基于分形几何的信号特征提取技术及其应用研究

针对分形客观展现事物原貌的特点 ,从工程应用的角度分别对信号的分形性验证、有效分析区间的确定、分形性描述和刻画、设备状态的趋势分析等方面作了探讨 ,形成了基于分形几何的信号特征提取技术 ,并描绘出基于分形几何的设备故障诊断模式     

基于ITD与SSA的传动箱信号降噪及微弱特征提取

试验采集的传动箱振动信号特征能量通常很小且易淹没在背景噪声之中,针对这一问题,提出了一种将固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)与奇异谱分析(Singular Spectrum Analysis,SSA)相结合的时频分析方法,并用于信号微弱特征的提取。通过仿真信号及试验采集的振动信号进行验证,结果表明:该方法能够有效地从混杂着能量较大的背景信号和噪声干扰中提取出微弱信号的特征频率成分,并达到了很好的降噪效果,提取出的信号更接近于原始无噪声信号。研究为设备运行状态信息的提取与状态识别提供了一种新方法。     

雷达目标回波信号的混沌、多重分形分析与识别

本文旨在将混沌、多重分形的理论和方法引入雷达信号处理，从混沌、分形动力学角度来揭示和刻划复杂目标散射机理，为进行有效信号处理和可靠目标识别寻找新的理论和技术实现方法。文中统计了五种飞机目标回波信号的Ｌｙａｐｕｎｏｖ指数分布情况，并计算了其多重分形维数，然后在此基础上，进行了目标识别的实验，获得了较高识别率。本文的研究表明，混沌、多重分形理论在目标特性及识别的研究中具有良好的应用前景。     

基于CZT的频谱细化算法及应用

针对复杂信号频域特征提取问题,利用Delphi语言编写了Zoom-FFT和基于CZT的频谱细化方法应用软件,以某型坦克传动箱振动速度信号为例进行了对比分析,验证了算法的有效性和程序设计的正确性。结果表明：基于CZT的频谱细化方法具有运算效率高、细化效果好等优点,可以在复杂信号分析中推广应用。     

基于Boxplot-LTSA噪声流形算法的滚动轴承状态识别

旋转机械在实际运行中往往是变工况的,采集到的数据容易受到噪声、振动、冲击等多重干扰,经过降维处理后的低维流形无法真实、准确地反映其内部结构或内在规律,在进行故障识别时误判率高。提出了一种Boxplot-LTSA算法,利用箱线图Boxplot算法对原始信号进行去噪处理,再利用局部切空间排列方法(LTSA)进行降维,该算法直接对采集到的原始信号进行处理,不需时频域特征提取,避免了数据处理所造成的数据失真,同时LTSA算法能够克服去噪所造成的数据孔洞影响。通过案例,与直接使用流形学习算法降维处理结果进行比较,证实了该方法能够克服噪声对流形学习算法的影响,具有良好的状态识别效果。     

基于SVM的控制棒驱动机构滚轮状态评估方法

针对控制棒驱动机构滚轮振动信号非平稳、小样本的特性,提出了一种基于支持向量机的滚轮状态评估方法。该方法首先对信号进行小波降噪,再将降噪后的信号分解为若干乘积函数分量之和,选取包含主要故障信息的分量进一步分析,从这些分量中提取几种特征参数作为支持向量机的输入参数,建立了滚轮故障识别模型。通过对滚轮正常状态、故障状态的分析证明,该方法可以准确、有效地对滚轮的工作状态进行分类。     

基于Q-MMSPF的海杂波多重分形互相关分析和目标检测

提出一种研究长程互相关和多重分形的新方法——Q阶混合矩结构分割函数法(Q-MMSPF),并利用Q-MMSPF分析了海杂波时间序列的多重分形互相关特征。通过对实测海杂波数据的计算分析发现,海杂波互相关多重分形特征较弱,目标信号之间的互相关多重分形特征明显,而目标信号与海杂波之间的互相关多重分形程度介于二者之间。据此,本文采用一种新的特征值进行海杂波背景下的目标检测。通过对不同条件下的实测海杂波数据验证,表明使用本文提出的特征值测量方法可以十分有效地检测出海杂波背景下的小弱目标。     

基于多重分形广义维数的机械故障诊断方法

提出利用多重分形广义维数来描述信号特征 ,并以振动信号广义维数、广义维数谱图、敏感维数为特征向量的模式空间样本库为基础 ,给出了通过维数相关系数等判别条件进行识别的机械故障多重分形广义维数诊断方法。应用于圆盘类裂纹故障的诊断 ,取得了令人满意的结果。     

船用汽轮机减速箱运行状态监测方法

本文对船用汽轮机减速箱运行状态监测方法进行了探讨。主要对可能用于船用汽轮机减速箱运行状态监测方法及相应的状态特征提取技术进行了分析,给出了一个一般的状态监测处理流程。然后讨论了监测方法的一般评价准则、特征量的选择准则及判决决策准则。最后给出了一个应用范例结果。     

MF-DFA方法的船舶辐射噪声特征提取

分析船舶辐射噪声和环境噪声的多重分形特征的成因,提出利用MF-DFA方法对实测船舶辐射噪声进行处理,将环境噪声的分形特征削弱或消除,从而只得到船舶辐射噪声的分形特征,再结合MF-DFA方法与盒子维的定义进行船舶辐射噪声进行特征提取.     

海杂波的多重分形消除趋势波动分析

为充分描述海杂波时变特性和局部奇异性,将多重分形消除趋势理论(MFDFA)引入到雷达海杂波特性分析中,理论分析了海杂波的多重分形参数,对比分析了白噪声、单分形和海杂波的广义Hurst指数,并通过仿真进一步分析了实测海杂波数据的多重分形谱、质量指数和广义Hurst指数。结果表明:海杂波具有明显的多重分形特性,且其波动函数具有一定的分布规律。使用该分析方法提取出的海杂波的多重分形特性很好地解释了海杂波的内在非线性特性,比统计特性分析更加确切地描述海杂波的产生机理,为基于多重分形特性的雷达目标检测提供了依据。     

移动终端基于机器视觉的器材识别研究

提出了单兵移动终端离线状态下基于机器视觉的装备器材识别的方法,从图像采集、图像预处理、特征提取及数据匹配3个模块展开分析。简要介绍了手持终端图像采集的相关考量。通过畸变校正、降噪、轮廓提取等,得到器材的轮廓图像,为特征提取做好准备。选取器材的几何形状特征作为识别依据,通过ORB算法得到图像的特征向量,并进行匹配,达到识别器材的目的。实验测试数据表明,该算法具有较高的识别率和良好的实时性。     

基于优化小波阈值的轴承振动信号降噪算法北大核心

滚动轴承振动信号能够及时准确地提供机电设备状态特征信息,且可实现在线或离线监测,广泛用于滚动轴承故障诊断。由于滚动轴承工作环境复杂多变,往往掺杂较多噪声,噪声会淹没机电设备状态的有用特征信息。针对传统小波阈值函数对轴承信号降噪不明显的问题,提出了一种用于轴承振动信号降噪的差分进化优化小波软阈值算法,对含噪信号进行小波分解,利用广义交叉验证GCV函数作为新的阈值函数对分解后的小波系数进行处理,结合差分进化算法进行寻优获取最优阈值。实验采用美国凯斯西储大学的轴承数据进行仿真分析,通过与常用降噪方法相比,该方法在较好地保留特征信号的前提下,较大程度地去除了噪声,有效地提高了降噪效果。     

基于SVD与数学形态学分形维数谱的战场声特征提取

分形维数作为战场声信号的特征,存在特征数量不足,反映信号非线性不充分的问题,提出了一种基于SVD与数学形态学分形维数谱(Singular Value Decomposition And Mathematical Morphological Fractal Dimensions Spec-trum,SVD-MMFDS)的战场声特征提取方法.对声信号构造Hankel矩阵,再进行SVD分解,根据信号频率与奇异值的关系,重构信号分量.将这些重构信号依次线性叠加,每叠加一次信号分量就计算一次分形维数,直至完全恢复原信号;通过这种方法,构成数量多且更能反映信号非线性的分形维数谱.运用半实物仿真实验将SVD与数学形态学分形维数谱的方法,与变分模态分解(VMD)和分形维数结合的方法进行对比,该方法提取的战场声特征具有更好的区分度且特征数量更多,为利用信号非线性来识别战场声目标提供较好的选择.     

一种基于SVD的非平稳信号重叠分段降噪算法

在分析基于SVD的平稳信号降噪原理的基础上,提出了一种基于SVD的非平稳信号重叠分段降噪算法.非平稳信号通过数据分段可近似处理为多段平稳信号.为降低连续分段降噪误差,进行一定比例的重叠分段,应用基于SVD的平稳信号降噪方法对各分段信号进行降噪,相邻段之间的重叠信号经过多次降噪后求平均得到最终降噪信号.仿真结果表明,该算...     

基于面向对象技术的柴油机在线状态监测系统设计

将软件设计中的面向对象思想扩展到系统设计中,针对柴油机实车运行在线监测中的变速变载及空间有限等问题,基于CAN总线的可靠性、信息传输的实时性和多主工作方式,设计分布式智能监测节点和上位机监控中心．分布式监测节点同步采集柴油机运行数据并进行降噪和简单特征提取后,将实时采样数据和在线监测结果上传至基于嵌入式PCI04的上位机监控中心,进行二次特征提取和智能模式识别,从而实现柴油机在线状态监测与故障预警和诊断．     

滤波对混沌信号分形维的影响

分形维数作为混沌系统的特征量,是分析混沌动力系统的重要工具,也是检测和识别混沌信号的依据.由于实际得到的混沌信号都存在着不同程度的滤波,忽略滤波影响会影响到分形维数的准确性.因此,通过理论推导,借助Lyapunov指数谱和Kaplan-Yorke维数,全面分析了从FIR滤波到一般的线性时不变滤波器对混沌信号分形维数产生...     

多重分形海杂波建模新方法

为了建立具有多重分形特性的海杂波模型,提出了基于分数布朗运动模型和多重分形理论的海杂波建模新方法。该方法通过对分数布朗运动进行随机时间抽样,产生近似多重分形的随机过程,用以模拟海杂波时间序列。Matlab仿真结果表明:模型产生的时间序列可以有效地模拟海杂波的多重分形特性。     

小波分析和神经网络结合的变速箱状态识别

针对变速箱故障信号的非平稳和时变特性，提出了小波分析和神经网络结合的变速箱状态识别方法。为了验证该方法的有效性，试验模拟了某型车辆变速箱正常、7216轴承滚动体点蚀及3挡被动齿轮严重磨损3种状态，以箱体振动信号作为分析信号，首先对信号应用小波阈值法降噪减少干扰，接着将小波分解系数单子带重构得到不同频带的信号分量，提取各频带能量作为特征向量输人神经网络进行状态识别，结果表明该方法能有效识别变速箱的3种状态。     

基于虚拟样机技术的履带车辆传动箱模态分析

传动箱虚拟样机模型包括箱体和齿轮传动系2部分。分析传动箱模态参数,应包含齿轮系与箱体之间约束的影响。在虚拟环境下测量了传动箱的模态参数,对比了包含齿轮系和不包含齿轮系2种情况,验证了该箱体的设计使传动箱整体避开了与车辆的共振频率。同时说明了虚拟样机试验方法在箱体类零部件模态测试中的应用与技术可行性。为在设计阶段优化箱体结构提供指导。