基于变分模态分解的水泵水轮机暂态过程流激振动信号分析

流激振动是衡量水泵水轮机运行稳定性的重要参数.本文基于国内某水泵水轮机发电工况停机暂态过程中的实测顶盖振动信号,分别使用经验模态分解、变分模态分解和希尔伯特变换等方法对其进行时频分析,并获得如下结论.首先,相比经验模态分解,从基于变分模态分解的希尔伯特时频谱图中能够更为直观地观察到顶盖振动信号的时频信息.其次,时频分析...     

基于一种改进EMD算法的GPS多径效应抑制方法

为了抑制短基线双差分GPS测量中的多径误差,提出了一种改进的经验模态分解(EMD)滤波方法。首先分析了含噪信号EMD分解的噪声传播特性,提出应用噪声辅助数据分析方法对低阶模态分量进行处理,实现将信号的噪声压缩至低阶本征模态函数(IMF)中,进而提高含噪信号高阶模态分量的信噪比。然后基于上述改进的EMD算法实现了模态单元阈值降噪,随机采样第1阶IMF构造多个具有相同信噪比的序列,最后平均处理多个序列的降噪结果以消除EMD分解的位置敏感性误差,与小波降噪以及传统EMD阈值降噪的仿真对比表明,提出的降噪算法有显著优势。最后,将提出的算法用于GPS测量信号的多径误差提取,结果表明该方法可以用于抑制短基线GPS测量的多径误差。     

基于经验模态概率分布的光纤陀螺信号处理

为了抑制光纤陀螺随机漂移,基于改进的经验模态分解(EMD)和新型模态筛选标准提出了一种自适应的区间阈值滤波方法。首先分析加入高斯噪声对 EMD 分解结果的影响,提出有界噪声辅助以改善 EMD 分解质量,然后针对本征模态函数的概率分布特征提出了基于样本熵的模态筛选标准,最后采用数据驱动的阈值选择方法实现自适应的区间阈值滤波。为了验证算法的有效性,采集一款干涉型光纤陀螺静态漂移信号进行实验分析,结果表明本文方法较基于平稳小波变换和 EMD 的阈值滤波有更好的去噪效果。仿真分析表明该去噪算法减小了捷联惯性导航系统的航向角误差,均方根误差较     

加速度计参数长期稳定性多尺度混合建模与预测

针对温度、振动等环境载荷导致石英挠性加速度计参数随着时间发生非线性变化,难以进行准确描述的问题,提出一种加速度计参数长期稳定性多尺度混合建模方法,并利用所建模型对参数变化进行预测。首先,采用经验模态分解对参数长期变化序列进行多尺度分解,使其平稳化以降低其复杂度,为多尺度混合建模奠定基础;然后,在单核向量机的基础上,应用多核最小二乘支持向量机数据拟合算法,以提高多尺度混合建模算法的准确性与适应性;而且为了提升多核向量机的性能,设计一种自适应人工鱼群寻优算法对多核向量机的相关参数进行寻优;最后,建立石英挠性加速度计参数长期稳定性模型,并通过实例进行模型适用性验证与预测性能验证。结果表明,所提出的建模方法相比于传统最小二乘方法,模型更加精确,预测精度更高,零偏K_0与标度因数K_1的预测均方根误差分别降低了88.65%、86.49%。     

FSDD运行模态参数识别方法中不确定性的计算

运行模态参数识别是一种只利用响应数据进行模态分析的方法。环境激励条件下获得的识别结果会存在随机不确定性,这种不确定程度可以通过模态参数的统计特性进行描述评价。以运行模态分析中的频域空间域分解方法（FSDD）为研究对象,通过对整个模态识别算法进行摄动分析,确定出模态参数对测量误差的灵敏度,实现了模态参数方差的计算。计算过程分为四步：第一步,响应信号功率谱矩阵中噪声方差的估计;第二步,增强功率谱方差的计算;第三步,极点协方差的计算;第四步,模态参数方差的计算。最后通过一个4自由度仿真算例与张家港桥梁实测算例对所给出的方法进行了验证与应用。     

基于变调节因子的Morlet小波在密集模态辨识中的应用

研究了基于Morlet小波的模态参数的识别方法。针对密集模态识别的问题,提出了通过引入带宽参数和中心频率两个变调节因子来调节Morlet小波的波形,提高了频域和时域的识别分辨率。使用MATLAB编程实现了算法的求解辨识过程,分析了所提算法中影响因子的作用。通过实例分析,对比了三自由度线性阻尼系统基于小波变换算法和基于频响函数算法的识别结果,验证了小波变换算法的正确性;通过圆盘实验实际测试数据的试验模态分析结果,充分验证了所提算法在密集模态识别中的有效性。     

一种基于多参考信号ICA的重力信号提取方法

海洋重力测量包含大量噪声,其中的低频噪声与重力信号频率相近,常用算法难以有效抑制测量噪声提取重力信号。为了有效地消除海洋重力测量信号的噪声,提高信号的获取精度,根据独立分量分析理论,提出一种基于多参考信号独立分量分析的重力信号提取方法。采用经验模态分解将海洋重力测量信号分解为固有模态分量,同时采用卡尔曼滤波以及小波分解等算法处理重力测量信号,将卡尔曼滤波器和小波分解的滤波结果以及由固有模态分量重构的信号作为独立分量分析算法虚拟通道的参考信号,应用基于负熵的独立分量分析算法估计重力信号。基于实测重力信号对该方法进行了去噪试验,理论分析和试验结果表明,多参考信号独立分量分析的重力信号提取方法能有效的抑制干扰和恢复重力信号波形,与常用的重力信号处理算法相比,海洋重力数据的获取精度大约提高了30%。     

基于自适应分类容错滤波的SINS/GNSS组合导航方法

针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。     

室内地埋供热管道泄漏的声学监测及其信号去噪方法研究

为了更精确地对室内地埋供热管道泄漏声学监测信号进行主要特征频率提取和分析,需先对测量信号去噪。本文采用变分模态分解(variational mode decomposition, VMD),对距离漏水点5 cm和40 cm测量点的原始声信号分别进行模态分解,计算出各模态分量的排列熵并将其作为噪声信号剔除的依据,最后对信号进行重构,并与经验模态分解(empirical mode decomposition, EMD)、集合经验模态分解(ensemble empirical mode decomposition, EEMD)的处理结果进行对比。发现相比于其他两种分解降噪方法,VMD能够更好地解决模态混叠问题,能更为精确地将噪声信号去除,达到更好的去噪效果。     

北斗卫星钟差的CEEMDAN分解与周期项提取方法

卫星钟差具有非线性非平稳特征,其趋势分量、周期分量等信号与随机分量互相干扰,不利于钟差估计与预报、时间尺度算法等实际应用。为了实现卫星钟差数据的信噪分离与重构,提出了一种以自适应噪声完备集合经验模态分解（CEEMDAN）为基础的信噪分离方法。经CEEMDAN分解得到多个本征模态分量,引入排列熵算法确定噪声主导分量与信号主导分量,通过t检验分析分量的高频与低频特征,从而完成信号重构。对各类北斗卫星原子钟进行实验,结果表明,以CEEMDAN为基础的综合分析方法能够准确辨识本征模态分量特征,重构周期项的频谱图中基本不含有不规则周期分量与多余信号;去除周期分量后,4颗北斗卫星原子钟的万秒频率稳定度平均提升21.6%。     

漂浮基柔性关节空间机器人自适应滑模运动控制及振动主动抑制

讨论了关节柔性且系统参数不确定的漂浮基空间机器人系统的动力学建模过程、运动轨迹跟踪控制算法设计及系统柔性振动的主动抑制问题。利用系统动量、动量矩守恒关系和拉格朗日法对系统动力学进行分析,并建立系统动力学方程。基于奇异摄动法将系统分解为表示系统刚性运动部分的慢变子系统和表示系统柔性运动部分的快变子系统。针对慢变子系统提出了一种自适应滑模控制算法。该控制算法是由基于滑模面的等效控制项、自适应控制项和PID反馈控制项组成。因此,它集合了滑模控制、自适应算法和PID技术的优点,且弥补了三种算法各自的缺点。该控制算法能够有效地补偿系统的转动误差和不确定参数,提高控制系统的精度。针对快变子系统,提出基于速度差值的反馈控制算法来抑制柔性关节引起的系统柔性振动,保证系统的稳定性。最后,通过仿真实验证明了提出的混合控制算法的有效性。     

基于参数变分原理的Cosserat连续体弹塑性分析

基于参数变分原理,提出了Cosserat模型弹塑性计算的算法,给出了基于Cosserat理论的参数最小势能原理,基于所提出的变分方程,建立了Cosserat理论弹塑性分析的参数二次规划模型,进一步将算法应用于平面应变软化问题计算中,获得的结果具有良好的非网格依赖性.     

基于CEEMDAN-小波包分析的隧道爆破信号去噪方法

针对隧道爆破施工中采集到的实测振动信号,引入一种基于总体平均经验模态分解方法（CEEMDAN分解）联合小波包分析的降噪方法。首先,通过CEEMDAN分解得到多个本征模态分量,利用相关系数筛选出包含噪声的模态分量,并通过模态分量的频谱图及方差贡献率进行校核。然后,利用小波包阈值降噪方法对含有噪声的模态分量进行处理。最后,将未经处理的模态分量与去噪完成的分量重构得到最终纯净的爆破振动信号。同时,通过小波包能量谱分析验证此降噪方法的可行性。本文引入的方法兼具CEEMDAN分解及小波包分析的优点,与现有方法相比,去噪效果较好,可以应用于类似隧道爆破信号的去噪处理中。     

基于希尔伯特-黄变换的去噪法在外测数据处理中的应用

针对靶场测量设备种类多,外测数据中存在各种不确定因素的误差,且难以用统一的误差模型来描述,提出了一种基于希尔伯特-黄变换的滤波去噪方法。通过经验模式分解将外测数据自适应地分解成一组内蕴模态函数(IMF),然后对内蕴模态函数进行希尔伯特频谱分析,采用基于自适应阈值的消噪方法对模态函数进行消噪,最后对消噪后的模态函数重构,得到去噪后的外测数据。数据结果分析证明,该方法最大限度地抑制了测量数据中的噪声,特别是对于外测数据中的瞬时强噪声干扰剔除效果非常有效,在高精度的外测数据处理中具有较好的实用性。     

光纤陀螺基于本征模态函数筛选的阈值滤波算法

为降低光纤陀螺随机噪声,提高其测量精度,利用周期图法辨识光纤陀螺的随机噪声特征参数,针对其噪声特征,提出了基于本征模态函数筛选的微分经验模态分解阈值滤波算法。以本征模态函数和原始信号二者的概率密度函数的空间距离为判别依据,对所有本征模态函数进行筛选,根据已估计的噪声参数计算阈值大小,采用时间序列阈值的方法对筛选出的本征模态函数进行处理。仿真和实验结果表明,该滤波算法能够在跟踪光纤陀螺信号变化的同时,使其零偏不稳定性下降90.35%,角随机游走下降93.75%,对随机噪声有较好的抑制能力。     

变分模态分解在爆破信号趋势项去除中的应用

爆破工程中,信号趋势项的准确去除对提高爆破振动信号分析的精度具有重要意义。针对经验模态分解（empirical mode decomposition,EMD）识别法存在的模态混叠和端头效应等缺陷,提出了基于变分模态分解（variational mode decomposition,VMD）去除信号趋势项的方法,即VMD法。叙述了VMD法识别爆破信号趋势项原理,并进行了仿真实验,结果表明:趋势项频率对分解效果的影响相对较小,当趋势项频率处于1～5 Hz之间时,频率对分解效果的影响基本保持不变;振幅对分解效果影响显著,且振幅越小,VMD法的分解效果越差。当趋势项振幅超过原始爆破信号最大振幅的1/3时,VMD法分解效果较好。最后,应用VMD法和EMD法对含有趋势项的实测爆破振动信号进行处理,认为相比于EMD法,VMD法处理后的信号基本一致且不存在端点效应,在爆破信号趋势项去除领域中具有更加广泛的适用性。     

GNSS 失锁下基于混合预测模型的 POS 误差估计方法

针对GNSS信号受遮挡或干扰导致的位姿测量系统（POS）量测信息失锁问题,提出一种基于多元线性回归（MLR）和径向基函数神经网络（RBFNN）的混合预测方法,用于GNSS失锁期间的POS导航误差预测。该方法利用Hodrick-Prescott(HP)滤波将POS导航误差样本数据分解成趋势性成分序列与波动性成分序列,分别采用MLR和RBFNN对其进行预测建模,充分表征POS导航误差数据的线性与非线性特征。车载实验结果表明,所提出的基于MLR/RBFNN混合预测方法与标准Kalman滤波方法相比,位置误差精度提高72.9%～89.1%,速度误差精度提高50.1%～60.8%,其位置和速度误差统计结果均优于单一的MLR预测模型和RBFNN预测模型。     

基于á trous算法的MEMS陀螺仪随机漂移建模

为了对微小型飞行器上的MIMU（微惯性测量单元）的随机漂移进行补偿，在比较了Mallat算法与á trous算法之后，基于小波变换与多尺度分析方法，提出了多尺度时间序列建模方法，它充分利用了á trous算法的快速性与时间平移不变性，将MEMS陀螺仪随机漂移进行多尺度分解。对各尺度上分解得到的信号进行重建，并对重建得到的各个信号进行时间序列建模。将各尺度时间序列模型的预测输出的和作为陀螺仪的随机噪声估计，对陀螺仪的随机漂移进行补偿。最后的实际数据建模表明该建模方法运算量小、建模速度快、精度高、模型适用性强，有很强的实际应用价值。     

深孔台阶爆破近区振动信号趋势项去除方法

基于深孔台阶爆破近区大量实测振动信号,总结了趋势项产生的原因主要为大振幅脉冲输入下的非线性失真及低频干扰叠加,在此基础上以测试仪器有效监测范围作为识别趋势项组成部分的判别准则。利用集合经验模态分解（ensemble empirical mode decomposition,EEMD）、小波分解等信号分析手段,提出了以固有模态函数（intrinsic mode function,IMF）的频带分布为指标、人工判别的趋势项去除方法,以及基于自相关分析识别噪声特征的小波阈值去噪方法。实例证明该方法切实有效,可实现爆破信号的批量化预处理。     

时域模态参数识别的直接特征系统实现算法

本文提出了一种新的结构模态参数识别算法,称为直接特征系统实现算法(DERA)。直接采用时域多输入多输出数据构成线性时不变离散系统的最小实现,并利用系统矩阵的特征值和特征向量求取模态参数。输入输出数据的直接应用避免了利用脉冲响应函数作原始数据的ERA、PRCE等算法的一些局限。奇异值分解技术的引入使系统的定阶和实现更方便,并具有了更良好的数值稳定性。为验证算法,构造了一个五自由度的弹簧质量系统进行数值模拟。良好的数值结果证明了本算法的有效性,并表明本算法对密集模态仍有较高的识别精度。