基于小波包变换的自适应线性均衡算法

在分析小波包和传统自适应线性均衡的基础上,提出了一种基于小波包变换的自适应均衡器结构,并结出了相应的自适应均衡算法,与通常的基于小波变换的自适应均衡算法相比,该算法利用了小波包对小波空间的进一步划分,因此其对信号的去相关能力比小波变换更强,仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现。     

小波神经网络在齿轮箱故障诊断中的应用

介绍了小波神经网络的基本概念及基构造,并针对齿轮箱故障的复杂性,综合利用小波函数的特点,构造了用于齿轮箱故障诊断的小波网络,对齿轮箱的状态进行判别,实现故障诊断。实验结果表明,小波神经网络在故障诊断领域具有良好的实用性。     

一种新的模拟电路故障诊断小波神经网络方法

结合小波变换和神经网络二者之间的优点，提出基于小波神经网络的模拟电路故障诊断方法。采用能量分布特征提取方法和改进BP算法，用正弦信号仿真模拟电路，应用小波变换对模拟电路的采样信号进行多尺度分解，再进行能量分布特征提取，然后利用神经网络对各种状态下的特征向量进行分类识别，实现模拟电路故障诊断。相对于传统的故障诊断方法，用小波变换对故障信号进行预处理，大大减少了神经网络的输入数目，从而简化了神经网络的结构和减少了它的训练时间，并提高了辨识故障类别的能力。对实例电路仿真结果表明，该方法能正确识别各种故障状态，准确率高。     

面向齿轮箱故障诊断的序贯概率比检验理论和方法

提出了一种基于序贯概率比检验的齿轮裂纹故障诊断方法,并选用了无裂纹和有裂纹的齿轮模拟故障模式.实验中提取的振动信号夹杂着噪声等干扰,运用具有良好去噪效果的小波包方法对齿轮箱振动信号进行预处理.采用时域分析法提取预处理后信号的特征值,提取对冲击性振动非常敏感的峭度值作为特征值.将序贯概率比检验算法应用于齿轮箱故障模式的检验和识别.为了验证所提出方法的诊断能力,本文选用均方根误差的方法来计算同种故障之间,以及不同种类故障之间的识别误差,结果表明了所提出的方法是有效且强大的.     

小波变换在轴承故障诊断中的应用

提出了一种利用连续小波变换诊断轴承故障的方法。该方法不需要对象的数学模型，具有灵敏度高，仰操能力强，鲁棒性好的特点。     

小波变换的自适应均衡算法

在分析传统的线性均衡算法的基础上,从用小波级数表示均顺和变换域的角度出发,给出了一种基于正交小波变换的自适应线均衡算法,理论分析和计算机模拟表明,该算法具有较忆的收敛速度,适用于无解析式的小波,其结构简单,易于实现。     

小波神经网络在变压器故障诊断中的应用

为提高神经网络系统故障诊断的效率和准确率,考虑到小波变换的良好的时－频特性,本文结合小波变换和神经网络并应用于电力变压器的故障诊断中,取得了较好的效果。     

基于小波包变换的故障诊断

由于小波包变换在信号分析与处理中,具有良好的局部化品质,本提出了一种基于小波包变换的故障诊断方法,并应用于控制系统动态测试过程的故障检测。计算和实验结果表明：该方法可以快速有效地进行故障检测与定位。     

矿用通风机滚动轴承振动故障诊断研究

针对矿用通风机振动故障诊断中的特征提取问题,将小波包和希尔伯特变换相结合用于通风机滚动轴承的故障诊断,工程应用实例表明,通过该方法能有效提取出通风机滚动轴承内圈故障特征频率,诊断出滚动轴承的内圈故障,另外还可诊断出通风机存在轴系不对中故障,实现了通风机的精密故障诊断．     

小波变换在轴承故障诊断中的应用

提出一种利用连续小波变换诊断轴承故障的方法。该方法不需要对象的数学模型，具有灵敏度高、仰操能力强、鲁棒性好的特点。     

齿轮箱振动的故障诊断与分析

针对齿轮箱常见的振动故障,通过振动信号的频谱分析得出其主要原因是齿轮啮合过程中产生了振动的激励源.建立齿轮箱螺栓的有限元模型,在模拟工况下计算得出螺栓的第3阶固有频率与齿轮箱振动主频率相近,形成共振是致使螺栓断裂的主要原因.通过这种分析计算方法,螺栓断裂事故得到了有效的控制.     

基于组合核支持向量机的图像边缘检测

基于支持向量机在分类上有很好的效果,提出了一种新的边缘检测方法--基于组合核支持向量机的图像边缘检测。该方法利用支持向量机分类对较多的训练样本数据进行训练,从而实现了图像边缘定位。通过实验验证了该方法比传统的边缘检测算子效果好。     

动车组齿轮箱滚动轴承变转速故障诊断方法

动车组齿轮箱滚动轴承在运行过程中处于高温重载的变转速工况,容易产生裂纹、点蚀等故障,且不易被检测出来。为及时诊断出动车组齿轮箱滚动轴承的故障,保证动车组的安全行驶,提出了一种变转速工况下的滚动轴承故障诊断方法。首先,结合短时傅里叶变换(STFT)无干扰项与魏格纳-威尔分布(WVD)高时频分辨率的特点,提出了一种融合时频分析算法,该算法能够提高变转速信号分析时的时频矩阵精度;然后,针对动态路径规划方法无法处理归一化时频矩阵的局限性,对其进行了改进,并提取出融合时频矩阵中的转速曲线;此外,进一步提出了一种插值重采样的阶次分析方法,根据转速对采集到的原始信号进行插值重采样,在角域对信号进行重构,并得到对应的阶次谱,实现滚动轴承的故障诊断;最后,通过试验台对提出的变转速动车组故障滚动轴承诊断方法进行了验证。结果表明：本文所提出的方法在动车组转速变化的情况下,能够有效提取出滚动轴承的变转速曲线,并且准确识别出齿轮箱中滚动轴承发生的故障类型。     

基于小波变换和优化CNN的风电齿轮箱故障诊断

针对传统故障诊断方法过于依赖人为经验的缺陷,提出小波变换和二维密集连接扩张卷积神经网络(WT-ICNN)的风电齿轮箱智能故障诊断方法. 所提方法将一维振动信号通过连续小波变换(WT)转换成二维故障图像;再将二维故障图像输入ICNN中进行训练和测试. 通过齿轮箱开源数据和风场实测数据验证结果表明,与传统故障诊断方法相比,所提方法采用密集连接的结构自适应特征提取时频图,有效加强了故障特征的利用效率;在对风电齿轮箱的故障诊断中,所提方法具有更好的特征复用能力和更高的诊断精度.     

基于多传感器数据融合的轨道车辆齿轮箱异常检测

针对轨道车辆齿轮箱监测测点多、数据量大、数据融合程度低等特点,提出一种基于相关函数融合算法与模糊C均值聚类结合的齿轮箱异常检测方法。相关函数融合算法用于将齿轮箱多个测点采集的振动信号融合为一个能全面反映齿轮箱运行状态的信号;对融合信号进行聚合经验模态分解,并计算奇异熵、能量熵;采用模糊C均值聚类算法对特征集进行簇划分,判断齿轮箱含有几类异常情况。通过实际线路运行数据的采集与分析,验证了本文方法的有效性。     

一种低成本的线性霍尔位置检测方法研究

为降低直线伺服系统的成本，提出了利用两个安装位置相差90°电角度的低成本线性霍尔元件检测电机位置的方法，对霍尔元件的安装位置进行了研究.采用有限元法对有铁芯和无铁芯两种结构的圆筒型永磁直线电机的气隙磁场进行了分析，通过对两个分析结果的比较，确定了铁芯影响气隙磁场的区域范围，分析了霍尔元件安装位置对电机位置检测精度的影响.在不同的霍尔元件安装位置条件下，进行了电机位置检测实验，实验结果与有限元分析结果吻合，确定了霍尔元件合适的安装位置.研究结果表明，通过选择合适的霍尔元件安装位置，可以提高该位置检测方法的检测精度.     

利用先验知识的空时自适应检测方法

针对雷达空时自适应检测中非均匀杂波造成可用均匀训练样本数少的问题,研究了在自适应检测器设计过程中融合先验知识的方法．自适应检测器中的协方差矩阵通常由多个独立同高斯分布向量估计得到,由于这些向量的外积之和服从Wishart分布,所以假定Wald检测器中的协方差矩阵是随机的且服从逆Wishart先验分布,该分布的参数矩阵可根据雷达探测环境的先验知识获得．基于上述假定推导出融合先验知识的Wald准则检测器,不仅利用了训练样本中的信息,还充分利用了探测环境先验信息．仿真实验表明,小样本情况下利用先验知识的Wald检测器的检测性能优于传统的检测器．     

多指抓取力的线性组合计算

为提高力优化算法的实时性,提出一种新的计算抓取力初值的方法.首先离线计算一组单位外力对应的抓取力作为线性组合的基础向量,然后将任意外力分解为单位力的线性组合,对基础抓取力按同样规律组合,得到满足约束的抓取力初值.算例仿真分析结果表明,该方法的计算速度比拉格朗日对偶法、单值优化法更快,且减少了力优化算法的收敛步数目.在带摩擦点接触抓取模型中,应用该方法为多指抓取的力优化算法求取初值,有利于提高力优化算法的实时性.     

一种改进的均匀直线自适应天线阵

针对常用的自适应算法都需要复杂的来波方向估计过程,而且方向估计误差会使自适应阵性能恶化的问题,以均匀直线阵为研究对象,提出了一种改进的自适应算法。通过引入阵列导向矢量,使自适应阵具有波束搜索能力,避免了复杂的来波方向估计过程。提出了相应的系统实现方案,通过对16元直线阵的仿真试验,证明了该算法是有效的。     

双直线电机同步运动的自适应触耦控制器设计

在龙门移动式镗铣加工中心伺服系统中,为了克服因两个龙门立柱运动状态差异形成的机械耦合对双电机系统的影响,采用了自适应解耦控制技术,先通过前馈解耦,再经过自适应律产生的反馈作用来修改双直线电机控制器的参数,产生同步控制量,使双电机在位置上保持一致,从而实现了双电机的同步传动,驱动元件采用直线永磁伺服电机,以发挥其高速动态响应能力,仿真结果表明此种方案具有合理性和有效性。