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。     

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。     

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.     

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。     

基于神经网络的内燃机车燃烧系统故障诊断

提出一种内燃机车燃烧系统故障诊断的新方法.燃烧系统的工作状态由柴油机功率、燃油消耗率、燃油压力、增压压力和排气温度等热工参数决定,介绍了有关参数的测量与计算,利用附加动量及自调整学习速率的BP神经网络对内燃机燃烧系统进行故障诊断.通过实例证明该方法是一种行之有效的方法.     

基于递推参数辨识的齿轮箱故障在线检测

为实现齿轮箱故障的在线检测,提出基于递推AR模型参数辨识的齿轮箱振动信号在线辨识方法。对实验室的齿轮箱进行不同工况下振动信号的检测,利用最优辅助变量法确定其自回归模型的阶次和模型参数的初值,以自回归模型系数作为状态变量,采用Kalman滤波器技术进行在线递推参数辨识。实验结果表明,该方法中参数变化量的2-范数会发生突变,能检测出齿轮磨损和轴承外圈剥落的故障。     

基于粗糙集-BP神经网络的机车滚动轴承故障诊断

论文提出了一种基于粗糙集理论与BP神经网络相结合的机车滚动轴承故障诊断方法.首先对原始故障诊断样本的连续属性进行离散化处理,然后利用粗糙集理论,对条件属性进行约简,删除冗余信息,最后将约简的最小属性集作为BP神经网络的输入,并设计BP神经网络对滚动轴承进行诊断.仿真结果表明粗糙集-BP模型不仅简化神经网络结构,而且提高了收敛速度和故障诊断正确率.     

基于振动模型的直升机行星齿轮故障分析与仿真研究

针对直升机主减速器进行基于振动信号的故障诊断试验需要高昂费用的问题,以直升机主减速器的行星齿轮系统为例,对理想条件下McFadden建立的模型进行分析与改进,推导了振动信号的时间延迟模型,从而确定了系统运行时边频的相位变化。分析了行星齿轮系统振动信号的产生与变化规律,建立了故障状态的振动信号模型,并对其进行仿真。通过振动信号的仿真比较,为行星齿轮系统的故障监测与诊断提供借鉴。     

基于小波变换的传感器故障诊断

传感器故障的诊断是非常重要的。传统的基于快速傅立叶变换的频谱分析有其局限性和缺陷性,为了克服其缺点,运用小波变换的方法。在介绍了小波变换理论的基础上,采用小波变换技术对传感器进行故障检测,快速而较为准确地诊断出传感器故障。仿真实验证明小波变换技术对传感器故障诊断是十分有效的,取得满意的效果。在传感器的故障诊断方面小波变换有良好的应用前景,有力地证明了它在传感器诊断技术中的优越性。     

基于PC的机车车轮在线故障检测系统

机车车轮的在线故障检测对提高行车的安全性有重要的意义。文章采用先进的嵌入式工业PC机,开发了PC机与底层数据采集系统基于CAN总线的高效、可靠的数据通信协议,并在此基础上,根据采集到的机车轮运行过程中振动和温度数据,进行数据的可视化显示和机车车轮的故障诊断。试验证明该系统性能稳定,运行可靠,能满足机车运行过程中的车轮在线故障诊断的要求。     

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。     

基于混沌神经网络的电机故障诊断

采用全局耦合混沌神经网络模型,每个神经元的动力学行为由反对称立方映像表示。采用Hebb算法设计网络的连接权值矩阵．将记忆模式的回忆过程转化为耦合系统中参数演变的过程,从而实现了混沌神经网络的联想记忆。根据提出的能量击穿规则,扩大了样表的吸引域。在此基础上,应用该混沌神经网络对异步电机转子断条故障进行诊断。结果表明,该种方法有助于故障模式的记忆和重现。