基于卷积盲分离神经网络的过程信号去噪算法

研究了一种基于卷积混叠盲信号分离的简约神经网络算法,简称RCMNN.可使线性静态或动态传输通道中混叠的多源信号实现分离,从而可有效应用于传输通道中过程信号上的去噪,是控制工程中去噪的新方法.对多类不同信号组合仿真表明,该算法是有效的,网络性能是稳定的.     

混沌卷积混合信号的预测重构盲反卷积方法

介绍了混沌序列的特性，然后利用混沌的类随机特性和盲信号处理技术，提出了一种针对混沌卷积混合信号的预测重构盲反卷积方法．该方法充分利用了混沌的物理特性，通过对混沌卷积混合信号使用基于直接预测误差分析所构成的混沌滤波器和基于相空间重构动力学系统方程的人工智能补偿技术去进行盲反卷积，从而实现对单输入单输出混沌卷积信号的源信号和传输函数的盲反卷积处理．仿真实验验证了该方法的有效性和可行性。     

基于高阶累积量的盲反卷积算法的比较

通过对高阶统计理论以及对建立在高阶统计理论基础上的累积量盲反卷积算法的分析与研究,研究了两种基于高阶累积量的盲反卷积算法的原理,并且通过这两种算法对信号的处理结果,比较了这两种算法的性能.     

基于FFT的迭代盲反卷积图像恢复算法研究

迭代盲反卷积方法是同时估计出清晰图像和点扩展函数。该文主要是实现一种基于快速傅立叶变换的迭代盲反卷积算法。     

基于NBICA的盲反卷积方法

在线性系统假设下,根据地震记录估计地震子波和反射系数序列是一个典型的盲反卷积过程。针对带状独立分量分析反卷积方法对噪声敏感的缺点,提出一种的基于高斯矩的噪声带状独立分量分析反卷积方法,并利用邻近道间的相关信息实施子波提取。实验结果表明,对于带噪地震数据的盲反卷积,该算法性能更优。     

一种基于ICA的同态盲反卷积算法

盲反卷积是图像处理、语音信号处理、通信、系统辨识和声学等许多研究和应用的基本问题,具有重要的理论与应用价值。根据无损检测中盲反卷积问题的特点,提出了一种新的基于ICA的同态盲反卷积算法。该算法首先将检测信号变换到复倒谱域,将卷积混合模型变为线性混合模型,即ICA问题;然后通过ICA将系统冲击响应和输入信号分离;最后,根据分离的复倒谱信号,重构其时域信号。论文提出的盲反卷积算法具有运算量小,计算速度快,分离精度高等特点,且不受信道是否为最小相位信道的影响。计算机模拟和实验数据都证明了算法的有效性。     

基于多通道卷积的电梯异常振动故障诊断

电梯是人们生产生活的必要工具,其振动与电梯安全运行密切相关。目前电梯的故障诊断方法缺乏对于电梯运行数据的充分利用,难以准确地找到导致电梯异常振动的原因。针对这一问题,提出了一种多通道一维卷积神经网络的电梯异常振动故障诊断方法,该方法充分利用了电梯的振动数据信息。首先,通过经验模态分解将振动信号分解为多个固有模态函数信号,从而获得多重互补的故障特征作为多通道输入;然后,构建多通道一维卷积神经网络,进行多通道信号特征融合提取,实现对多种电梯异常振动的准确分类。使用电梯动力学模型得到多种电梯导轨异常的仿真数据,用所提方法针对实验仿真数据进行训练和验证,结果表明所提方法模型具有良好的收敛能力与鲁棒性能,并且具有较好的分类精度。     

用于多信道盲反卷积的级联神经网络

对Bussgang盲均衡算法提出一种新而简单、但行之有效的扩展,它可以从未知交错的混合信号中提取多重源信号。即用级联神经网络,它的每一模块是由均衡子网络和压缩子网络组成。此法可适用于任何盲均衡算法(信号信道均衡的拓延),它也可以应用于源信号数目预先未知的情况。计算机模拟结果证实此方法的确是非常有效的。     

一种改进的图像迭代盲反卷积算法

针对传统迭代盲反卷积算法收敛速度慢、容易出现解模糊等问题,提出一种改进的图像迭代盲反卷积算法。利用动量矩求解图像的有限支持域,在支持域中使频率域和空间域交替迭代,从而实现图像的盲复原。仿真结果表明,与传统迭代盲反卷积算法和基于小波变换的盲反卷积算法相比,该算法的收敛速度较快,具有较好的图像恢复效果。     

基于卷积神经网络的层级化智能故障诊断算法

传统智能故障诊断算法需要依赖人工特征提取和专家知识,而旋转机械设备复杂的工作环境和工况使得传统算法在实际应用中缺乏良好的自适应性和泛化性.针对以上问题,提出基于卷积神经网络(Convolutional neural network,CNN)的层级化故障诊断算法(CNN based hierarchical fault diagnosis,CNN-HFD).首先,将原始振动信号进行分段预处理,以实现数据扩容;然后,分别根据故障类型和故障程度设计多个卷积神经网络,并将原始振动数据以某一时间步进行分割,作为卷积神经网络的输入进行训练;最后,将待识别信号送入CNN-HFD模型,经过分层故障诊断,在末端卷积神经网络输出相应故障类别和程度.通过滚动轴承振动数据库的实验表明,所提出的算法不仅具有高达99.5%以上的故障识别率,而且在负载发生变化时依然可以保持高达97%以上的故障识别率,具有较好的鲁棒性和泛化性能.     

基于小波熵的电机故障诊断

小波分析的方法为弱信号检测技术开辟了一条新途径,但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值．基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位,实现低能量的瞬变信号有效提取。仿真实验证明小波分析技术对电机声频故障诊断十分有效,有进一步的研究的必要,在电机的故障诊断方面小波有良好的应用前景。     

基于小波熵的电机故障诊断

小波分析的方法为弱信号检测技术开辟了一条新途径,但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值,基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位,实现低能量的瞬变信号有效提取。仿真实验证明小波分析技术对电机声频故障诊断十分有效,有进一步的研究的必要,在电机的故障诊断方面小波有良好的应用前景。     

港口机车故障监测与诊断系统研究

针对港口机车运行现状,介绍了一种基于Visual Basic语言和Microsoft SQL Server2000数据库的机车故障监测与诊断系统的研究。该系统通过传感器采集数据信息,经预处理后,通过无线网络将整合数据传送给计算机,最后利用知识库对数据进行处理分析以及显示。该系统具有设计简单、操作方便、界面友好及可靠性好等特点。     

基于LabVIEW的振动信号分析系统设计

针对机械故障监测的需求,开发了振动信号分析系统;采用LabVIEW图形化开发工具,系统实现了振动信号分析流程和基本的信号分析方法,能够对振动信号进行预处理,并从时域、频域和时频域角度对其进行特征提取;完成了基于仿真信号和实测的公开振动数据集的系统功能验证,采用希尔伯特-黄变换法对西储凯斯轴承的一组数据进行测试,结果表明,所开发的振动信号分析系统能够分辨出轴承故障的特征频率,相对误差为0.84%,同时具备参数配置灵活、结果显示直观、扩展性强的优势,为基于振动测试的机械故障监测提供了基础平台。     

基于自校验和互校验的多传感器故障诊断􀀁

本文在系统研究多传感器组中各种故障情况的基础上,将离散子波变换、自校验和互校验技术应用到故障诊断中,提出了包括定理１在内的一些新算法,拓展了故障诊断技术的思路,在生产实践中有着广泛的应用前景。     

基于案例推理的电梯故障诊断系统的设计与实现

研究了基于案例推理的原理和方法,结合电梯产品故障的特点,详细讨论了案例的表示、检索匹配、调整等关键技术的设计,并以此实现了电梯故障诊断系统。     

磨粒图象纹理分形特征的研究

机械设备在运转过程中,发生各种各样形式的摩擦磨损,其磨损颗粒的数量、尺寸大小都随着运转过程而逐渐增加,在颗粒表面留下了与摩擦磨损机理相关的痕迹。这对磨粒的表面纹理特征进行分析,通过求取特征值,作为判断出机械装置的寿命、故障机理等指标的重要参数。     

基于本体的故障诊断知识库系统的构建

传统故障诊断技术采用专家系统的知识库是封闭的或半封闭的,其知识库的构造和知识的输入与修改均需由设计者来进行,不能从故障诊断的成功经验中提取相关的知识。本体作为知识的基本元素,可以进行知识类比推理,抽象出事物内在的本质,适合于描述知识库的内部单元。提出一种基于本体的故障诊断知识库系统模型,并依据该模型设计了故障诊断专家系统。     

机车故障智能诊断系统中通信实现

近年来我国铁路机车的维修体制逐步从计划维修向状态维修过渡，机车的故障诊断系统不断发展。在基于专家系统的机车故障诊断系统中，机车检测智能仪表要向专家系统发送检测数据，专家系统向检测智能仪表设置各种参数，为了使信息和数据在专家系统与检测智能仪表之间有效地传递，本文讨论了机车故障智能诊断系统与检测智能仪表的通信实现。     

基于广义多重分形维数算法的汽车变速箱故障诊断研究

提出了一种基于扩展广义多重分形维数算法的汽车变速箱故障诊断方法。该算法是基于传统的G-P关联维数算法扩展而形成的,通过该算法对变速箱上采集的不同工作状态下的振动信号进行处理,提取变速箱齿轮的振动信号的分数维,观察及分析分形维数与变速箱齿轮的磨损规律的关系,发现其反映变速箱齿轮的真实运行状态,故可以此作为齿轮磨损预测和诊断的有效依据。