基于自适应局部迭代滤波和模糊C均值聚类的滚动轴承故障诊断方法

为准确提取滚动轴承振动信号的故障特征,并对不同状态信号进行划分,提出了一种基于自适应局部迭代滤波(ALIF)和模糊C均值(KFCM)聚类的滚动轴承故障诊断方法.首先,将多模态信号自适应分解为多阶单一模态分量;然后,结合相关系数提取出含有最多故障特征信息的最优分量,计算其近似熵值并构建特征向量矩阵;最后,将得到的特征向量...     

自适应局部迭代滤波与模糊熵在齿轮系统故障识别中的应用

针对齿轮系统实测信号受噪声干扰而不能准确反映故障特征的问题,提出了一种自适应局部迭代滤波与模糊熵相结合的故障识别方法.利用自适应局部迭代滤波可以将齿轮非平稳信号分解为有限个平稳的本质模态函数,由于自适应局部迭代滤波能有效分离出齿轮系统的转频信号,因此,以转频信号对应的本质模态函数为分界,计算前几个本质模态函数的模糊熵,...     

基于谐波小波的自适应滤波在高精度动平衡检测系统中的应用

为满足高精度动平衡测量的要求,以提高不平衡量及其相位的提取精度为研究目标,利用谐波小波的相位锁定和窄带分析能力,设计了谐波小波自适应滤波器,发展了一种能够在强变频率结构背景噪声干扰下确保高精度提取幅值和相位的自适应方法.仿真与实际应用表明,该方法适合动平衡测量,完全满足高精度和实时性的要求,具有充裕的应用潜力.     

基于自适应滤波的改进Canny算子图像边缘检测

为解决图像的椒盐噪声污染,可以采用滤波算法滤掉椒盐噪声。滤波算法中最常用的是中值滤波算法,其对椒盐噪声几乎没有过滤效果。本文引用自适应中值滤波算法,通过MATLAB实现,应用Canny提出的边缘检测评价的指标对图像做出评价。自适应中值滤波算法对椒盐噪声的过滤效果较好。     

谐波电流检测方法的对比研究

分两种情况（有源滤波器同时补偿谐波和无功、单独补偿谐波）对基于瞬时无功功率的ip-iq法、单位功率因数法和自适应滤波法3种检测方法进行了仿真研究,并给出了稳态和暂态的仿真波形。MATLAB仿真结果表明,UPF法适用于同时补偿谐波和无功电流的场合;对于只需要补偿谐波电流的场合,基于瞬时无功功率的ip-iq法能较快地进入稳态,而自适应滤波法则能及时地响应负载电流的突变。     

基于迭代自适应多尺度形态滤波的滚动轴承故障诊断

针对工业现场强噪声背景下振动信号特征信息提取困难和单尺度形态滤波时尺度选择的盲目性和随意性的问题,基于自适应多尺度形态分析(AMMA)的思想提出了一种迭代自适应多尺度形态分析(IAMMA)的滤波方法。该方法对振动信号进行多尺度形态差值迭代运算,每次采用的结构元素尺度逐渐增大,然后求多次滤波结果的平均值,达到滤除噪声成分的目的。对仿真信号和滚动轴承故障信号进行分析,结果表明,IAMMA较AMMA能够选取更为合适的结构元素尺度,提取更多的故障特征信息,滤波效果更佳,与Hilbert包络解调方法相比处理过程更加简捷,从而为轴承的故障诊断提供了一种有效的方法。     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

改进WMRA在滚动轴承故障诊断研究中的应用

针对滚动轴承初期故障诊断时故障特征信号微弱,且传统的包络谱分析方法需要预先依靠经验确定出分析频段的问题,提出了基于经验模态分解(EMD)和改进的小波多分辨率分析(WMRA)的诊断方法。首先通过对滚动轴承故障振动信号进行EMD分解,利用峭度系数和振动固有频率特征参数对分解后的本征模态函数(IMF)分量进行了分类,筛选出了最佳IMF分量,然后通过希尔伯特变换(HT)计算得到了所选IMF分量的包络信号,最后利用改进后的WMRA对包络信号进行了重构,所得到的包络谱明显地突出了故障特征频率。实验结果表明:相比单独的EMD或传统的WMRA,该方法有效地提高了信号分析的准确性。     

参数自适应选择的局部投影滤波算法研究

针对常规局部投影滤波算法中对邻域半径及噪声子空间维数的选取问题,提出了一种参数自适应选择的局部投影改进算法。利用相点与其近邻点形成的空间矢量方向随邻域半径的变化趋势,自适应地选取最优邻域半径;并采用MInka Beyasian模型选择(MInka Beyasian Selection,MI-BS)准则确定该邻域内噪声空间维数的大小。对Henon映射序列及实际采集的碰摩转子振动信号序列进行的仿真实验结果说明,该自适应滤波算法能够更精确地识别出噪声中的混沌数据,从而具有更强的混沌信号恢复及非线性降噪能力。     

基于小波变换的谐波检测法

本文介绍了采用小波变换的谐波有效值测量原理.提出了差拍选频与子带滤波相结合的谐波测量新方法,以及同步检波与子带滤波相结合的电压闪变检测及其频谱分析方法.仿真实验结果表明,文中所提出的方法适用于短时间谐波、电压闪变的检测与时频分析.     

基于小波自适应算法的电网谐波测量方法研究

提出小波自适应滤波算法的结构模型,将多尺度小波分解与自适应滤波算法相结合,对多尺度小波变换固定步长和变步长LMS算法进行分析。通过MATLAB对算法进行了仿真验证。根据3种不同的输入信号,对算法的实时性、准确性、使用范围和收敛性等分别进行了仿真研究。     

Application of adaptive local iterative filtering in axis trace purification of turbine generator rotor

Journal of Mechanical Science and Technology - In order to solve the problem that the measured axis trace is polluted by noise and can not reflect the real fault type of the turbine generator...     

基于改进粒子滤波算法的人眼跟踪方法

针对粒子滤波计算量大、粒子匮乏等问题,提出了2种策略来改进粒子滤波算法,一方面基于Galerkin投影法产生良好的粒子滤波参考分布函数;另一方面将BP神经网络引入粒子滤波,提出了一种提高粒子多样性的重采样策略。在此基础上,将改进的粒子滤波算法应用于人眼跟踪问题,运用颜色和纹理复合的观测模型,实现了人眼的准确跟踪。实验结果表明,改进算法有效提高了粒子滤波的估计精度和运算速度,避免了粒子退化和样本匮乏现象。     

应用改进迭代最近点方法的点云数据配准

提出了基于点云边界特征点的改进迭代最近点(ICP)方法来提高逆向工程中点云数据配准的效率和精度.首先,提出了基于点云边界特征点的初始配准方法.对点云最小包围盒进行三维空间划分,建立空间网格模型;运用边界种子网格识别及生长算法,从点云边界提取特征点,运用奇异值矩阵分解法(SVD)求出点云的变换矩阵,得到初始配准结果.然后,提出了改进的ICP精确配准方法.对点云对应点赋予权重,剔除权重大于阈值的点,通过对目标函数引入M-估计(M-estimation),剔除异常点.最后,在初始配准的基础上,运用改进的ICP方法精确配准.对经典ICP方法和改进ICF方法做对比实验,结果显示,改进方法的配准效率提高了70％以上,误差减小到0.02％.实验表明,本文方法大幅提高了点云配准的效率和精度.     

基于视觉正交迭代法改进的激光跟踪姿态测量

针对航空航天、汽车船舶以及机器人应用等领域对姿态精准测量的需求,研究了一种基于视觉加权加速正交迭代(WAOI)的激光跟踪姿态角测量方法。首先阐述了测量系统组成、建立了数学测量模型,并分析了系统的主要误差源;其次在正交迭代(OI)的基础上,通过物方重投影误差设置参考点权重系数,引入常系数矩阵整合迭代过程中的冗余计算,提出了一种WAOI算法,并通过实验验证了算法的性能;最后搭建实验平台,利用精密二维转台对基于WAOI的姿态角测量进行精度评定。结果表明,在-20°～20°角度范围内,3～15 m测量范围内,方位角精度可达0.11°,俯仰角精度可达0.26°。相较比例正交投影迭代变化(POSIT),方位角和俯仰角测角精度均提升75%以上。本文提出的WAOI算法有效提升了激光跟踪姿态测量系统的精度。     

一种改进的i_p-i_q谐波电流和无功电流检测方法

当三相电压不对称时,i_p-i_q检测方法不能准确地检测出基波无功电流。该文提出了一种新的电流检测方法,通过快速合成的基波正序电压作为锁相环的基准参考电压,并在低通滤波器后加入PI调节器,提高了谐波电流的检测精度。经仿真验证,该方法在三相电压不对称时能够准确检测出基波无功电流和谐波电流。     

基于运动目标自适应检测的改进ViBe算法

传统视觉背景提取(ViBe)算法检测结果存在Ghost区域,且受环境变化影响,在提取前景时容易产生误检或漏检。针对这些问题,提出了一种基于运动目标自适应检测的改进ViBe算法。首先在背景模型初始化过程中,通过对均值背景建模设置调节参数方式获取真实背景,利用该背景初始化ViBe背景模型;其次在前景检测过程中,根据场景变化引入自适应半径阈值对前景进行自适应检测;最后对检测结果中存在的空洞进行数学形态学闭运算填充。实验结果表明,改进算法能够有效抑制Ghost区域,并在环境变化的情况下较完整地检测前景目标,与传统ViBe算法相比,检测的精确率提高了10%以上,误检率和漏检率分别降低了20%和7%,且改进算法满足实时性要求。     

基于时空局部学习的集成自适应软测量方法

集成软测量方法已被广泛应用于流程工业关键质量参数实时估计。但是,常规集成建模方法在基模型构建过程中往往局限于挖掘样本之间的空间关系,忽略了样本间的时序关系,从而导致过程局部状态挖掘不充分、基模型间多样性不足等问题。其次,传统软测量方法由于缺乏自适应机制而无法有效处理过程时变特征,从而导致模型性能发生退化。为此,提出一种基于时空局部学习(STLL)的集成自适应软测量方法。该方法首先通过移动窗口、即时学习技术分别挖掘样本间的时序关系和空间关系,并采用统计假设检验实现冗余状态剔除,进而构建多样性的时空局部高斯混合回归(GMR)模型。然后,基于在线选择性集成策略实现局部预测结果的自适应融合。此外,引入双重自适应机制以缓解模型性能退化问题。实验结果显示,相较于非自适应全局GMR模型、时间局部学习集成GMR模型、空间局部学习集成GMR模型,所提方法在金霉素发酵过程中的预测精度分别提升了70.3%,14.9%,27.8%;在脱丁烷塔过程中,分别提升了31.9%,21.2%,19.3%。     

基于瞬时无功功率谐波电流检测法的误差分析

针对基于瞬时无功功率谐波电流检测法存在的缺点与不足,通过理论推理和仿真实验,研究了零序谐波电流、不对称三相电压／电流、电源电压波形畸变以及不同参数的滤波器对瞬时无功电流检测方法精度的影响。研究表明：零序谐波电流和不对称三相电压／电流对瞬时无功电流检测方法的精度影响较大;电源电压波形畸变影响较小;不同参数的滤波器对检测方法的精度有不同影响。