应用最优重分配小波尺度谱的小波脊线提取

针对基于小波尺度谱的模极大值法提取小波脊线存在受噪声干扰影响大、高频部分频率分辨率低等缺点,提出一种基于最优重分配小波尺度谱的小波脊线提取方法。首先,优化M orlet母小波使其与信号特征成分实现最佳匹配,再对小波尺度谱进行重分配,提高尺度谱的时频聚集性;然后,对重分配尺度谱进行信号奇异值分解降噪,降低噪声干扰影响;最后,利用模极大值法提取出小波脊线,根据小波脊线与频率的关系得到信号的瞬时频率。仿真算例和实际工程应用结果表明,该方法能有效提取出强噪背景下的机械故障特征。     

基于数据缩减的分频段小波模态参数快速识别

针对利用小波进行模态参数识别效率较低的问题,提出了一种基于数据缩减的分频段小波模态参数快速识别算法。利用奇异值分解对协方差信号在保留数据信息量的情况下进行缩减以减少参与计算的数据量,对正功率谱密度矩阵的奇异值分解确定识别系统的模态阶数及相应的频率范围,利用小波变换对缩减后的数据进行各阶模态逐频段识别。相比原始算法,文中方法减少了小波分析的数据量并避免了一些无用频带的小波分解从而减少计算量。通过对一个3阶线性时不变系统以及一个大桥模型的参数识别验证了文中方法在保持识别精度的情况下大幅度地提升了计算效率。     

基于非广延小波特征尺度熵和支持向量机的轴承状态识别

摘要：为了对轴承的运行状态进行有效的识别,以便进一步评估和预测轴承的寿命,提出了基于非广延小波特征尺度熵和Morlet小波核支持向量机（Morlet wavelet kernel support vector machine, MWSVM）的轴承运行状态识别的新方法。对采集到的轴承振动信号进行小波分解,得到相应的小波分解系数,在此基础上结合非广延熵理论提出了沿尺度分布的非广延小波尺度熵特征提取方法。但是通过小波特征尺度熵分析后获得的特征信息存在维数较高,特征信息间冗余严重的问题,因此,引入了流形学维数约简算法(locality preserving projection, LPP)进行敏感特征信息的提取,减少在特征信息提取过程中人为因素的干扰。以约简后的特征信息作为MWSVM的输入进行训练,建立轴承的状态识别模型,从而实现轴承状态的识别。通过对某轴承内圈正常状态和几种故障程度不同的状态进行识别,试验结果表明了方法的有效性。     

基于改进EMD和滑动峰态算法的滚动轴承故障特征提取

针对滚动轴承故障特征往往被强背景噪声淹没的特点,提出一种基于改进经验模态分解(Empirical Mode Decomposition,EMD)与滑动峰态算法的滚动轴承故障特征提取方法。首先利用EMD方法分解原故障信号得到一组平稳固有模态分量(Intrinsic Mode Function,IMF)。然后采用互信息和广义相关系数筛选法消除传统EMD分解结果中虚假分量,并运用滑动峰态算法对真实IMF分量处理得到滑动峰态时间序列。最后计算滑动峰态序列频谱提取故障特征频率。滚动轴承的实例研究结果表明：该方法能够有效提取滚动轴承故障特征,可以取得比直接滑动峰态算法和传统包络解调分析更好的效果。     

面向21世纪的绿色仪器系统

提出一种被测试功能“激活”的智能虚拟控件的新概念。这是一种带测试仪器功能的小“智能测试仪器单元”，通过积木式的拼搭，可直接在ＰＣ机内形成各种类型的智能化虚拟仪器并显示在屏幕上。」这是测试仪器的一种全新的概念，是测试仪器技术自虚拟仪器之后叠次重要的突破。这一概念的出现，将使仪器资源得到更进一步的扩展和延伸。可以认为智能心控件一经诞生将从根本上改变测试仪器的设计与生产模式，使仪器不仅可在ＰＣ机内进行     

基于分段重叠零相位滤波的阶比跟踪滤波法

提出了一种用零相位数字滤波实现旋转机械阶比跟踪滤波的新方法，和传统的以硬件实现阶比跟踪滤波方法相比，该方法有无需跟踪滤波硬件、用纯软件的方法实现和对原始采样信号不产生相位移动等优点。在讨论了这一方法的理论依据和算法后，提出了数据分段重叠滤波方法．有效地抑制了一般分段数字滤波产生的边缘效应。仿真试验验证了此方法的正确性和有效性。     

基于构件的小波变换信号分析仪的研发

本文介绍了一种基于构件的软件体系结构，结合小波分析方法和理论，提出了构件化小波变换信号分析仪的总体设计框架和开发模型。以滑杆构件为例介绍仪器功能构件库的设计过程，以连续小波变换和离散小波变换功能构件为例介绍仪器功能构件库的设计过程。最后通过系统构架组建了构件化小波变换信号分析仪，并通过实例验证仪器的正确性。     

有监督不相关局部Fisher判别分析故障诊断EI北大核心CSCD

针对现有流形学习理论用于旋转机械故障诊断存在识别精度不高的问题,提出基于有监督不相关局部Fisher判别分析(Supervised Uncorrelated Local Fisher Discriminant Analysis,SULFDA)的新型故障诊断方法。首先构造全面表征不同故障特征的时频域特征集,再利用有监督不相关局部Fisher判别分析将高维时频域故障特征集化简为区分度更好的低维特征矢量,并输入到K-近邻分类器中进行故障模式辨识。有监督不相关局部Fisher判别分析在类标签指导下最小化同类流形的离散度并最大化异类流形的离散度来实现类判别,还施加了不相关约束条件使所提取的特征统计不相关,提高了针对旋转机械的故障诊断精度。深沟球轴承故障诊断实验验证了该方法的有效性。     

零相位数字滤波的方法与实现

概述零相位滤波的重要意义。介绍了Matlab软件中m文件filtfilt.m实现零相位数字滤波的方法并证明了其正确性。提出了零相位数字滤波的新方法并加以理论证明。文中还通过实例对零相位数字滤波方法给予验证。指出零相位数字滤波器的设计方法。     

短样本条件下提高HHT识别模态参数精度的方法

由于在短样本条件下Hilbert-Huang变换(Hilbert-Huang transform,简称HHT)识别模态参数的精度主要受经验模态分解(empirical modal decomlposition,简称EMD)模式混合和随机减量法(random decrement teelarlology,简称RDT)提取自由衰减响应时平均次数不足的影响,针对这两个影响因素,引入带宽限制信号抑制EMD的模式混合,提高EMD的精度;并引入分层抽样技术,提出基于拟合偏差和样本量的层权确定方法来进行多次识别,然后加权平均,提高RDT的总平均次数.仿真试验和应用实例表明,结合分层抽样的限制带宽EMD识别模态参数的方法能提高短样本条件下HHT识别模态参数的精度.