抑制局域波分解端点效应方法的研究

针对局域波分解存在的端点效应问题,提出了三角波形相似估计法对信号端点局部均值进行估计.方法根据三角形相似原理设定了两个相似估计误差,通过两次筛选得到与边界三角波形最相似的三角波形,从而实现对端点局部均值的估计.过镜面闭合延拓法、多项式拟合估计法、边界波形匹配预测法和三角波形相似估计法进行比较研究.仿真和比较结果表明,方法在运行时间、存储空问和最大估计误差三个方面均具有较好的性能,能够有效地抑制局域波分解端点效应.     

基于局域均值分解包络谱和神经网络的轴承故障诊断研究

滚动轴承振动信号是非平稳信号,而且往往是由许多分量的调频调幅信号组成;轴承故障特征频率容易被高频的调频调幅信号淹没;局域均值分解技术是近年来新的时频分析方法,能够有效的处理非平稳信号;它能将多分量的调制信号自适应的分解为若干个生产函数(PF)分量,每个PF分量都是一个单分量的调幅调频信号,包含了原始信号的局部特征;利用共振解调技术对每个PF分量进行包络分析,能够有效地提取高频载波中的故障特征频率;同时,为了实现智能诊断,提取各PF分量包络信号的能量值作为特征向量,训练BP神经网络,从而达到智能诊断目的。     

齿轮故障信号的线性插值局域均值分解方法

针对局域均值分解（LMD）方法中滑动平滑获取局部平均函数和包络函数误差较大、跨度选取不合适导致信号无法收敛等缺点,提出采用线性插值LMD的方法。在齿面磨损故障信号诊断过程中对比分析了LMD方法、三次样条LMD方法和线性插值LMD方法的优缺点。实例分析表明,线性插值的LMD方法可以有效应用于齿轮故障诊断。     

基于局部积分均值的经验模态分解改进算法

端点效应和模态混叠现象是经验模态分解算法应用中存在的主要问题。在介绍标准经验模态分解算法的基础上,阐述了基于局部积分均值经验模态分解算法的基本原理,提出自适应的端点局部积分均值拟合线的拟合方法。改进算法通过距离相关度函数在待分解信号内部寻找与端点处信号变化趋势相关度最高的一段波形,并用此段波形的局部积分均值拟合线来重新刻画端点处的局部积分均值拟合线,将修正后的局部积分均值拟合线应用于EMD算法筛选过程中。仿真实验结果表明,改进算法有效抑制了模态混叠和端点效应现象,提高了分解的精度和可靠性。     

基于样条的振动信号局域均值分解方法

局域均值分解(Local mean decomposition,LMD)的主要思想是把一个时间序列的信号,分解成不同尺度的包络信号和纯调频信号,然后获得信号的时频分布.LMD算法用极值点来定义局部均值函数和局域包络函数,然后用滑动平均来平滑均值和包络函数,针对用滑动平均平滑均值和包络函数误差较大的缺点,提出了采用三次样条对上、下极值点分别插值求得上下包络线,然后由上下包络线的平均获得局部平均函数,由上下包络线相减的绝对值获得局部包络的方法.通过对非线性和实例振动信号的实验研究表明,基于样条的LMD方法的分析精度比LMD方法高.     

LMD方法在脑电信号处理中的应用研究

局部均值分解(LMD)是一种新的非线性非平稳信号处理方法,该方法具有较强的自适应性,能将复杂信号分解为一系列具有物理意义的PF(production function)分量。但在信号分解过程中会产生端点效应,这将影响LMD分解精度,严重时会导致信号失真。在详细分析了LMD产生端点效应的原因之后,提出了一种基于相似波形加权匹配的端点延拓算法。通过对视觉诱发脑电信号进行仿真,并且和不做延拓的LMD分解结果做对比,说明该方法能够有效抑制LMD的端点效应,取得较好的分解效果。     

极值域均值模式分解在轴承故障诊断中的应用

为了研究滚动轴承信号的非平稳特征,提出了将局域波方法和Parzen窗概率神经网络相结合的故障诊断方法.分析了局域波时频分析中极值域均值模式分解方法的改进方法,并提出了一种筛选停止准则.对分解所得分量,提取平均瞬时频率和能量比作为故障特征向量构造神经网络,进行状态判断.通过对现场采集的滚动轴承信号进行分析,说明了该方法的...     

有效数据在局域波端点效应评价指标中的应用

摘 要：在已有的端点效应评价指标的基础上,给出了端点效应有效数据的定义。基于此定义,引入了信号分解序列的量化评价指标,进一步提出了基于有效数据的端点效应评价指标。通过调幅调频仿真信号分别对端点效应有效数据和基于有效数据的端点效应评价指标进行了说明和验证,结果表明,端点效应有效数据的提出是合理的,基于有效数据的端点效应评价能够有效地减少计算所需的信号容量,提高端点效应评价精度     

一种煤矿机械轴承故障诊断方法

针对现有煤矿机械轴承故障自适应诊断方法易受高频噪声和间断噪声干扰而导致原始信号分解和特征提取精度较低的问题,提出了一种基于改进局部均值分解的煤矿机械轴承故障诊断方法。该方法在局部均值分解方法的自适应分解部分采用噪声辅助分解方法,将高斯白噪声加入原始信号,然后进行局部均值分解,以抑制高频噪声及间断噪声对信号分解的影响;在特征参数提取部分对乘积函数分量进行Hilbert变换,然后进行特征参数提取,以实现在全部取值范围内提取特征参数。仿真及测试结果表明,该方法对轴承故障信号分解和特征参数提取的效果较好,对轴承内外圈故障诊断的准确性较高。     

基于条件局部均值分解与变量预测模型的轴承故障诊断方法

针对局部均值分解(LMD)方法在分解非线性、非平稳振动信号过程中存在的模态混淆现象,从而影响故障识别准确性的问题,提出了基于条件局部均值分解方法(CLMD)与模式识别变量预测模型(VPMCD)的故障诊断方法。该方法将数字图像处理的频率分辨率方法与LMD相结合,首先确定振动信号中所有局部极值点的频率分辨率,将振动信号分为低频率分辨率区域和高频率分辨率区域;然后对高频率分辨率区域进行LMD分解,可得若干乘积函数(PF)分量;最后用折线将所有PF分量连接起来,经滑动平均处理可得PF分量,提取PF分量的偏度系数和能量系数构成故障特征向量,用于VPMCD故障识别。将该方法应用于轴承故障诊断,实验结果表明,与LMD方法相比,识别效率提高了8.33%,表明了该方法的有效性和可行性。     

基于局部均值分解的信号非线性趋势项剔除方法及应用

本文提出了一种基于样条插值的局部均值分解(LMD)法剔除趋势项的途径,并研究了其在发动机瞬时转速信号处理中的应用。通过与常用的最小二乘法(LSM)和小波分解法(WM)进行比较,表明了基于样条插值的局部均值分解法在去除信号中趋势项的问题上,具有剔除与真实信号频谱重叠的趋势项的优势。这对提高发动机瞬时转速信号预处理精度具有重要意义。     

基于局部窄带分解和分形的自动机故障诊断

自动机作为自动武器最核心最复杂的部分,其可靠性和故障检测与诊断成为故障诊断领域关注的热点。因此有必要发展一种快速、高效的高速自动机故障诊断方法,实现在线健康状态预测和视情维修,提高军事装备的使用和维修效率。以W85高射机枪自动机为实验对象,针对自动武器在射击时会产生一定方向和频率的冲击振动,采集其短时振动冲击信号,利用基于瞬时频率和局部窄带信号的自适应分解方法对信号进行分解并重构,计算重构后振动信号的网格维数,利用维数距离进行故障类别分析,实现了故障诊断,为高速自动机的健康状态预测奠定了基础。     

波形检测技术在故障诊断中的应用

波形检测是模拟电路故障分析中的重要方法之一,本文介绍了利用自相关函数来完成波形检测的一种故障检测算法及具体实现。     

改进的EMD及其在风电功率预测中的应用

针对非平稳信号在经验模态分解(Empirical Mode Decomposition,EMD)过程中包络拟合时出现的过冲/欠冲问题,提出采用分段三次Hermite插值代替三次样条插值作为新的包络拟合算法.针对神经网络对非平稳性功率序列预测困难问题,采用EMD和神经网络相结合的方法对发电功率进行预测.使用改进的EMD对...     

基于局部极值的保边缘图像分解算法

针对非线性图像滤波算法保边缘能力不强的问题,提出一种新的保边缘图像分解算法.该算法采用局部极值差定义图像的边缘,在此基础上利用加权平均的方法调整极值,通过优化算法得到原图像的基图像,实现图像的多尺度分解.实验结果表明,与同类算法相比,该算法在实现图像平滑的同时保边缘能力更强.     

改进型遗传算法在故障诊断中的应用磁

遗传算法优化后的 BP 神经网络具有较好的全局搜索能力,但在迭代后期要求有较好的局部搜索能力,因此,通过对遗传算法进行改进,来平衡系统的全局搜索能力和局部搜索能力。实验表明,改进后的遗传算法能对各种故障进行可靠的分类,有效地提高了故障诊断的效率和准确度。     

一种改进的同伦BP算法及其在故障诊断中的应用研究

为克服标准BP算法中存在的网络学习收敛速度慢、容易陷入局部极小等问题,引入同伦算法,提出了一种将同伦论与快速BP算法结合的改进算法,并采用二进制结构表示输出模式矩阵。最后以柴油机燃油系统为例,对其中的几种故障进行诊断研究。仿真结果表明此方法既能快速收敛,又能大大提高避免陷入局部极小的能力。