基于多重分形去趋势波动的机械故障诊断新方法

针对旋转机械系统故障信号的非平稳性、非线性等复杂特征,给出一种基于多重分形去趋势波动分析的机械故障诊断方法。该方法首先对原始信号进行去趋势处理,再结合多重分形理论提取多重分形谱面积和多重分形熵两个分形参数,并将其作为故障诊断的新判据,最后通过实验结果证明了方法的有效性,从而为机械故障诊断提供了一种新的方法。     

基于总体平均经验模式分解近似熵和混合PSO-BP算法的轴承故障诊断方法

针对机械系统的非平稳、非线性特性,提出了一种基于总体平均经验模式分解(EEMD)近似熵和混合PSO-BP算法的轴承故障诊断方法。EEMD能够解决EMD的端点效应,改善处理非线性信号时的局限性;引入随机权重和压缩因子来改进粒子群算法,优化BP神经网络的权值和阈值,解决BP网络的全局收敛问题。将信号经EEMD得到的IMF分量与近似熵结合,组成特征向量,再将构造的特征向量输入到PSO-BP神经网络中进行模式识别。实验及工程应用实例证明了该方法的有效性和优越性。     

基于多元经验模态分解互近似熵及GG聚类的轴承故障诊断

提出了一种基于多元经验模态分解（Multi-EMD）、互近似熵和GG聚类的滚动故障轴承诊断方法。首先,将振动信号进行多元经验模态分解,得到若干个内禀模态函数（IMF）分量和一个趋势项。然后,将IMF分量分别与原始信号进行相关性分析,筛选出前7个含主要特征信息的IMF分量,并将筛选的IMF分量的互近似熵作为特征向量。最后,将特征向量输入到GG模糊分类器中进行聚类识别。通过聚类三维图,对两种算法机械运行的4种状态进行了对比,验证了多元经验模态分解方法不仅可解决采样的不均衡问题,而且可解决EMD算法聚类的混叠问题。     

医用超声诊断仪超声源的检定及注意事项

本文介绍了对医用超声诊断仪超声源检定的几项技术指标及检定中须注意的问题。     

基于多尺度高阶奇异谱熵的信号特征提取方法

提出了基于变分模态分解(VMD)的高阶奇异谱熵的特征提取方法,并应用在滚动轴承故障诊断中。首先,使用4阶累积量切片代替奇异谱熵分析(SSEA)的协方差矩阵,引入VMD分解实现方法多尺度化,提出信号多分辨高阶奇异谱熵分析(M-HSSEA)方法;通过信号分析,VMD解决了模态混叠的问题,且能够实现信号滤波,同时该方法提取的熵特征向量增强了相空间重构参数鲁棒性;通过和小波奇异谱提取特征的方法对比,结果表明所提出的方法在克服频率混叠现象,提取的特征点总体离散度小等方面更具优势;最后,结合深度信念网络分类器实现了对故障的分类,实验结果验证了所提方法的有效性和可行性。     

基于相空间重构改进算法的混沌奇异谱分析及应用

针对混沌奇异谱分析嵌入维数和延迟时间不确定性问题,提出相空间重构的改进算法。利用补充准则E2(m)进行联合判断,同时对Cao算法进行了改进,给出了一种改进的嵌入维数的稳定性准则。嵌入维数利用改进的Cao算法,能够快速准确地确定嵌入维数m的值,具有准确性和高效性;用基于符号分析的极大联合熵求取延迟时间的方法,减少计算量和误差。通过数值验证对比实验验证了该方法的优越性。将该方法在滚动轴承早期故障识别中应用,结果表明:混沌奇异谱可以清楚看出不同故障信号的图形分布,实现对机械故障信号的特征提取。为机械故障早期诊断提供一种新的有效途径。     

基于EN-SKPCA降维和FPA优化LSTMNN期风电功率预测

综合考虑风电功率序列及气象数据的多维特征,提出一种弹性网稀疏核主成分分析（EN-SKPCA）降维方法,对气象因素降维并表述为回归优化型问题,添加的弹性网惩罚解决了KPCA重构主成分难以解释构成的问题;提出花授粉算法（FPA）优化长短时记忆神经网络（LSTMNN）预测模型,可自动筛选出最佳超参数,降低了参数经验设置所带来的随机性。该方法解决了突变天气的影响,提高了预测精度。对2017年宁夏麻黄山第一风电场实测数据实验,证明了该方法的优越性。     

心电图信号处理技术及小波变换方法

给出了心电信号处理的两种方法。第一种方法是运用合成技术,它可以保证波形的完整,而且便于实现。第二种方法是运用小波分析。小波适用于分析非平衡信号,适宜于对心电图数据进行预处理和特征提取。本文应用Mallat算法对心电图信号进行了多尺度分解。     

基于均值包络ITD和谱峭度的特征频率提取方法

提出基于均值包络本征时间尺度分解(ITD)和谱峭度的特征频率提取方法。用于轴承故障诊断中,振动信号经均值包络ITD分解和重构,通过谱峭度选取故障共振频率带,最后比较包络谱与特征频率做出故障诊断。对美国凯斯西储大学滚动轴承数据的处理结果证明,该方法得到的谱线更加明显,诊断更加准确。     

强噪声中弱信号检测的混沌方法及超声系统的实现

本文对混沌振子Duffing方程进行了研究,推导出系统发生间歇混沌现象的频差条件.结合该振子阵列的间歇混沌现象锁定强噪声背景下微弱信号频率,从而可以确定有用信号幅值和相位,并给出超声信号检测系统的实现方法和实验结果分析.