基于小波分解的某些非平稳时间序列预测方法

提出一种时间序列预测方法,称为小波预测方法.通过小波分解可以将某些非平稳时间序列分解成多层近似意义上的平稳时间序列,然后采用自回归模型对分解后的时间序列进行预测,从而得到原始时间序列的预测值.对年平均太阳黑子数的预测结果表明,该方法比传统的时间序列预测方法和神经网络预测方法的预测精度高,可以很好地应用于某些非平稳时间序列的预测中.     

基于相重构和主流形识别的非线性时间序列降噪方法

提出了一种基于相重构和主流形识别的非线性时间序列降噪方法.带噪的时间序列在高维的相空间中其本质特征隐含在一个低维的主流形中,利用局部切空间变换方法提取其主流形,再根据主流形对时间序列进行重构,就可以达到降噪的目的.与现有的非线性时间序列消噪算法不同,基于主流形的消噪算法更强调时间序列的整体结构.数值仿真分析的结果验证了该降噪方法能有效地消除非线性时间序列中的高斯白噪声.     

基于神经网络的轴承故障诊断方法

研究了基于神经网络的轴承故障诊断方法,应用于球轴承、圆锥轴承和圆柱轴承在轴承疲劳试验机上实际运行产生的各种真实故障的诊断,结果表明:该方法具有较好的效果。     

IIR数字滤波器的计算机设计方法

推导出了从原型低通模拟滤波器转换到不同类型的IIR数字滤波器的矩阵表示方法,实现了IIR数字滤波器的计算机自动设计,并编制了一套IIR数字滤波器设计软件.通过设计实例证明,简化了IIR数字滤波器的设计程序.     

形态非抽样小波及其在冲击信号特征提取中的应用

针对形态小波分解过程的抽样引起信号长度逐层递减的问题,提出一种基于多尺度Top-Hat变换的形态非抽样小波构造方法。利用形态非抽样小波的一般框架,分别采用形态学开运算和多尺度Top-Hat变换作为形态非抽样小波分解的近似信号和细节信号的分析算子,使形态小波分解过程中信号长度保持不变,从而保证了形态分析时所需的信息量。结合转子振动冲击特征信号提取试验,验证所提方法在故障诊断中应用的可行性与有效性。     

基于频域形态滤波的低速滚动轴承声发射信号降噪新方法

声发射检测技术以其灵敏度高、频响范围宽、信息量大等优点,为机械故障诊断提供了一条新的检测途径,但应用于旋转机械设备时,容易混入各种有色噪声。当噪声频率与声发射信号重叠时,传统的降噪方法难以满足要求。将形态滤波应用到信号频域,可以有效消除有色噪声的干扰。根据声发射频响特性,对频谱进行拟合平滑高斯白噪声的影响,最后重构到时域。仿真和实际低速轴承信号表明此方法具有较好的降噪效果,有利于信号后续的处理和分析。     

基于梯度自适应窗宽在变速机械阶比分析中的应用

由于转速频繁的改变,变速旋转设备的故障诊断必须解决转速的跟踪技术.传统方法是利用激光传感器获取转速脉冲,而时频分析方法由于不需要硬件得到较快发展,但频率分辨率较低,分析过程中的窗宽是固定的,不能根据转速变化快慢改变窗宽.文中提出了一种梯度自适应窗宽阶比分析算法,根据信号的梯度变化来自适应地选择窗宽,可以跟踪到更加准确的转频成分,有利于阶比分析,仿真和实际故障齿轮信号表明此方法具有较好的实际应用效果.     

金属内部裂纹的超声衰减特性与近表面缺陷识别

建立了包含裂纹缺陷的二维金属板模型.采用有限元方法,对具有不同深度裂纹的材料内部超声波场进行计算,获得了不同裂纹深度金属材料上表面的回波信号,分析了裂纹深度对超声波传播特性的影响规律.进一步分离提取不同阶次底面回波的频谱特征,获得了由裂纹缺陷引起的超声衰减系数随频率的变化关系.最后提出了通过底面回波频谱图辨识近表面裂纹缺陷的方法.     

基于多模态和加权支持向量机的热轧轧制力智能预报

为了提高热轧生产过程精轧机组的轧制力预设定精度,需要对轧制力进行高精度的预报.本文通过机理公式计算出轧制力的近似值,然后采集大量的实际生产数据修正轧制力预报值.首先利用聚类方法区分不同的生产状态,其次在相同生产状态下采用加权最小二乘支持向量机计算轧制力的修正系数,最后采用乘法方式修正轧制力,达到高精度的轧制力预测.结果表明,轧制力预报的平均相对误差为3.2%,满足现场的生产要求.     

金属材料内部非金属夹杂超声检测的数值模拟

在金属材料内部夹杂物的超声检测中,如何通过检测获得的回波信号辨识夹杂物的属性和位置,一直是其重点和难点问题.通过建立包含夹杂物缺陷的二维金属板模型,采用有限元数值模拟的方法,对材料内部超声波场进行计算,获得了两种最典型的夹杂物Al₂O₃和TiN,以及二者在材料内部不同深度时的超声回波信号.研究了夹杂物类型和夹杂物深度对超声回波时域波形以及对界面波、夹杂物缺陷回波和底面回波频谱分布的影响规律.