基于多分辨率奇异谱熵和支持向量机的轴系故障诊断及其应用

运用Mallat小波算法将被测信号分解为不同频带，并进行信号重构，然后利用奇异值分解，提取不同尺度下的信号奇异谱熵作为特征向量．以特征向量为基础，运用多类支持向量机识别故障类型．以渔船轴系故障诊断为例，设计了轴系故障模拟实验台，研究表明：该方法能有效地进行特征提取和故障分类．     

基于小波包分解与近似熵的脑电特征提取方法研究及在脑机接口中的应用

为提高运动想象脑机接口的分类正确率,结合小波包分解与近似熵对脑电信号进行特征提取。该方法利用小波包对脑电信号全频段进行分解,用近似熵函数对小波包结点提取分类特征,然后用稀疏表示对特征向量进行降维,最后使用功率差方法进行分类。实验结果表明,在使用1秒数据进行分类的条件下,该方法在使用2种不同通道集合时都取得了很好的分类效果。使用32个和10个通道时分类正确率分别达到了95.65%和86.41%,比小波包分解与空域滤波方法分别提高了5.9%和8.32%,比传统的共空域模式方法分别提高了7.18%和7.27%。另外,使用的数据长度越短,分类识别率越高,表明该方法更适用于较短的数据,有利于提高脑机接口的信息传输速度。     

基于EEMD能量矩和改进量子粒子群神经网络的滚动轴承故障诊断

针对滚动轴承故障振动信号的非线性和周期性冲击特征, 提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)能量矩和改进量子粒子群神经网络的特征提取方法. 基于小波去噪对滚动轴承原始信号进行预处理, 对重构的故障信号进行EEMD并得到多个本征模态函数分量. 利用能量矩方法计算出所需分量的能量矩并归一化, 将归一化后的能量特征参数作为量子粒子群BP神经网络的参数输入, 根据加速度传感器信号实现滚动轴承故障诊断. 分别在不同转速(载荷)下采集驱动端轴承的振动信号, 获取200个训练样本和80个测试样本, 并建立故障诊断模型. 基于文中模型对实际滚动轴承数据进行诊断, 实验结果表明, 不同转速(载荷)下测试的80个样本故障诊断准确率达到100%.     

基于Riesz基的再生核及支持向量机

在支持向量机(SVM)技术中,再生核的选择起着重要作用.利用L2(R)中的一组Riesz基构造再生核,并将其推广到应用广泛的正交小波.在基于正交小波的再生核Hilbert空间中考虑函数的正则化逼近,对基于正交小波再生核的SVM结合小波分析进行探讨,得到SVM的离散逼近,离散细节均只与支持向量有关.     

非稳态油膜力作用下偏角不对中碰摩转子系统振动特性分析

建立了非稳态油膜力、碰摩力作用下,偏角不对中轴系的横向振动模型,将Jeffcott转子模型推广至约束条件下的轴系振动模型,通过引入转子间的位移约束,由Lagrange方程导出了不对中轴系系统的振动方程.仿真研究表明:由于不对中的存在,轴系横向振动是强非线性、非定常、同时含有自激励、参数激励和外激励的三自由度振动系统;由于从动轴与主动轴的不对中,导致了转轴间的运动约束,使轴系横向振动系统比Jeffcott转子动力学模型所描述的振动系统少了一个自由度.随着偏角不对中量、转轴质量比的变化,系统出现周期、概周期、混沌运动特征.不对中轴系处于概周期运动时,呈现出自激振动特征.其结果可为旋转机械故障诊断、轴系对中及设备的安全运行提供更为准确的理论参考.     

基于小波包频带能量特征的包络分析在滚动轴承故障诊断中的应用

经典的小波包迭代算法会由于小波包分解过程中的隔点采样而发生频率混叠现象。采用小波包移频算法，以1^#、2^#、3^#这3个406滚动轴承（其中1^#轴承工作正常，而2^#、3^#轴承工作状态未知）进行分析。通过小波包分解提取了这3个轴承振动信号的频带能量特征，初步判断2^#、3^#轴承的工作情况。基于此，再选择合适的频带进行小波包重构，并经Hilbert变换实现包络检波，这样轴承发生故障时的高频共振信号就实现了包络解调。再通过对振动包络信号进行频谱分析就可以对轴承的故障类型作出判定。     

基于支持向量机及遗传算法的光刻热点检测

提出一种基于支持向量机（SVM）及遗传算法（GA）的集成电路版图光刻热点检测方法.首先对版图样本进行离散余弦变换（DCT）以提取样本的频域特征,然后基于这些样本训练SVM分类器以实现对光刻热点的检测.为了提高光刻热点检测的精度及效率,采用遗传算法（GA）对频域特征进行选择,并同时优化SVM参数.实验结果表明,基于SVM及版图频域特征并结合遗传算法进行优化的光刻热点检测方法可以有效提高版图光刻热点的检测精度.     

多元双正交小波包的构造及性质

给出具任意整数矩阵伸缩的多元不可分双正交小波包的定义及其构造算法.运用代数学理论,积分变换与算子理论,讨论了多元不可分双正交小波包的性质.得到L2(Rn)的小波包基的直和分解.     

带特征染色体的遗传算法与支持向量机结合进行生物水质预警的研究

近年来水污染事件频发, 给人类饮用水安全带来巨大隐患, 而生物监测法能够从生物学角度对水质状况做出综合分析. 选取斑马鱼作为受试生物, 当水质发生变化时, 鱼群在毒性物质作用下产生应激反应, 此时运用图像处理技术量化鱼类群体行为参数; 并用带特征染色体的遗传算法与支持向量机相融合的方法进行特征选择和SVM参数优化, 分析影响水质预警的关键量化参数. 结果显示, 新方法与网格搜索法、不带特征染色体的遗传算法与SVM结合的方法相比较, 有更高的准确率.     

社会模拟算法优化的随机共振轴承故障诊断研究

针对经典双稳态随机共振在处理调制信号时的局限性和系统参数优化不足的问题,提出了一种社会模拟算法优化的多稳态随机共振轴承故障诊断方法.首先,对振动信号进行Hilbert包络解调和高通滤波;其次,采用频率交换与变尺度将高频特征信号变换到低频区;然后,以信噪比为自适应函数,利用社会模拟算法(Social Mimic Optimization,SMO)优化随机共振系统参数;最后,将变换后的振动信号输入随机共振系统,实现轴承故障诊断.通过实验数据分析证明了所提方法的有效性与优越性.     

基于贝叶斯网络的船舶污染事故应急预案完备性评估

根据船舶污染事故应急预案涉及的事件和事件之间的逻辑关系构架了应急预案的故障树结构, 将故障树结构贝叶斯网络化, 构建了标准贝叶斯网络图, 由此建立一种船舶污染事故应急预案完备性评估的新方法. 利用该方法对市级船舶污染事故应急预案的缺失事件进行了分析, 评估了预案的完备度, 并与其他评估方法进行比较, 验证了该方法有效.     

锅炉燃烧控制系统故障诊断观测器的仿真研究

针对目前故障诊断观测器设计难以满足实际工程对多性能条件的技术要求,利用建立线性矩阵不等式方法,引入故障灵敏度指标,并分析多个指标之间的相容性问题,用极值的方法计算确定指标的取值范围,最终提出故障诊断观测器的设计方法.以锅炉燃烧控制系统为例,对恒偏差型故障、脉冲型故障进行计算机系统仿真研究.结果表明,与满足单一稳定性指标的观测器相比,所提出的故障诊断观测器对干扰有较强的抑制作用和较高的故障灵敏度.     

风力发电机组主要部件故障诊断研究

为了尽早发现风电机组故障,及时采取适当措施以提高运行效率,对风电机组可能出现的故障进行了分析．对可以用于风力发电机组的故障诊断方法进行了研究,对风电机组的主要部件可能出现的故障类型及可用的故障诊断方法进行了探讨．同时对故障现象及相应诊断方法进行了仿真与分析,得到的结论是：温度场分析可以较好的用于齿轮热变型故障分析,神经网及小波分析可以较好的用于变频器部分的故障分析,磁场分析可以更好地进行发电机部分的故障分析．     

基于模糊理论的汽轮机故障诊断

针对汽轮发电机组的单一故障诊断的局限性,对现有的故障进行分析和比较.根据振动信号的基本原理,应用了综合模糊诊断的方法对汽轮机的六种常见故障进行诊断.首先由不同故障在不同特征倍频的比例关系得到故障的模糊矩阵,分段对故障振动信号求隶属度,再与故障的模糊矩阵相乘即可求出各故障的隶属度,并用Minkowski距离公式计算隶属度距离大小,来判断诊断的准确性;最后提出模糊诊断的前景及存在的问题.     

一种基于新型小波包阈值的图像去噪方法

提出了一种基于小波包理论去除图像噪声的方法,用小波包把图像分解为高频分量和低频分量,根据高频分量估计噪声的标准差,并利用该标准差以及Birge-Massart惩罚函数计算阈值.鉴于传统软硬阈值的缺陷,采用一种新型阈值量化方法,用三次多项式在硬阈值的基础上插值,使新的阈值函数保持了连续性和可导性.通过这种方法既消除了图像的振铃现象,又保留了细节成分.实验表明：与传统方法相比,新方法使图像视觉效果和峰值信噪比均获得提高.     

一种基于小波模极大值的图像特征匹配算法

针对移动机器人视觉图像间的连续特性,提出了一种基于小波模极大值的图像特征匹配算法,该算法利用小波模极大值提取图像轮廓及模方位矩阵,并在轮廓图像中寻找极大区域,以该区域中心点作为图像特征点,且将区域小波模方位、特征点区域图像重心坐标和区域轮廓重心方向组合生成这些特征点的特征向量,利用这些特征向量实现图像间的特征点匹配．并通过相应的实验证明提出的新算法高效可靠．