基于独立分量分析的潜艇振源贡献量定量计算方法

振动噪声控制对于潜艇具有重要意义。常用的振动噪声分析方法仅分析了噪声的来源,而未对振动噪声源对总振动噪声的贡献量进行定量计算。介绍盲源分离基本模型,以及基于独立分量分析理论和聚类评价方法提高盲分离性能的改进固定点算法,并基于该算法和先验信息理论提出一种定量计算振源贡献量的新方法。通过仿真试验分析基于两种不同分离准则算法的分离性能以及振源贡献量计算结果。将该方法应用于某型号潜艇缩比模型振源贡献量的定量计算中,对比分析表明该方法具有很高的计算精度。研究结论可为振动噪声的主动控制提供可靠的依据。     

约束稳健独立分量分析在滚动轴承故障诊断中的应用

独立分量分析方法广泛应用于机械设备故障诊断领域。在稳健独立分量分析方法的基础上,结合故障特征频率先验信息,提出了一种约束稳健独立分量分析方法。该算法首先讨论了如何产生参考信号,然后定义了参考信号和期望信号的接近性度量函数,最后提出了改进的稳健独立分量对比函数。仿真和试验结果表明,该算法在收敛速度和计算精度方面都明显优于传统的Fast ICA算法。     

独立分量分析在信号处理中的应用

独立分量分析(ICA)是近期发展起来的一种统计学方法,旨在寻求对非高斯分布数据进行有效的表示,使得各个分量在统计学上独立,或者尽最大可能地独立。文章介绍了独立分量分析的发展过程,基本理论等。许多应用中,这种表示意在获取数据的基本结构,包括特征提取和信号分离,目前主要应用在盲源分离,特征提取,盲反卷积等方面。     

独立分量分析在滚动轴承包络分析中的应用

提出了一种利用独立分量技术消除或有效抑制包络分析中强干扰对分析结果影响的方法.该方法首先用包络分析方法提取滚动轴承振动信号的包络波形,再通过独立分量分析实现各振源包络分量的分离去噪,最后对滚动轴承相关的包络分量进行包络谱分析,获得对滚动轴承故障在强干扰源存在下的准确结果.     

独立分量分析在声发射信号处理中的应用

介绍了独立分量分析的基本原理和以峭度为目标函数的独立分量提取算法的梯度算法,并通过实例说明了利用独立分量分析对声发射信号进行分析的方法,验证了独立分量分析技术在声发射信号分析方面的优越性和实用性,表明独立分量分析在声发射信号处理等领域有着巨大的应用潜力。     

独立分量分析在机械振动信号分离中的应用

针对机械运转时工作环境复杂,监控采集的信号多为混合信号的情况,研究了如何从混合信号中分离出相对应的各振动源信号.采用独立分量分析的分离方法,通过对极大似然估计的目标函数进行简化,基于无需选择学习率的快速不动点迭代的优化方法,选用可同时估计亚高斯和超高斯独立成分的非线性函数估计概率密度,推导出了该算法.最后,对工程中几种特殊情况下的混合信号进行仿真和实验室实测的分离试验.结果表明,算法简单易行,具有快速稳定收敛的性质.     

基于量子计算的独立分量分析算法及应用

将量子优化原理应用于独立分量分析中,提出了量子独立分量分析算法(quantum independent component analysis,简称QICA),针对3组特定信号进行了混合与分离的仿真实验,得到了较好的分离效果。将该算法用于齿轮箱振动信号的源分离及其故障诊断中,实验结果表明,该算法用于齿轮箱振动信号分离可以明显增强故障信息,降低齿轮箱故障诊断难度。     

独立分量分析在机械振动信号上的应用研究

独立分量分析在机械振动信号的特征提取上能起到重要作用。首先建立以信息论为框架的独立性判据和优化算法,然后给出衡量独立分量分析分离性能的指标,这样建立的优化算法能很好地分离出混合信号。最后对两个亚高斯信号和一个超高斯信号的混合信号进行仿真实验。仿真结果表明,灵活的ICA算法分离效果要好于随机梯度算法的分离效果,该信号分析方法具有收敛性好,误差小的优点。     

独立分量分析在齿轮箱轴承故障诊断中的应用

介绍了独立分量分析的基本原理和算法步骤,运用其对齿轮箱实测的瞬态声音信号进行了降噪处理,然后运用阶次倒谱技术分析了降噪后的信号,找到了故障特征,成功地判别出了齿轮箱的轴承外圈故障,验证了该方法的可行性和有效性。     

独立分量分析在自动机振动信号处理中的应用

自动机工作中的冲击响应多处在低信噪比和被噪声干扰的复杂振动信号中,寻求一种能在多干扰、噪声强的复杂振动信号中去除干扰信号和噪声的方法,可以提高速射武器自动机故障诊断准确率。研究了独立分量分析(independent component analysis,简称ICA)的基本理论,采用基于改进粒子群的独立分量分析算法模拟生成了仿真信号,获得了比较理想的分离效果。经实际射击数据验证了该方法的可行性,这种基于改进粒子群的独立分量分析算法在自动机结构振动信号处理方面具有较好的效果。     

独立分量分析在混叠通信信号分离中的应用

本文采用FASTICA算法,实现对混叠通信信号的盲分离.仿真结果表明,本算法具有分离效果好,收敛速度快,无需动态参数的特点,基本实现了对混叠通信信号的实时盲分离.     

基于独立分量分析的壳体结构振源数目估计方法

在振源数目未知的条件下,仅利用多通道观测混合信号准确分离源信息是信号源盲分离的技术难题之一。为了揭示观测振动混合信号的复杂组成结构,以及为振源信息盲分离提供可靠的先验信息,提出一种基于独立分量分析和聚类评估技术的信源数目估计方法。通过仿真试验与壳体结构试验台典型机械振动信号分析,定量比较基于信息理论的源数估计方法AIC/MDL与提出方法的性能,研究结果表明所提出方法可从振动调制混合信号中准确可靠地估计信源数目,具有更好的工程应用性能。     

基于独立分量分析的消噪方法在旋转机械特征提取中的应用

为了有效提取信号特征，为后续的故障诊断分析提供足够的信息，针对旋转机械故障诊断的特点，探讨了在旋转机械振动信号采集过程中基于独立分量分析方法的降噪措施的可行性，并在此基础上，研究了基于独立分量分析的消噪方法在旋转机械升降速过程中信号特征提取中的应用。实验结果表明，利用该方法可有效消除振动信号采集过程中混入的噪声。     

独立分量分析在货车轴承故障诊断中的应用

提出基于独立分量分析的故障诊断方法,数值试验结果表明,基于独立分量分析的故障诊断方法能有效地诊断滚动轴承的外圈、内圈和滚动体的故障,而且比传统的共振解调法的性能更好。     

形态分量分析在齿轮箱复合故障诊断中的应用

针对齿轮箱复合故障难以检测和诊断难题,提出了基于形态分量分析的齿轮箱复合故障诊断方法.形态分量分析是一种基于信号形态多样性和信号稀疏表示的信号或图像处理方法,其主要目标是根据信号组成成分的形态差异性,选择合适的字典来分离信号.通过仿真信号和齿轮箱轴承、齿轮复合故障振动实验信号的研究结果表明:形态分量分析技术不仅能将形态各异的多分量信号进行有效分离、提取故障特征,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效识别齿轮箱的故障类型和故障发生部位,其性能优于传统的独立分量分析.     

独立分量分析在转子多源故障自适应时频分析中的应用

针对短时傅里叶变换(STFT)和Wigner-Ville分布等传统时频分析方法对转子多源故障分析效果不理想的问题,提出了一种基于独立分量分析(Independent Components Analysis,ICA)和自适应时频分析结合的抗干扰转子故障非平稳信号分析方法。该方法首先对采集的信号进行ICA处理得到独立分量,然后对独立分量进行自适应时频分析,提取出故障频率信息,最后对独立分量进行阶比跟踪分析得到的瀑布图,更加充分地验证了试验结果。仿真和试验对转子不平衡和地脚螺栓松动故障进行了研究,分析结果验证了本方法的可行性和有效性。     

基于相空间重构的独立分量分析及其工程应用

针对单通道信号无法满足独立分量分析的欠定问题,将相空间重构与独立分量相结合,通过相空间重构实现单通道信号的升维,并将升维信号进行独立分量分析,可以有效地分离出原信号中包含的独立信源。以提取冲击特征为例,通过仿真验证了该方法的有效性。将该方法运用于滚动轴承故障特征提取中,成功地从早期滚动轴承故障信号中提取了周期性故障冲击成分。与传统的小波包-峭度故障特征提取方法对比,此方法更有效。     

独立分量分析在齿轮箱故障诊断中的应用

提出了一种用于齿轮箱故障诊断的信号预处理方法.推导了基于互信息最小化的独立分量分析算法(简称ICA算法),应用确定性混合信号对算法进行了仿真验证,并将该算法应用于齿轮箱振动信号的预处理中.经3种工况下的齿轮箱振动信号的ICA分解结果分析,表明应用ICA技术后,故障信息得到了极大的增强.改变了传统的以降噪为主的故障信息增强思想,为微弱故障的有效诊断提供了一定的技术手段.     

独立分量分析在直升机齿轮箱故障早期诊断中的应用

齿轮箱早期的故障信号往往十分微弱 ,信噪比低 ,这大大限制了已有诊断方法在早期诊断中的应用 ,因此如何获取真实的振动信号是提高齿轮箱早期故障诊断质量的关键 ,独立分量分析 (ICA)为此提供了一种新的思路。文中研究了ICA在齿轮箱故障早期诊断中的应用 ,首先分析了齿轮箱的混合振动信号模型 ,然后针对具体的轴承故障进行了实验 ,并使用快速ICA算法分离出轴承的振动信号 ,再将其功率谱与原始振动信号的谱相比较 ,结果表明ICA更易于实现故障的早期诊断 ;最后提出了进一步的研究建议。     

基于改进的独立分量分析的图像分离技术

本文主要将改进的ICA优秀算法优化并运用于多通道混合图像分离与处理中,通过同基于特征分析的线性变换技术的对比,以及实验并探讨噪声对混合图像的ICA分离的影响,取得了一些有价值的仿真结果.