椭圆拟合算法在表面形貌测量中的应用

本文研究了椭圆曲线拟合的各种方法.从拟合质量、计算复杂度等方面,对每种拟合方法进行了分析和对比,并且分别对基于像散法的光探针式表面形貌测量系统图像中的椭圆进行曲线拟合,从中确定出最适合的拟合方法-加权新度量法.实验与仿真结果表明,用该拟合方法确定椭圆参数是可行的,逼近效果较好且具有较强的抗噪性.     

一种基于数学形态学的齿轮边缘检测方法研究

针对传统的边缘检测算法在提取齿轮边缘过程中存在的抗噪性较差的问题,对图像边缘检测中算法的抗噪性、边缘检测连续性和细节保留能力进行了研究,在对数学形态学的边缘检测算法进行归纳的基础上,提出了一种基于数学形态学的齿轮边缘检测方法。针对采集到的图片,利用最基本形态学操作组合,对齿轮锯齿边缘和内部圆环部分,分别使用了形态学填充和形态学连通域去噪,然后使用形态学边缘检测算子提取了边缘,最后将两部分边缘边缘相加,得到了最终齿轮边缘检测图;再对采集的齿轮图片加入了椒盐噪声,重复进行了边缘检测试验。研究结果表明:该算法能够检测出较好的齿轮边缘,在抗噪性、边缘检测连续性、细节信息保留等方面都有较大的提高。     

基于移不变抗混叠轮廓波变换的混合统计模型图像降噪

针对抗混叠轮廓波变换缺乏平移不变性的缺陷,构造出具有近似移不变性的抗混叠轮廓波变换。在此基础上,在变换域提出一种混合统计模型图像降噪方法。该方法充分利用变换域信号系数层间层内相关性强、噪声系数无层内相关性且在小尺度下存在较强的假层间相关性的特点,采用混合统计模型对小尺度信号系数进行估计,从而避免了非高斯双变量模型放大噪声系数的风险。实验结果表明,提出的去噪法能克服轮廓波变换中的频谱混叠,避免重构图像出现"划痕"和边缘模糊现象,得到的峰值信噪比(PSNR)值分别比轮廓波硬阈值去噪、轮廓波变换域HMT去噪和抗混叠轮廓波变换域硬阈值去噪平均高2.87,1.32和1.36 dB,在有效去噪的同时,具有较好的图像边缘和细节保护能力。     

离散频谱校正方法的抗噪性能研究

系统分析了四种离散频谱校正方法(比值法、能量重心法、FFT+FT法和相位差法)的抗噪性能,井通过仿真研究表明了;比值校正法校正精度高,但有插值方向错误的可能;能量重心法由于本身是一种近似方法,校正精度相对较差,但抗噪性能稳定;FFT+FT连续细化分析傅立叶变换法的校正精度和抗噪性能跟细化倍数有关;相位差法的校正精度较高,其抗噪性能与时移点数和谱分析点数有关,并且算法本身存在将相位差调整到主值区间而导致校正错误的可能。加窗总体来说都会导致抗噪性能的下降,但能够避免比值法插值方向错误的可能,也可以显著提高能量重心法的校正精度。     

基于Otsu准则和直线截距直方图的阈值分割

对二维Otsu法中类间离散度测度进行了分析,发现按该算法对被噪声污染图像的二维直方图进行划分时,所得两类的类内均值点容易远离主对角线,因而抗噪声能力不足。针对以上情况,本文提出了一种新算法,该算法基于二维直方图中直线阈值分割的思想,利用像素点的二维信息直接建立阈值直线的截距直方图;然后应用Otsu准则对该一维直方图求解最佳截距阈值,并应用该阈值和二维信息完成图像分割。对提出的算法与传统二维Otsu法进行了比较和分析,结果表明:提出的算法可以有效避免传统算法在抗噪方面的缺陷,当实验图像的噪声方差大于0.003且逐渐增加时,提出的算法抗噪表现稳健;另外,提出的算法计算阈值的速度比基于二维Otsu法的直分法和直线阈值法快2个数量级以上,占用内存空间更少。因而提出的算法是一种抗噪稳健且快速有效的阈值分割算法,更适于实时应用。     

分形盒维数抗噪研究及其在故障诊断中的应用

针对不同噪声强度的影响,分析了分形盒维数的抗噪能力.实验结果表明:在信噪比较大时,分形盒维数基本不受影响,能够反映信号的真实分形特征;当信噪比较小时,分形盒维数的值随着噪声的增强而变大,并且具有明显的线性关系.由于分形盒维数具有抗噪性,当滤波方法比较简单时,仍然可以在一定程度上体现信号的非线性特征.因此,分形盒维数具有一定的抗噪性,可以在机械故障诊断中得到更广泛的应用.     

基于小波理论的电机电流信号消噪研究

小波分析是当前应用数学和工程学科中一个迅速发展的新领域。小波分析具有良好的多分辨分析能力,因而已广泛应用于信号和图像的消噪。而对电机电流信号进行消噪对于整个工程系统的分析具有很重要的意义,因此采用小波阈值消噪法对电机的电流信号进行了消噪。首先介绍了小波阈值消噪法的原理,然后用noisbump信号验证小波阈值消噪法的可行性,之后再用该方法对实验测取的电机电流信号进行消噪。消噪的效果表明:采用小波阈值消噪法对电机电流信号进行消噪,是一种可行的方法。     

Welch功率谱与卷积神经网络结合的滚动轴承故障诊断

针对滚动轴承故障诊断在小训练样本下和强噪声下无法取得高精度识别的问题,提出一种基于Welch功率谱结合卷积神经网络进行诊断的方法。该方法以原始时域振动信号作为输入,用Welch功率谱转换数据形态同时对高强度噪声进行抑制,再用得到的功率谱训练卷积神经网络,最后将训练好的模型用于轴承的故障诊断。与WDCNN[1]等方法进行对比,实验发现在混合负载下,该方法平均识别率正确达到99%,其它方法达到这个精度至少需要20倍以上的训练样本量,明显优于WDCNN等方法。抗噪实验结果表明噪声对信号的干扰越强烈,该方法的抗噪表现越好,其抗噪性能要显著优于WDCNN等方法。     

混合粒子群优化的多小波相邻系数法及其应用

针对传统多小波相邻系数去噪法沿用统一阈值方法获取的阈值精度不高而导致信号去噪不理想的问题,提出了基于混合粒子群优化的多小波相邻系数去噪方法.该方法将具有全局寻优能力的禁忌搜索算法和粒子群优化算法相融合,并将这种融合算法引入到多小波相邻系数去噪方法之中对其阈值求取方式进行改进.通过对比传统的多小波相邻系数去噪方法、基于经...     

基于GCV准则的小波图像去噪方法研究

小波软阈值去噪的关键在于阈值的选择.常用的阈值计算方法主要针对噪声信号为不相关的情况,并需要对噪声方差进行估计.对于含有未知噪声的信号,提出一种GCV准则确定阈值的小波去噪方法,并证明该方法得到的阈值是一种渐近最优解.该方法与常用的基于固定阈值和SURE阈值的去噪法进行比较,结果表明,无论是肉眼观察还是利用均方差和信噪比进行客观评价,基于GCV准则的小波去噪方法可以在噪声未知的情况下,有效的去除信号噪声,并很好的保留信号的原始特征.     

Regularization parameter optimization based on the constraint of Landweber algorithm for electrical capacitance tomography

Image reconstruction algorithms play an important role in practical applications of electrical capacitance tomography. In the present paper, a combined image reconstruction method is proposed, which takes the results of Landweber algorithm as the constraint condition of Tikhonov algorithm's regularization parameter, calculates the regular parameter, inverts the inverse matrix of sensitivity matrix, and finally obtains the dielectric constant distribution; thus, reconstructed images with improved clarity were obtained. Simulation test are carried out to evaluate and analyze the proposed method from image error, correlation coefficient, image reconstruction time, and anti-noise ability. The results revealed that the Tikhonov regularization algorithm had excellent anti-noise ability; thus, it significantly improved the clarity of reconstructed images and clearly distinguished the multi-phase flow pattern and distribution.     

混沌奇异谱特性研究及在滚动轴承故障诊断中的应用

研究了混沌空间结构的一种新的度量方式--混沌奇异谱,并提出一种基于混沌奇异谱特征提取的滚动轴承早期故障识别算法。给出奇异谱离散形式,并在奇异谱的稳定性分析时引入对数函数,更加敏锐地观察偏差对奇异谱值的影响。然后从几何空间角度说明奇异谱是一种基于方差极大化的空间几何结构的描述方式,表明混沌奇异谱是对混沌吸引子的空间结构的一种定量描述,且具有较强的抗噪声干扰能力。通过对Lorenz系统进行数值验证,证明了混沌奇异谱的稳定性和较强的抗噪声性能。通过实验进一步验证了该方法的有效性和实用性。     

基于一种高精度卷积神经网络的框架结构模型故障诊断研究

框架结构健康检测和故障诊断是机械工程和土木工程等学科中十分重要的科学问题,能够准确诊断出框架结构的故障是保证框架结构健康工作的基本前提.为了提高噪声条件下的框架结构故障诊断精度,对现有的 TICNN(convolution neural networks with training interference)模型进行了...     

旋转机械参数图形多尺度多结构元边缘检测

以旋转机械振动信号参数图形为研究对象,在600 MW模化汽轮机转子试验台上完成了转子正常、转子不对中和轴承松动故障的实验研究,得到了相应的振动参数三维图形。对不同故障的振动参数三维图形进行了二维灰度转化及图形预处理;依据多尺度滤波增强处理方法滤除了参数图形的噪声,增强了有用信息;利用多结构元边缘检测算子对参数图形进行了边缘检测。结果表明：多尺度多结构元边缘检测方法抗噪能力强,能够在滤除旋转机械振动信号参数图形中噪声的同时,有效地提取图形的边缘特征,适用于环境噪声较为复杂的旋转机械状态监测。     

基于积分滤波器的位移信息获取

利用积分滤波器对加速度信号进行二次积分,从而获得物体的运动位移信息;为提高系统的稳定性和抗噪性,在积分前分别采用减平均值法和小波变换对加速度信号进行去直流量及去噪处理;通过仿真信号验证算法的正确性,降低了实验成本;最后利用采用XW-IMU5250惯性测量单元实测一个物体的运动,得到了物体精确的运动轨迹。     

Walsh变换在滚动轴承早期故障特征提取中的应用

依据Walsh变换具有分析微弱脉冲信号的优点,提出一种基于Walsh变换的滚动轴承早期故障特征提取方法。通过仿真及滚动轴承早期故障特征提取的实例分析,证明Walsh功率谱在故障特征提取中的敏感性及抗噪能力优于Fourier功率谱,具有较强的故障特征提取能力,凸显了滚动轴承的故障特征频率,能有效地诊断出轴承的早期微弱故障。     

基于工业摄像技术的动态轴功率测量

基于工业摄像技术提出一种非接触测量传动轴动态轴功率的方法。首先设计了轴功率测量系统,提出了测量轴转速和轴转矩的方法。通过数字散斑的相关搜索和亚像素计算等手段,测得轴转速和转矩值,最终计算得出轴功率。为验证本文方法的测量精度,搭建了车载试验系统,并在底盘测功机上对其进行了实际测量试验。试验结果表明:提出的轴功率测量方法得到的结果与底盘测功机测量结果变化趋势一致,其相对误差平均值为9.37%。其中轴转速的测量范围可以覆盖整个过程,测量值波动较小,与底盘测功机测量结果基本一致,其相对误差平均值为0.73%,抗噪能力强;轴转矩的测量范围可覆盖部分高转矩,测量值波动较大,两者测量结果趋势一致,其相对误差平均值为15.15%,抗噪能力较弱。本文方法克服了一些传统测量方法的不足,为解决轴功率动态测量提供了一种新思路。     

基于参数自适应时频分布的瞬时频率估计

为了跟踪信号在不同时刻的频率变化情况，需要估计其瞬时频率。本文分析了瞬时频率与非平稳信号的时频分布之间的关系，提出了一种采用自适应信号子空间分解的参数自适应时频分布（PAD），以及基于PAD峰值检测的瞬时频率估计方法。数值仿真和对实测信号的瞬时频率估计实验结果表明，该方法对于调频类信号的估计性能优于其他常用的瞬时频率估计法，且抗噪声干扰能力强，为时变频率非平稳信号的瞬时频率估计提供了新的手段。     

盲VMD-Cepstral在轴承故障诊断中的应用

针对滚动轴承早期故障诊断困难的问题,从经验模态分解(empirical mode decomposition,简称EMD)以及包络谱出发,为解决EMD抗噪效果较差、具有端点效应等局限性,提出了盲变分模态分解(variational modal decomposition,简称VMD)-主成分分析(principal component analysis,简称PCA)-包络谱熵结合倒谱包络的轴承故障诊断方法。首先,对滚动轴承的振动信号进行了变分模态分解;其次,对分解得到的分量进行PCA去相关处理;然后,对分量计算包络谱熵,选择熵值小于其平均值的分量进行信号重构;最后,对重构的信号进行倒谱包络分析。实验结果表明,该方法能有效地提取出滚动轴承的故障频率,从而判断出滚动轴承的损伤位置,并且具有良好的抗噪能力。