改进低秩矩阵逼近算法的非同步测量声源定位

非同步测量声源定位可以提高定位的频率范围和空间分辨率。然而，在低信噪比的环境下现有矩阵补全算法的非同步测量声源定位结果精度较差。提出改进低秩矩阵逼近矩阵补全算法：首先，对不完整的互谱矩阵进行矩阵补全；其次，应用参数化非凸惩罚函数的去噪方法对互谱矩阵进行去噪处理。最终通过常规波束形成算法实现非同步测量声源定位。将改进低秩矩阵逼近算法与核范数最小化补全算法、主成分分析算法在不同频率与低信噪比下进行非同步测量声源定位数值仿真与试验对比。仿真与试验结果表明：(1)不同低信噪比下，改进低秩矩阵逼近算法较核范数最小化补全算法、主成分分析算法的补全误差均要小。(2)相比于核范数最小化补全算法、主成分分析算法的声源定位结果，改进的低秩矩阵逼近算法可以有效缩小主瓣宽度、抑制旁瓣，提高声源定位的分辨率，能够适用于信噪比较低的复杂工业环境。     

抽样改进加权核大数据谱聚类算法

经典谱聚类算法将数据聚类转为图划分问题,在分析其Normalized Cut函数与传统加权核k-means等价基础上,设计了一种基于抽样改进加权核k-means算法的大规模数据集谱聚类算法,算法通过加权核k-means迭代优化避免Laplacian矩阵特征分解的大量资源占用,通过随机映射得到近似奇异值分解,并由近似奇异...     

基于双加权不平衡矩阵分类器的机械故障诊断方法

针对机械故障样本数量不平衡情景下的故障诊断模型存在精度与泛用性不高的问题,借鉴模糊属性理论获取强监督模型的思想,设计了一种双加权不平衡矩阵分类器(Twin weighted imbalanced matrix classifier,TWIMC)。TWIMC通过使用基于样本不均衡度的模糊隶属函数调节每个样本的权重,以增强对少数类样本的关注,平衡模型对所有类别样本的倾向性。同时,TWIMC依靠先验知识对核范数的奇异值进行权值分配,利用较大阈值过滤较小奇异值,进而保留矩阵样本的强关联低秩信息。最后,利用滚动轴承和齿轮故障数据集对所提方法进行验证,实验结果显示,TWIMC在不同不平衡比条件下均表现突出,展示了优异的机械故障诊断与分类性能。     

奇异值能量标准谱在机械振动信号降噪中的应用研究

针对机械设备振动信号的宽频带、非线性和非平稳特性,提出了一种基于奇异值能量标准谱的自适应降噪方法。首先利用平均最近邻域发散度判定法计算嵌入维数并对信号进行相空间重构,然后对相空间重构矩阵进行奇异值分解,最后提出奇异值能量标准谱概念,根据能量标准谱拐点位置自适应地确定奇异值的重构阶数以重构有用分量,从而实现信号降噪。数值仿真和柴油机缸盖振动信号分析结果表明,本方法能够有效消除信号中的噪声并保留原信号的特征,提高信噪比。     

波束形成噪声源识别性能的仿真分析及应用

波束形成声源识别技术因具有在中高频的分辨率高的特点而被广泛应用于工程实际中。基于平面波和球面波的假设,以扇形轮阵列为例,进行了延时求和算法的单声源、多声源的声源识别性能仿真,结果表明:自主开发的算法程序是正确的,能够准确地识别单个及多个声源。进行了互功率谱及除自谱的互功率谱算法的声源识别性能仿真对比,结果表明:两种算法均可以准确定位声源,且除自谱的互功率谱算法可以有效地抑制旁瓣,提高了声源识别性能。为进一步验证算法程序的准确性,进行了工程试验,得到单一频率的声源成像图,开发了便于查看任意频带下数据结果的用户界面,同时与基于PULSE获得的声源成像结果进行对比,验证了算法程序的准确性。     

基于互谱矩阵函数的多声源识别方法

为解决多声源识别中的混叠问题,提出一种基于互谱矩阵函数的多声源识别方法。首先,对与各峰值源相关的互谱矩阵进行特征值分解,并利用特征值和特征向量构造其函数;其次,在反卷积迭代过程中,将该函数用于计算移除各峰值源后的互谱矩阵函数和输出功率;最后,将与各峰值源相关的干净波束和剩余功率谱叠加,获得多声源的分布图像。仿真与实验结果表明,该算法的输出波束主瓣窄、旁瓣低,可有效提升传统反卷积算法的动态范围,实现多声源的高分辨率识别。     

可用于相干声源的快速反卷积声源成像算法

提出一种可用于相干声源识别的快速反卷积声源成像算法（Fast deconvolution approach for the mapping of coherent acoustic sources,FC-DAMAS）。该算法去除了反卷积声源成像算法（Deconvolution approach for the mapping of acoustic sources,DAMAS）中的互谱过程,直接求解声源复数源强分布,从而避免了互谱操作导致的待求未知数个数的剧增,因此不再需要采用非相干声源假设来减少待求未知数,使该算法能够同时适用于相干和非相干声源的识别;其次,该算法在反卷积求解过程中采用了与稀疏约束反卷积声源成像算法（Sparsity constrained DAMAS,SC-DAMAS）类似的L1范数稀疏约束反卷积方法,使算法在相干和非相干声源的识别过程中均具有很高的计算精度和空间分辨率;此外,该算法中增加了对测量声压的主成分分析去噪过程,弥补了取消互谱去噪过程造成的算法鲁棒性下降,使算法具有与SC-DAMAS算法类似的噪声鲁棒性。与现有可用于相干声源识别的反卷积声源成像算法（Deconvolution approach for the coherent sources,DAMAS-C）相比,提出的FC-DAMAS算法大大降低了待求解的矩阵方程规模,使其计算效率得到了显著提升。通过数值仿真和实验验证了FC-DAMAS算法的优越性,结果表明所提出的FC-DAMAS算法在应用范围、声源识别性能和实用性方面都更具优势,更适于在实际工程中应用。     

基于反问题的正则化波束形成改进算法

基于反问题的正则化波束形成技术能以较高的计算效率得到稳健的声源识别结果。然而由于其正则化解中的正则化矩阵取决于低效的传统波束形成方法,使得基于反问题的正则化波束形成的声源识别结果精准度较低。为了在低信噪比环境下进一步提升其声源识别性能,基于Tikhonov正则化一般形式解提出一种双重迭代优化算法。该算法基于延时求和波束形成算法与互谱运算构造出新的正则化矩阵,并结合迭代方法对新正则化矩阵和波束输出进行优化,最终以较少的迭代步数经两次迭代运算有效提高了声源识别精度和稳定性。最后,通过数值仿真和实验算例,进一步验证了双重迭代优化算法的可行性和有效性。     

一种基于加权子空间的稀疏表示DOA估计算法

针对未知互耦条件下的波达方向（DOA）估计问题,本文提出一种未知互耦条件下基于加权子空间（WSF）的稀疏表示DOA估计算法。新算法在原有l1范数优化模型基础上引入一个子空间加权矩阵,并推导出了一个使得DOA估计方差取得最小值的最优子空间加权矩阵。仿真实验表明在低信噪比情况下,新算法能进一步提高稀疏表示估计算法的抗噪能力,获得更好的估计精度。     

双五元十字阵被动声定位融合算法及性能分析

为了提高被动声测量的准确度和克服声源目标空间方位模糊的问题,提出了双五元十字阵被动声定位融合算法。首先设计了一种双五元十字阵传声器阵列模型,依据模型定义了声源点象限判断准则;然后根据被动声定位原理推导了单一五元十字阵的声源点坐标计算公式,根据俯仰角度正弦值作为加权系数,构造了双五元十字阵被动声定位融合算法模型;最后对该模型测距和测向的精度进行了理论分析,给出了时延估计误差、俯仰角以及方位角与双五元十字阵定位性能的关系。理论分析和仿真实验结果表明,该算法克服了声源目标空间方位模糊的问题、减小了时延估计误差对测距测向性能的影响。本文算法能够更加准确地测量出声源点的位置信息。     

基于TDOA多声源定位的虚假声源消除方法

基于到达时差(time difference of arrival,简称TDOA)的多声源定位方法难以将麦克风获得的TDOA值与真实声源进行有效的关联.针对此问题,提出了一种基于TDOA的多声源空间定位方法.利用互相关算法估计声源的TDOA值,并基于Chan算法求解多目标声源的空间位置.为消除虚假声源,将阵列麦克风分为...     

基于听觉特性和过零点间隔的多声源定位算法

针对目前声源定位技术的研究现状,研究了人耳听觉系统的生理学和心理学特性,建立了基于人耳听觉系统的多声源定位模型;通过研究信号部分频率成分间的过零点时间间隔与原信号保持一致的特性,提出了用上升过零点模拟听神经的发放行为,从而引入了根据两通道间过零点时间间隔统计特征确定两耳时延的算法,并给出了噪声对时延结果影响的判定方法;相比互相关算法,该算法的计算量较小而抗噪声能力更强,声源的增多不会明显降低定位效果;通过与常用的互相关时延算法对比,仿真实验验证了该算法在较低信噪比情况下,依然可以对多个声源取得较好的定位效果。     

加权方法在基于灵敏度分析的模型修正中的应用

基于灵敏度分析的模型修正在解决工程实际问题时,修正效果并不理想。研究了加权方法在模型修正中的应用。引入加权矩阵Wf,用来设定不同残差所占的权重;在优化目标中加入修正参数变化值,即在优化目标残差最小化的同时,要求修正参数的变化也最小,引入加权矩阵Wp,通过改变Wp的大小来限制修正参数的变化。对铝基复合材料安装架结构进行模型修正,可以看出引入Wf、Wp后模型修正效果更好。     

激光跟踪仪三维坐标转换综合优化方法

为了减少飞机等大型机械产品在安装过程中公共点测量误差的影响,提高坐标转换的精度,提出一种加权点匹配计算方法。该方法以匹配残差加权平方和最小作为解的最优性条件,根据不等精度测量时的加权原则,按照公共点的点位误差确定权重。基于广义逆矩阵理论,建立了近似的测量误差传递模型,分析了测量误差和权重对匹配结果的影响。为了指导跟踪仪位置的优选,借鉴结构力学理论提出一个公共点分布评价指标。重复测量实验表明,在相同测量条件下,与奇异值分解法相比,该匹配算法转换参数的标准差减小了约10%,稳定性较好。对某型飞机附件测量方案的优选实例表明,应用该评价指标有助于选择转换精度较高的跟踪仪站位。     

压缩感知声源定位方法研究*

目前声源定位主要采用波束形成算法与麦克风阵列相结合的方法。常规波束形成(Conventional beamforming, CBF)方法存在以下缺陷：① 空间分辨率受限于瑞利限;② 动态响应范围受旁瓣的影响。高级波束形成算法则存在着计算时间过长、会出现负声源或假声源等缺陷。提出一种基于麦克风阵列与压缩感知正交匹配追踪(Orthogonal matching pursuit, OMP)算法的声源定位方法。在不同频率下通过数值仿真方法将压缩感知OMP算法与CBF算法及压缩感知基追踪(Basis pursuit, BP)算法的声源定位结果进行对比。结果表明：① 与CBF算法相比,压缩感知算法显著提高定位结果的分辨率;② 当声源频率为 1 000 Hz时,测量矩阵的等距约束性常数(Restricted isometry constant, RIC)远高于FOUCART边界限,不满足等距约束性条件(Restricted isometry property, RIP),压缩感知OMP算法仍能定位出主要声源的位置,而压缩感知BP算法无法对主要声源进行定位。通过数值仿真方法对不同信噪比(Signal to noise ratio, SNR)及不同声源间距下压缩感知OMP算法和CBF算法声源定位的结果进行对比。结果表明：① 当SNR为零时,压缩感知OMP算法能对主要的声源信号进行定位,而CBF算法无法对主要声源进行定位;② 在声源频率为5 000 Hz时,OMP算法的空间分辨率为0.074 m,突破了瑞利限约束。通过试验对所提出的声源定位方法的可行性进行验证。     

基于群智能加权核聚类的水电机组故障诊断

针对核聚类中核参数选择依赖经验,最优聚类中心难以有效获取的问题,提出了一种仿电磁蜂群加权核聚类算法。首先,考虑不同特征对聚类结果的影响,对样本进行加权处理,利用核空间的Xie-Beni指标建立加权核聚类模型;然后,提出并引入仿电磁蜂群算法求解聚类模型,实现聚类中心、特征权重与核参数的同步寻优。利用该方法分别对3组标准测试样本集以及水电机组故障样本进行聚类测试,并与传统方法进行对比分析。试验结果表明,提出的仿电磁蜂群加权核聚类算法较传统聚类方法具有更高的精度,能够有效实现水电机组振动故障的准确聚类与识别,完成故障诊断。     

基于互反模糊偏好信息的顾客需求竞争重要度估计方法

针对顾客需求竞争性评价和顾客对竞争性产品的偏好的模糊性,提出了基于三角模糊数的顾客需求竞争性评价矩阵的确定方法和基于三角模糊数的互反偏好矩阵估计方法。根据相应于每一位顾客基于三角模糊数的顾客需求竞争性评价矩阵和基于三角模糊数的互反偏好矩阵,通过规范化、一致化模糊信息,利用偏差最小化原理构建基于确定顾客需求竞争性重要度的模糊多目标规划模型以确定相应于每一位顾客的顾客需求竞争性重要度。采用加性加权法集结综合顾客需求竞争性重要度,以实现顾客需求模糊竞争性评价和顾客对竞争性产品的模糊偏好的集成分析。     

广义S变换时频谱SVD降噪的滚动轴承故障冲击特征提取方法

针对强背景噪声下滚动轴承故障冲击特征难以提取的特点,提出了基于广义S变换时频谱SVD降噪的滚动轴承故障冲击特征提取方法。利用广义S变换时频分辨率高,时频谱能量集中,适合处理与分析非平稳冲击信号的特点,将广义S变换时频谱系数矩阵作为SVD的Hankel矩阵,以奇异值差分谱峰值群最后一个峰值点对应的奇异值作为置零阈值,最后对降噪后的数据矩阵进行广义S逆变换得到时域冲击特征信号。仿真及实际研究表明,该方法能够有效地提取出低信噪比信号中的周期性冲击特征,并能够有效地提取轴承故障振动信号中的冲击特征频率。     

基于互谱矩阵估计的泄漏源超声阵列定位技术研究

针对天然气站场微小泄漏源准确定位的难题,分析了基于时延估计的波达方向计算原理;提出了基于互谱矩阵的延迟估计方法;设计了三角形超声阵列泄漏检测系统,根据西气东输某压气站真实背景噪声下的模拟泄漏测试数据,对比分析了互相关、广义互相关和互谱矩阵3种算法的定位精度,结果表明,超声阵列泄漏检测系统在探测半径为20 m范围内时,基于互谱矩阵算法的泄漏源定向误差均值小于2°,2个超声阵列传感器空间交汇定位误差为0.61 m,显著优于互相关和广义互相关经典算法。系统抗干扰能力强,具有在正常生产工况下对2 mm口径微小泄漏准确定位的能力,研究成果为天然气站场泄漏点准确定位提供了一种切实可行的技术方案。     

基于O-SVD与FSC的滚动轴承微弱故障特征提取研究

由于滚动轴承的早期微弱故障特征难以被完整地提取出来,为此,提出了一种基于周期优选奇异值分解(O-SVD)和快速谱相关(FSC)的滚动轴承微弱故障提取算法。首先,通过理论和仿真分析,对存在细节特征丢失问题的传统截断奇异值分解(T-SVD)算法进行了改进,提出了一种以相关系数作为指标,判断有效奇异值分解子空间的O-SVD算法;然后,将O-SVD作为信号处理的前置处理单元,对滚动轴承的故障信号进行了分解重构,并将处理后的重构信号进行了快速谱相关计算,得到了特征明显且能够较好保存局部细节特征的增强包络谱;最后,基于仿真模型,分析了现有算法的不足,并以故障识别率为指标,阐明了基于O-SVD与FSC的算法在低信噪比工况下的工程适用性。研究结果表明：与对比算法相比,在滚动轴承早期微弱故障、复合故障和综合故障3种工况下,基于O-SVD与FSC的算法均能够较为完整地提取故障信号特征,具有较好的工程适用性。