基于全矢谱-深度置信网络的转子故障诊断方法研究

针对传统方法采用单通道信息进行设备故障诊断容易造成误判以及传统故障诊断需要大量专家经验知识的不足,结合全矢谱技术在多通道信息融合中可以全面反映振动信号特征的优势,以及深度学习具有强大的自特征提取能力和较好的模式识别能力,提出了一种基于全矢谱-深度置信网络的转子故障智能诊断方法.对采集到的多通道的机械振动信号利用全矢谱技...     

K—L变换在有效特征提取中的应用

在机械故障智能诊断过程中,提取反映机器状态的有效特征参量时要花费大量的时间和精力,而且这种依靠人的经验来提取特征参量的方法有一定的盲目性。为了解决如何尽可能快而有效地寻找一组特征参量,使诊断对象不同状态之间的可分性为最佳的问题,采用了K—L变换特征提取方法,研制出相应的软件,并已将该方法应用在大庆油田抽油机减速箱智能故障诊断系统中。     

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。     

典型声目标噪声场特征提取的研究

本文对小波变换和多分辨分析技术的基本理论进行了研究,依据信号的多分辨小波分解及其所表现出的多水平特性、局部化分析特性等特点,提出了利用小流变换后声信号在不同水平的和为声目标的特征矢量的特征提取方法,并对实测直升机和坦克噪声数据进行分析计算,列出计算机分析的结果,得出了相应结论。     

基于最小邻近准则的故障类型识别方法

对设备的多故障类型自动识别问题是设备进行自动诊断的难题之一。讨论基于信号频域特性的故障信号特征提取方法,利用这种方法可以把统计学的聚类分析技术用于故障类型识别,建立起一个由信号特征向量构成的向量空间,以最小邻近准则作为故障类型识别的依据。     

低分辨雷达的目标特征提取方法

基于现役低分辨警戒雷达 ,研究了进行目标分类和识别的途径 ,提出了基于波形特征和时间谱信息的目标分类和识别方法 ,试验分析了基于目标波形信息的特征 ,得出目标波形信息可用于目标识别的结论。现场试验表明 ,该方法对目标大小分类和架次识别有好的效果。     

面向柔性加工环境的过程状态振动监测

本文运用提出的通用状态监测模型及策略,以振动信号监测为例,提取设备运行状态的振动信号方差和振动信号建立AR模型的参数估计的变化率参数作为两类通用特征参数,对柔性加工系统进行归一化监测,取得了良好的效果。建立的监测系统简洁、快速、可靠,满足柔性制造环境下设备运行状态监测的要求。     

基于PCA和BP神经网络的水下目标识别方法研究

针对被动声纳信号的特点,提出了基于信号线谱特征的主成分分析(PCA)特征选择方法,其优点是从复杂的目标信号中提取目标的特有信息,降低了目标特征维数.将此方法用于实录的三类水下目标数据,采用BP神经网络对目标进行识别分类,仿真结果说明了所提出的方法的正确性和有效性.     

基于时频原子分解的地雷目标特征提取及分类

利用车载超宽带地表穿透雷达进行大区域地雷探测在军事领域上有重要的应用价值,能否提取稳定一致的地雷特征是其实用化的关键.提出一种基于时频原子分解的地雷目标特征提取和分类方法,该方法以地雷目标的四维散射函数为基础获取二维时频图像,在对时频图像详细分析的基础上,通过时频原子对地雷目标一维距离向剖面进行分解,得到能够完整描述地雷时频域特征的多个原子,将这些原子作为特征向量送入分层分类器.通过实测数据验证,该方法适用于车载超宽带地表穿透雷达探测地雷.同传统基于时域或频域的特征提取算法相比,该方法提取的特征更加稳定,能有效改善地雷探测性能.     

规整化SAR图像特征提取

SAR成像算法通常都基于FFT运算,图像分辨率要受到瑞利限的制约。为了提高图像分辨率,目前常用的SAR/ISAR超分辨成像算法大多借助于现代谱估计技术。从解方程的角度考虑,认为有限长数据的高分辨率谱估计是一个欠定方程问题,估计的结果存在"病态"性。在Bayes估计准则下,把信号谱的先验概率密度作为规整项包含进信号频谱的最大后验概率估计中,提高谱估计的分辨率。将这种方法用于SAR图像峰值特征提取,提高了图像分辨率。