since the higher-order cumulants are blind for Gaussian signals,the proposed method is especially effective regarding the problem of speech-stream detection,where the speech signal is distorted by Gaussian noise.With the self-adaptive decomposition by EMD,the proposed method can also work well for non-Gaussian noise.The experiments show that the proposed algorithm can suppress different noise types with different SNRs,and the algorithm is robust in real signal tests.     

常规声压与声矢量信号非整数维谱性能比较研究

为解决高阶谱算法复杂、计算量大和声压信号有限的抗干扰能力问题,提出了声矢量信号非整数维谱分析方法.利用可抑制高斯和对称分布噪声的高阶累积量非整数维谱对目标辐射噪声声压信号和声矢量信号进行了特征分析.分别采用功率谱图和三维动态谱图方法对常规声压和声矢量信号非整数维谱性能进行了直观比对.为获得定量分析结果,分别对不同背景噪声环境条件下,不同输入信噪比的常规声压与声矢量信号非整数维谱的轴频PBR及PD进行了详细计算.结果表明,声矢量信号非整数维谱特征提取与轴频检测能力优于常规声压信号,为高阶统计量应用于声矢量信号处理提供了一条途径.     

基于匹配追踪的快速独立分析方法在轴承复合故障盲源分离中的应用

针对强噪声干扰下轴承复合故障信号难于提取分离的问题,提出基于匹配追踪的快速独立分析方法.首先,通过基于Gabor原子的匹配追踪方法对单通道故障信号进行降噪处理;然后,根据终止条件的不同数值条件得出多组重构信号,组成多组信号,实现信号升维;最后,通过快速独立分析方法对降噪处理后的复合故障信号进行盲分离.实验数据分析结果表明:所提方法具有可行性和有效性,为强噪声干扰下的复合故障信号分离与提取提供了一种方法.     

局域波神经网络海洋平台AE信号识别研究

为了研究海洋平台结构声发射信号的特征,将近期发展的局域波法和神经网络相结合应用于提取识别中.首先,将海洋平台结构声发射信号进行局域波分解,得到自适应的基本模式分量,然后从各基本模式分量中提取能量特征参数作为神经网络的输入参数来识别海洋平台结构的声发射信号.通过对海洋平台结构模型声发射信号的实验数据分析表明,以局域波法提取各频带能量作为特征参数的神经网络方法可以准确、有效地识别海洋平台结构声发射信号,从而为海洋平台结构声发射信号特征提取识别提供了一种新的方法.