基于D-S理论的智能故障诊断关键技术研究与实现

以智能检测和故障诊断技术作为研究对象,分析了在智能故障诊断系统中用到的特征提取、模式识别和故障预测等关键技术,探讨了用于实现上述关键技术中的小波变换和人工神经网络算法。鉴于人工神经网络算法容易出现系统故障定位不准确性的不足,引入了D-S(Dempster Shafer)证据理论。首先用BP神经网络对故障信息进行局部诊断,然后利用D-S证据理论对局部诊断结果进行融合,进行全局诊断,得到最终的故障结果。D-S证据理论的引入,增大了诊断结果的可靠性和准确性,提高了诊断算法的适应性。在LabWindows/CVI的平台下,实现了智能故障诊断算法。     

基于EEMD-Treelet和高斯过程的起重机齿轮故障诊断

齿轮故障诊断对于起重机安全运行至关重要;提出了一种基于集成经验模态分解(ensemble empirical mode decomposition, EEMD)-Treelet变换和高斯过程(gaussian process, GP)的起重机齿轮振动故障诊断新方法;设计一种细菌觅食算法(bacterial foraging optimization, BFO)优化高斯过程模型超参数;建立基于集成经验模态分解-希尔伯特变换的齿轮振动参数信号特征提取方法,利用Treelet变换实现这些特征的降维学习;建立基于细菌觅食算法优化高斯过程的齿轮故障模型;实验结果表明,EEMD-Treelet-GP诊断方法不仅可以识别最佳特征向量,而且可以识别故障位置。     

基于FPGA的数论变换算法及应用的研究

本文介绍了数论变换及其一些基本特性;讨论了数论变换中的快速算法和较长序列变换等重要问题,并给出了解决方案。进一步论证了基于FPGA实现数论变换的可行性及其在数字信号处理应用中优势所在;最后设计出了基于FPGA的基本数论变换的实现并基于此实现了快速卷积运算器。     

基于MATLAB时频分析算法的滚动轴承故障研究

为了确定滚动轴承故障类型,文中首先通过理论计算得到滚动轴承各故障特征频率。其次,对该轴承外壳进行传感器的布置,提取该轴承的振动信号,利用MATLAB对振动信号进行时域分析,随后将FFT得到幅频特性曲线对比故障特征频率初步判断其故障类型。进一步对振动信号进行Hilbert的包络谱分析、利用EMD算法进行Hilbert-Huang变换求得Hilbert边际谱,最终确定故障特征。该时频分析方法所得诊断结果与实际轴承故障类型一致,故此算法可广泛应用于设备滚动轴承故障诊断中。     

基于FPGA的EMD算法实现方法的研究

针对基于FPGA的嵌入式系统在机械设备状态检测和故障监测设备中的应用需求,为提升检测设备的性能和检测设备便携性,研究了EMD信号分解方法在FPGA平台上的实现。主要研究了基于Xilinx FPGA平台实现EMD算法的方法,直接处理实时采集到的振动信号,通过FPGA模块对采集到的信号进行EMD分解,用于后续信号的分析。将EMD算法移植到FPGA平台,将减少故障检测设备对上位机设备的需求,符合故障检测设备微型化、便携式的发展方向。     

基于小波变换和神经网络的PWM逆变电路故障诊断

为了实现PWM逆变电路开路故障的诊断及定位,提出了基于小波变换和神经网络的开路故障诊断方法。该方法利用小波变换从输出电流中提取故障特征向量,并将故障特征向量输入建立的三层BP神经网络中进行训练,最后使用测试样本验证神经网络的故障诊断正确性。仿真结果表明,该方法能实现1只或2只功率器件的开路故障诊断及定位,故障诊断准确性高。     

提升小波变换在煤矿轴承故障诊断中的应用研究

针对煤矿关键设备中滚动轴承故障诊断问题,提出将提升小波变换应用到煤矿轴承故障诊断中,介绍了提升小波变换原理,并设计了自适应提升小波预测器和升级滤波器。仿真结果表明,轴承故障信号实际测量值与理论值平均误差小于3%,说明利用提升小波变换能够实现噪声条件下轴承故障信号的准确识别。     

基于差分进化杂草算法（DE-IWO）的容差模拟电路故障诊断

为提高容差模拟电路参变故障的诊断率,提出了一种新颖的差分进化入侵杂草算法优化多核支持向量机参数的故障诊断方法。通过小波包变换提取被测电路时域响应信号的特征参量,并生成样本数据,经差分进化入侵杂草算法优化多核支持向量机参数,建立故障诊断模型。故障诊断结果表明,所提出的方法能较好地实现模拟电路故障诊断,与现有方法相比,此方法所建立的SVM模型表现出了更好的性能,获得更高的故障诊断正确率。     

基于深度学习的智能设备故障诊断研究综述

智能设备故障诊断技术(Intelligent Fault Diagnosis, IFD)将深度学习理论应用于设备故障诊断,能自动识别设备的健康状态和故障类型,在设备故障诊断领域引起了广泛关注。智能设备故障诊断通过构建端到端的AI模型和算法将设备监测数据与机器健康状态关联以实现设备故障诊断,但设备故障诊断的模型和算法较多且相互之间并不通用,采用与监测数据不相符的模型进行故障诊断会导致诊断准确率大幅度下滑。为解决这一问题,在全面调查设备故障诊断相关文献的基础上,首先简述深度设备故障诊断的模型框架,再根据具体应用场景和设备监测数据类型对模型算法进行分类介绍、列表对比及总结,最后针对存在的问题分析了未来的发展方向。本综述有望为智能设备故障诊断的研究提供有益的参考。     

基于多块相对变换独立主元分析的故障诊断方法

针对复杂工业过程中故障诊断技术存在数据可分性差、噪声干扰、故障定位困难的问题,提出一种基于多块相对变换独立主元分析(MBRTICA)的故障诊断方法.为了使所提取的故障特征具有可分性,采用相对变换原理与FastICA算法融合的方式构建相对变换独立主元分析方法(RTICA)用于检测故障的发生.通过引入多块理论,将高维数据分成多个子块单元,并在每个子块单元内分别进行RTICA处理,确定故障发生的位置.最后用电主轴轴承裂纹故障的实验对所提方法进行验证,实验结果表明,基于MBRTICA的故障诊断方法可提高数据的可分性,能够有效减少噪声,同时提高故障检测的精度, 实现故障定位功能, 全面地对故障进行分析.     

图像的二维提升小波变换的FPGA实现

研究了图像的5/3提升小波变换算法原理,根据提升算法的系数分布存在的特点,提出二维提升小波变换硬件实现的简化VLSI硬件结构,并在对系统进行了综合、仿真后,在FPGA芯片上实现。实验证明,系统改进的简化硬件结构,提高了系统运行速度,保证了系统的实时性要求。     

An experimental study, about detection of bearing defects in inverter fed small induction motors by Concordia transform

This paper describes an application about detection of bearing defects in inverter fed induction motors, using Concordia transform approach based algorithm. After introduction, brief information is given about bearing structure and type of bearing failures. Next section, Concordia transform theory is mentioned then, RBF neural network structure is summarized. After that, test system information is specified. This paper indicates that Concordia transform approach is a reliable tool to detect bearing faults in inverter fed small induction motors. The generality of the proposed methodology has been experimentally tested on a 1 HP squirrel-cage induction motor. At the end of the paper, an ANN algorithm is proposed that could detect the bearing faults automatically. The obtained results have 93.75% accuracy. This study suggests that proposed Concordia transform based fault detection algorithm could be integrated in an induction motor driver so, bearing condition of the induction motor could be observed while motor is working and bearing faults could be detect before they become serious.     

基于FPGA的高速二维DCT变换的研究与实现

空间科学实验中图像的分辨率不断提高、数据量越来越大,因此需要对图像数据进行星上压缩处理后再进行传输。FPGA具有低功耗、高性能的特点,已普遍应用在卫星的各种有效载荷上,因此可采用FPGA实现图像压缩。基于FPGA的图像压缩算法的核心是DCT变换,而DCT变换中需消耗大量的乘法资源。为了提高图像压缩的效率,同时减少对专用乘法器的依赖,本文就充分利用FPGA中的BRAM与LUT资源,使用改进型的分布式算法、流水结构和乒乓操作,在避免使用乘法器的同时,实现JPEG压缩算法中的DCT变换,具有良好的可移植性。经验证,该方法用于基于FPGA的JPEG图像压缩系统中,相比传统DCT快速算法运算速度显著提高。     

基于FPGA的实时Hough变换

为解决Hough变换实时性差的问题,提出一种基于现场可编程门阵列的实时Hough变换方法。采用分角度映射方法使Hough变换在空间上并行运算。设计一种基于流水线的计算结构,实现Hough空间参数计算与存储的时间并行性。通过双口RAM,在单个时钟内完成参数空间的一次投票操作,提出一种适合在FPGA中实现的快速寻找极值的二次搜索算法。与DSP进行效率对比实验,结果表明该方法效率较高,能满足实时性处理要求。     

小波变换的 FPGA 实现

为了实时进行不同小波基的快速小波变换，本文介绍了利用现场可编程阵列ＦＰＧＡ实现小波变换的设计。     

基于离散小波变换和随机森林的轴承故障诊断研究

针对不同工况下数据特征选择困难和单一分类器在滚动轴承故障诊断中识别率较低等问题,提出了一种基于离散小波变换和随机森林相结合的滚动轴承故障诊断方法。该方法首先利用离散小波变换分解振动信号,得到n层近似系数;然后创新性地采用sigmoid熵构造出n维特征向量,sigmoid熵能较好地提取非平稳信号的特征,提高诊断准确率;最后采用随机森林对滚动轴承不同故障信号进行分类。实验采用西储凯斯大学轴承数据中心网站提供的轴承数据,与传统分类器(KNN和SVM)以及单个分类回归树CART进行对比分析,结果表明该方法具有更好的诊断效果。     

应用于工业监控的视频增强处理算法的FPGA实现

应用 VerilogHDL 在 FPGA 中实现了视频增强算法,设计了视频增强算法所需的辅助功能,包括视频编解码控制、SRAM 访问仲裁控制及色度空间变换控制,用 Matlab 进行了视频增强的仿真,优化了视频增强算法的参数。     

滑动DCT-LMS自适应算法研究与FPGA实现

研究一种改进的低复杂度复数滑动离散余弦变换(DCT)最小均方(LMS)自适应算法,并设计该算法的FPGA实现结构。在常规LMS算法的输入端前添加改进的滑动DCT,降低输入信号之间的关联性,提高自适应算法收敛速度。改进的滑动DCT算法针对硬件实现进行了优化,提高其在硬件实现中稳定性和精度。给出算法在FPGA实现框图、结果和Matlab仿真结果的对比,以及算法在FPGA中的资源使用。算法已经在实际工程中应用,效果远优于常规LMS自适应算法。     

基于DSP与FPGA结构的星载图像压缩系统设计与实现

针对空间遥感成像数据传输之前需对CCD图像进行压缩处理的要求,设计了一种基于多片DSP+FPGA结构的高效高速星载图像压缩系统,采用了双正交重叠变换的定点实现算法对图像进行压缩,只需少量的移位和加法运算,降低了算法的实现难度,并对编码进行了优化处理,适于DSP并行处理。应用结果表明,该系统运行稳定可靠,压缩效果良好,软硬件复杂度低,有很好的实用性和推广价值。     

基于第二代Curvelet变换的彩色图像增强算法

针对小波变换对彩色图像增强算法诸多问题,提出基于第二代Curvelet变换的彩色图像增强算法,它克服了小波变换在表达彩色图像边缘的方向特性等方面的内在缺陷,更加适合分析二维图像中的曲线或直线状边缘特征。阐述了第二代Curvelet变换的基本原理,通过对512×512的Lena和Babon彩色图像仿真实验,实验结果表明算法对彩色图像具有很好的增强效果,提高了彩色图像的对比度,降低了噪声,同时也较好地保留了边缘信息,无论是从视觉效果还是从性能指标都优于小波和Ridgelet算法。