基于双距离像的空间目标多姿态角特征融合识别算法

介绍一种有效的空间目标电磁特征提取与识别方法.首先通过处理目标多个姿态角的平均距离像,在双谱变换的基础上,生成目标姿态角的双距离像;然后计算双距离像矩阵的特征值,得到一个融合特征矢量,以此为判决依据对空间目标进行分类识别;最后,通过大量实测数据验证,该方法对空间目标能作出正确判决,统计识别正确率高于常用的前向(BP)神经网络分类方法.     

指静脉锁结构设计及动态精度识别方法

针对目前指纹锁所出现的可复制、易伪造,受皮肤干湿度、表面污渍影响等问题,设计了一种新型指静脉锁,该锁体主要由机械本体与控制面板两部份构成,文中详细介绍了指静脉锁的机械结构与电路控制原理,文末提出了一种基于双谱提高指静脉锁动态精度识别的新方法,该方法主要是利用所采集到的若干个指静脉分布信号,经灰度化与二值化处理后将其排列成一组随机信号,而后利用双谱的数值计算方法将随机信号转换为三维空间分布图,由于双谱具备有效抑制噪声的特点,使有效信号得到进一步的加强,噪声信号得以抑制,从而大大提升指静脉锁的动态识别精度。     

基于AR双谱及其切片的溢流阀故障诊断

针对溢流阀体故障状态时振动信号具有明显非线性、非高斯的特点,建立基于时间序列AR双谱分析模型,给出了归一化AR双谱的计算公式;通过实验,对比了正常情况和故障情况下溢流阀的双谱图、等高线图,差异明显。实验结果表明采用AR双谱的方法来诊断液压阀的故障是可行的、有效的。     

循环双谱在滚动轴承故障特征提取中的应用

针对循环双谱能够处理循环平稳、非线性和非高斯信号,且能够完全抑制高斯噪声的特点,将循环双谱分析方法应用到滚动轴承故障特征提取上。但其计算量大,且所得的谱图信息冗余量大不直观,故对循环双谱进行简化研究,提出先对循环双谱做对角切片基础上再做二次峰值频率切片,然后用简化的循环双谱对滚动轴承故障做特征提取。仿真和实验结果证明了方法的有效性。     

高阶谱应用中模型定阶问题分析

讨论了高阶谱应用过程中涉及到的模型定阶问题.在采用AR参数法来估计双谱时,如果阶数太低,使频谱太简单、平坦,无法显示频谱峰谷结构的细节,得不到详细的二次相位耦合信息;阶数过高,则会产生虚假峰.文章常用的几种定阶方法进行了分析.     

基于二值双谱和模糊聚类的风电轴承故障诊断

针对风电机组滚动轴承振动信号具有强噪声、非高斯、非线性及非平稳的特性,导致滚动轴承故障状态及故障位置难以确定的问题,提出了基于二值双谱和模糊聚类的风力发电机组滚动轴承故障诊断方法。首先,对振动信号进行双谱分析,获得其二值双谱特征;其次,以基于目标函数的模糊聚类方法,构造各类故障的目标模板;最后,按照最邻近准则设计分类器,以目标模板与测试样本之间的距离测度作为模式分类依据,对风电机组滚动轴承的故障位置进行判断。实验结果表明,该方法能有效诊断故障状态及故障位置,其诊断准确性高、稳定性好、计算量小、速度快,且以距离测度为故障判决依据,使诊断结果易于理解和解释、便于检验。     

基于双谱熵和聚类分析的转子系统故障诊断

转子系统在故障状态下的振动信号往往呈现很强的非线性,其在频域上主要表现为不同频率之间相互耦合,产生合频、差频等组合频率。为了解决传统频谱分析只关注信号中的频率成分及其幅值大小,而忽略信号相位信息的问题,采用双谱方法对振动信号进行分析。双谱包含信号相位信息并且对非线性敏感,可以将早期故障的微弱非线性放大,检测出频谱中不同频率之间的非线性相位耦合关系。通过对ZT-3转子实验台植入不同类型的故障,采集系统在不同状态下的加速度信号,从振动信号的双谱中提取各频段的信息熵,采用模糊聚类方法进行故障识别。结果表明,双谱熵作为特征参量可以准确识别转子系统的故障类型,验证了方法的可行性。     

齿轮裂纹故障的双谱分析

齿轮振动信号中的非线性给故障特征的提取带来较大难度,通过分析裂纹齿轮振动信号非线性产生的原因,利用双谱分析具有提取信号非线性耦合特征的能力,将双谱分析应用于齿轮裂纹的故障诊断中。试验结果表明,该方法能够有效地将正常及不同裂纹程度的齿轮区分开来。     

基于切片谱和神经网络的旋转机械故障诊断方法

RBF神经网络是仿生物神经建立的人工模式识别模型,它具有良好的泛化能力和分类能力;切片谱是对双相干谱算法的简化,同样可以用来定量描述振动信号的非线性相位耦合特征.本文结合双谱和RBF神经网络,以信号的切片谱作为故障特征量,以RBF神经网络作为分类器实现旋转机械故障诊断;最后对轴承故障进行仿真实验,结果表明,本方法能有效对轴承故障模式进行分类.     

双树复小波和双谱在轴承故障诊断中的应用

针对非线性、非平稳且包含强烈的噪声的轴承故障振动信号难以有效提取故障特征信息进行故障识别的问题,提出基于双树复小波变换和双谱的故障诊断方法。首先利用双树复小波变换将故障轴承振动信号分解为若干个不同频带的分量,选择出包含故障特征的分量;然后对该分量进行希尔伯特包络解调;最后对包络信号求其双谱图,从而有效地提取出故障信号的特征频率,准确地进行故障识别。滚动轴承故障实验和工程应用表明,该方法能有效地提取故障轴承的故障特征频率,并且几乎可以完全抑制噪声,验证了方法的可行性和有效性。