改进粒子滤波在汽轮机故障诊断中的应用夏飞,郝硕涛

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法。首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题。由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题。进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别。通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。     

改进粒子滤波在汽轮机故障诊断中的应用

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法;首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题;由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题;进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别;通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。     

均值滤波算法研究

介绍了经典非局部均值滤波算法与Manjón非局部均值滤波算法,改进了非局部均值滤波方法的相似度权值,使算法在具有旋转平移不变性,保持时间复杂度的同时优化了视觉效果与信噪比。实验通过添加噪声标准差从10~100不等的高斯加性噪声,比较了改进后的算法与传统滤波算法以及Manjón非均值滤波算法,结果表明,改进后的算法无论从视觉上还是数值上都优于Manjón非均值滤波算法。     

面向脑血管分割的改进型非局部均值滤波算法研究

介绍了经典非局部均值滤波算法与Manjón非局部均值滤波算法,改进了非局部均值滤波方法的相似度权值,使算法在具有旋转平移不变性,保持时间复杂度的同时优化了视觉效果与信噪比。实验通过添加噪声标准差从10~100不等的高斯加性噪声,比较了改进后的算法与传统滤波算法以及Manjón非均值滤波算法,结果表明,改进后的算法无论从视觉上还是数值上都优于Manjón非均值滤波算法。     

基于改进多规则区域生长的点云多要素分割

针对现有点云多要素分割算法分割面状点集时分割精度低、分割块合并效果差等问题,提出了一种改进的多规则区域生长算法。一方面,计算点云数据的平面拟合残差,基于平面拟合残差设置种子点条件,对面状点集分割进行优化,以此提升面状要素分割的精度;另一方面,在距离条件的基础上,结合相似性和体积变化条件对合并策略进行改进,以实现分割块的有效合并;此外,利用中位数、Baarda数据探测法和k均值聚类分别对算法中涉及的阈值参数进行自适应设置。采用三种不同类型的点云数据进行实验,结果表明:改进算法能够提升面状点集的分割精度,提高了分割块合并的准确性;与其他算法相比,改进算法能够同时兼顾精度和效率,分割结果更具优势。     

高精度多脉冲激光测距回波检测技术

针对远距离激光测距机回波信号脉宽强度特征和噪声的统计特性,提出了一种高精度多脉冲激光测距机的回波信号检测技术。采用时钟移相分配方式实现了400 MHz高速信号采集及数字化处理,提高了回波脉冲的检测精度。采用ARM嵌入式高速核处理器进行数据算法处理,完成了滤波降噪、自适应门限检测和多帧相关检测等功能,使回波信噪比提高了7.6 dB,达到远距离精确获取目标距离信息的目的。     

顾及测量不确定性的水体悬浮物浓度遥感定量反演方法

在遥感定量反演的地面同步实测环节中,人为因素、环境变化、条件限制等测量不确定性因素会不可避免地引入数据噪声,致使水体悬浮物浓度反演精度降低。为此,提出一种顾及测量不确定性的水体悬浮物浓度遥感定量反演方法,即自适应抽样一致性极限学习机(ASAC-ELM)算法。该算法结合了极限学习机(ELM)、随机抽样一致性(RANSAC)和N邻近点抽样一致性(NAPSAC)方法的优势与特点,利用参数维度自适应地选取RANSAC或NAPSAC算法进行参数估计,避免了ELM算法易受非零均值正态分布数据噪声影响的缺陷。ASAC-ELM算法通过选取局内点(非噪声点)数据建立模型,可去除噪声数据的干扰,提升模型的精度与适应性。通过模拟多组不同数量级且服从非零均值正态分布的随机数,将加性噪声引入训练数据中,实现不同噪声比条件下对ASAC-ELM算法的检验,并与ELM算法、传统反向传播(BP)神经网络算法进行了对比。结果表明,不同噪声比条件下,ASAC-ELM算法的水质悬浮物浓度反演精度高于ELM算法和传统BP神经网络算法,且反演结果稳定性较高。     

改进LMS的光谱信号去噪算法

微型光谱仪在检测高浓度比背景下多种痕量重金属离子浓度时,光谱吸收信号易受外部环境和内部电路的随机噪声干扰,多种痕量重金属离子的光谱吸收信号微弱易被噪声所淹没,严重影响了光谱定量分析结果的准确性和重复性,需要对光谱吸收信号进行去噪预处理。然而,大多数光谱去噪算法的一些关键细节参数的设置不仅需要通过反复的实验进行测试验证,还取决于研究者的现有经验和待解决对象的特征。针对这些关键参数对滤波效果影响大、选择难的问题,提出了一种基于sigmoid误差约束的改进型LMS自适应去噪算法。首先对标准LMS算法原理进行了分析,并结合微型光谱仪的数据干扰情况对标准LMS算法的滤波器结构进行优化改进,利用sigmoid函数具有误差约束的特性,对标准LMS算法的误差计算模块进行优化改进,降低算法对噪声敏感性;然后针对改进后的最小均方误差损失函数是一个非凸函数,提出了一种类交叉熵损失函数,将非凸问题转化为一个凸优化问题,在利用梯度下降法逐步最小化损失函数时,保证了局部最优解也是全局最优解,同时结合Adam算法来自适应地调整学习率因子,保证了算法具有较快的收敛速度;最后为了验证改进后的自适应去噪算法具有较强的去噪性能,通过交叉验证进行实验验证。对四种金属离子混合溶液的实测光谱吸收信号,添加不同信噪比的随机噪声后使用该改进的算法进行测试验证,实验结果表明:在处理信噪比低的吸收光谱信号过程中,所提方法相对于标准LMS算法、 SG去噪算法、小波软阈值算法、小波硬阈值算法,信噪比分别提高了9.225%, 19.678%,7.591%和12.042%;均方误差分别降低了59.647%, 63.070%, 53.600%和57.793%。该方法不仅能够有效地抑制强噪声,还原了光谱信号中的一些重要真实细节特征,而且也避免了关键细节参数需要依靠主观判断选择的问题,为分析低信噪比下的光谱信号提供了一种新的解决思路。     

基于自适应差分滤波的干涉图基线校正方法

基线校正是傅里叶变换成像光谱仪光谱反演的重要环节,因为干涉曲线切趾、相位校正等光谱反演预处理步骤均需要在基线校正完成后进行。提出了一种用于基线校正的自适应差分滤波方法。该方法使用迭代算法动态调整加权均值滤波窗口。仿真结果表明,该滤波方法对直流趋势项的滤除更为彻底。利用实验室仪器获取的紫外潜指纹残留物光谱数据进行分析,结果说明,在仪器工作光谱范围内,使用该方法进行基线校正后得到的光谱曲线与有效光谱曲线基本一致。该方法无需提前选择滤波窗口,具有自适应性。并且基于均值滤波算法的自适应差分滤波方法计算流程简单,迭代效率较高。     

一种自适应层进式Savitzky‐Golay光谱滤波算法及其应用

可调谐半导体激光吸收光谱技术（TDLAS）利用半导体激光器的可调谐和窄线宽特性,通过选择特定气体的单条吸收线,排除其余气体的干扰,可以实现高精度、高选择性的气体浓度测量,在气体浓度检测系统中具有广泛的应用前景。在不同的应用条件和环境下,需要解决相应的硬件和数据处理方面的技术问题。主要研究TDLAS技术机动车尾气CO组分浓度遥测系统中的光谱数据处理问题,该系统利用路面漫反射回波信号遥测行驶中的机动车尾气CO组分浓度。由于激光扫描光谱回波信号受到漫反射面情况变化、空气环境变化、尾气湍流影响等因素影响,探测器收集到的信号不仅较弱同时也夹杂着多种噪声, 即测量光路信噪比较差, 故提出一种自适应层进式Savitzky-Golay(S-G)平滑滤波算法,实现了对光谱进行滤波处理从而更加准确地反演CO浓度。S-G滤波算法因其原理简单、功能强大、只需设置两个参数（窗口大小、拟合阶数）等优点,已广泛应用于光谱处理。如何正确设置S-G算法参数使滤波效果在去噪不足和过度滤波之间找到平衡点,是该滤波算法应用的一大难题。设计的检测系统中,测量光路光谱信号为非平稳信号,噪声和有效信号幅度时变,最佳窗口大小和多项式阶数随信号动态而变化,且变化区间较大,使用固定参数的S-G滤波器难以达到最佳效果。提出的自适应层进式S-G平滑滤波算法,通过逐层将测量光路光谱信号经过S-G滤波后,与参考光路的光谱信号设置的参考段比对信号相关系数和信号一阶导相关系数的和,以自适应得到逐层最优参数。通过对信噪比从9.81～29.77的10组不同带噪光谱分析验证了该算法的有效性,自适应层进式S-G算法能较好地去除噪声并还原带噪信号所携带的待测气体浓度信息,与带噪光谱对比,吸收光谱峰值最大误差由25.152%降至5.917%,积分吸光度最大误差由18.1%降至3.9%。在实现的系统中,使用自适应层进式S-G算法对测量光路进行滤波处理,并对不同车型、不同排量、燃烧不同油品的机动车在怠速和缓速通过(5 km·h-1)系统时其排放的CO浓度进行实时在线监测。     

Two-stage non-local means filtering with adaptive smoothing parameter

Non-local means (NLM) filtering is an efficacious algorithm in image denoising which searches the similar neighborhoods and estimates the pixel by averaging these neighborhoods. Some internal parameters such as patch size, search window size and smoothing strength have serious effects on filtering performance. This paper proposes an improved version of NLM by using weak textured patches based single image noise estimation and two-stage NLM with adaptive smoothing parameter. Our proposed method firstly applies weak textured patches based noise estimation to achieve the noise level of input noisy image. Then relying on the estimated noise level, we apply the first stage NLM with adaptive smoothing parameter to attain a basic denoised image. After that, the basic denoised image is refined by the second stage of NLM with smaller smoothing strength. Our experimental results show that the proposed algorithm outperforms the NLM and some NLM recent variants both in visual quality and numerical measures. Additionally, the potential halo effect is almost eliminated in the result images produced by our proposed method.     

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.     

混沌信号自适应协同滤波去噪

混沌信号协同滤波去噪算法充分利用了混沌信号的自相似结构特征,具有良好的信噪比提升性能.针对该算法的滤波参数优化问题,考虑到最优滤波参数的选取受到信号特征、采样频率和噪声水平的影响,为提高该算法的自适应性使其更符合实际应用需求,基于排列熵提出一种滤波参数自动优化准则.依据不同噪声水平的混沌信号排列熵的不同,首先选取不同滤波参数对含噪混沌信号进行去噪,然后计算各滤波参数对应重构信号的排列熵,最后通过比较各重构信号的排列熵,选取排列熵最小的重构信号对应的滤波参数为最优滤波参数,实现滤波参数的优化.分析了不同信号特征、采样频率和噪声水平情况下滤波参数的选取规律.仿真结果表明,该参数优化准则能在不同条件下对滤波参数进行有效的自动最优化,提高了混沌信号协同滤波去噪算法的自适应性.     

Matching pursuit of an adaptive impulse dictionary for bearing fault diagnosis

The sparse decomposition based on matching pursuit is an adaptive sparse expression of the signals. An adaptive matching pursuit algorithm that uses an impulse dictionary is introduced in this article for rolling bearing vibration signal processing and fault diagnosis. First, a new dictionary model is established according to the characteristics and mechanism of rolling bearing faults. The new model incorporates the rotational speed of the bearing, the dimensions of the bearing and the bearing fault status, among other parameters. The model can simulate the impulse experienced by the bearing at different bearing fault levels. A simulation experiment suggests that a new impulse dictionary used in a matching pursuit algorithm combined with a genetic algorithm has a more accurate effect on bearing fault diagnosis than using a traditional impulse dictionary. However, those two methods have some weak points, namely, poor stability, rapidity and controllability. Each key parameter in the dictionary model and its influence on the analysis results are systematically studied, and the impulse location is determined as the primary model parameter. The adaptive impulse dictionary is established by changing characteristic parameters progressively. The dictionary built by this method has a lower redundancy and a higher relevance between each dictionary atom and the analyzed vibration signal. The matching pursuit algorithm of an adaptive impulse dictionary is adopted to analyze the simulated signals. The results indicate that the characteristic fault components could be accurately extracted from the noisy simulation fault signals by this algorithm, and the result exhibited a higher efficiency in addition to an improved stability, rapidity and controllability when compared with a matching pursuit approach that was based on a genetic algorithm. We experimentally analyze the early-stage fault signals and composite fault signals of the bearing. The results further demonstrate the effectiveness and superiority of the matching pursuit algorithm that uses the adaptive impulse dictionary. Finally, this algorithm is applied to the analysis of engineering data, and good results are achieved.     

Using nonlocal means to separate cardiac and respiration sounds

The paper presents the results of applying nonlocal means (NLMs) approach in the problem of separating respiration and cardiac sounds in a signal recorded on a human chest wall. The performance of the algorithm was tested both by simulated and real signals. As a quantitative efficiency measure of NLM filtration, the angle of divergence between isolated and reference signal was used. It is shown that for a wide range of signal-to-noise ratios, the algorithm makes it possible to efficiently solve this problem of separating cardiac and respiration sounds in the sum signal recorded on a human chest wall.     

基于倒谱分析的单水听器目标运动参数估计

基于浅海射线声学多途结构,提出了一种具有高稳健性、高精度的单水听器目标运动参估计方法.针对匀速直线运动目标,综合多途时延差和运动学几何关系,构建了目标三维多途时延模型,进而获得目标运动参数与多途时延差的非线性时间映射.研究了典型水声信道的倒谱表达式,提出了利用倒谱提取多途时延差的策略.采用差分进化综合优化手段估计目标运动参数,提高了算法的稳健性.理论及仿真结果表明,倒谱的时间分辨率不受信号带宽的限制,而主要取决于信号类型和信噪比;CW信号的倒谱对多普勒不敏感;参数估计精度主要取决于时延差估计精度和参与差分进化运算的信息量,当包含有最近点信息时参数估计性能较好.水池实验结果进一步验证了方法的正确性和有效性.     

基于谱线频率特征的调谐二极管激光吸收光谱参数分析

调谐激光二极管吸收光谱(TDLAS)技术因其高分辨率、高灵敏度和快速测量等优点在工业生产、环境污染监测等方面受到广泛应用。波长调制光谱（wavelength modulation spectrum, WMS）的二次谐波信号经常用作气体浓度反演的检测信号。TDLAS检测性能与系统参数,如锁相放大器的时间常数、扫描幅度、扫描频率、调制幅度、调制频率等的选取紧密相关,实际测量中各参数的选择多以谱线形态特征为依据,参数之间的关联性未能得到较好体现。由于信号的采样与处理均在频域对谱线产生作用,各参数之间的作用相互关联。然而很少有研究参数对谱线频域的影响,针对此问题,在一定的理论基础上通过实验分别观察各调制参数对二次谐波信号的影响。通过保持其他参数不变,只改变一个参数的方法,得出各个参数对信号线型、频率特征及噪声引入的影响规律,继而分析并验证了多参数联合变化对谱线频带的决定作用。与基于时域特征的传统方法相比,基于谱线频率特征分析一方面具有与谱线信号采集检测处理机理相近的优点,另一方面可以直观得到各参数对主频带的影响和不同频率信号的衰减趋势。总结出基于频率特征的各参数的基本选取方法,以谱线频带和截止频率相互关系为判定标准,截止频率的大小由锁相放大器时间常数决定。通过设置合适的时间常数和扫描参数使信号频带与截止频率相近但不相交,使谱线频带内频率分量不产生衰减,频带外噪声得到最大抑制;再根据锁相放大器的性能和信号信噪比来确定调制参数,使谱线主频幅度最大;最后根据系统需求确定采样率。单周期采样点不变时,低扫描频率时检测精度相对提高但耗时较长;反之,扫描频率提高,速度变快但检测精度下降。通过联合影响规律调整关联参数,减小硬件限制对参数最优值选取造成的影响。可在考虑系统检测需求与硬件条件限制的前提下,通过参数选择得到最优二次谐波信号,为此技术的实际应用提供了参数优化的实验依据与参考方法。     

A New Method Based on Time-Varying Filtering Intrinsic Time-Scale Decomposition and General Refined Composite Multiscale Sample Entropy for Rolling-Bearing Feature Extraction

The early fault diagnosis of rolling bearings has always been a difficult problem due to the interference of strong noise. This paper proposes a new method of early fault diagnosis for rolling bearings with entropy participation. First, a new signal decomposition method is proposed in this paper: intrinsic time-scale decomposition based on time-varying filtering. It is introduced into the framework of complete ensemble intrinsic time-scale decomposition with adaptive noise (CEITDAN). Compared with traditional intrinsic time-scale decomposition, intrinsic time-scale decomposition based on time-varying filtering can improve frequency-separation performance. It has strong robustness in the presence of noise interference. However, decomposition parameters (the bandwidth threshold and B-spline order) have significant impacts on the decomposition results of this method, and they need to be artificially set. Aiming to address this problem, this paper proposes rolling-bearing fault diagnosis optimization based on an improved coyote optimization algorithm (COA). First, the minimal generalized refined composite multiscale sample entropy parameter was used as the objective function. Through the improved COA algorithm, optimal intrinsic time-scale decomposition parameters based on time-varying filtering that match the input signal are obtained. By analyzing generalized refined composite multiscale sample entropy (GRCMSE), whether the mode component is dominated by the fault signal is determined. The signal is reconstructed and decomposed again. Finally, the mode component with the highest energy in the central frequency band is selected for envelope spectrum variation for fault diagnosis. Lastly, simulated and experimental signals were used to verify the effectiveness of the proposed method.     

Tailored utilization of acquired k-space points for GRAPPA reconstruction

The generalized auto-calibrating partially parallel acquisition (GRAPPA) is an auto-calibrating parallel imaging technique which incorporates multiple blocks of data to derive the missing signals. In the original GRAPPA reconstruction algorithm only the data points in phase encoding direction are incorporated to reconstruct missing points in k-space. It has been recognized that this scheme can be extended so that data points in readout direction are also utilized and the points are selected based on a k-space locality criterion. In this study, an automatic subset selection strategy is proposed which can provide a tailored selection of source points for reconstruction. This novel approach extracts a subset of signal points corresponding to the most linearly independent base vectors in the coefficient matrix of fit, effectively preventing incorporating redundant signals which only bring noise into reconstruction with little contribution to the exactness of fit. Also, subset selection in this way has a regularization effect since the vectors corresponding to the smallest singular values are eliminated and consequently the condition of the reconstruction is improved. Phantom and in vivo MRI experiments demonstrate that this subset selection strategy can effectively improve SNR and reduce residual artifacts for GRAPPA reconstruction.     

基于人体血清荧光光谱和改进变量选择方法对血糖浓度测定的研究

利用人体血清240 nm激发波长荧光光谱在220～900 nm波段针对血糖浓度进行建模分析。在模拟退火算法和偏最小二乘算法的基础上进行建模波长变量筛选方法的改进。基于变量入选模型统计频率和无关变量消除法,分别进行了波长的初选和精选过程。同时,加入了主成分数自适应特性等加快收敛速度、减小计算量的措施。该模型对比了线性、三次样条函数、高斯函数作为偏最小二乘法插入基函数的情况下,分别对原始光谱、Daubechies小波分解第三层和第四层细节信号光谱建模。结果显示,该模型避免了主成分参数尝试导致的时间成本,在参数自适应的过程中很快趋于稳定并得到对应条件下的最佳建模主成分数。其波长变量筛选能力使得对独立样本的分析预测效果有了显著的提升,最佳建模预测效果达到0.25 mmol·L-1,达到了血糖检测的医用要求。加入了非线性建模条件使得模型有明显的改善,基于样条函数的效果总体最好,其次为基于高斯函数的情况。对原始光谱进行小波分解,得到的细节信号光谱建模效果更为可观。总体而言第四层细节信号光谱建模效果略优于第三层细节信号光谱。模型筛选波长变量的频率意味着在所给实验条件下的血糖浓度信息在不同波段的分布情况,这为血糖在血清成分中的物理化学特性提供了一定程度上的统计解释。