含旋转部件目标微多普勒特征提取方法

旋转和振动是目标微动中最常见的两种运动形式,目标微动会产生微多普勒现象,而微多普勒特征被认为是微动目标所具有的独一无二的特征,可以用来确定目标的性质,实现对目标的自动识别与分类.在线性调频信号体制下,运动补偿后利用含旋转部件目标在谱图域中的特殊表现形式,针对旋转半径的不同,分别使用不同的方法,有效地分离并提取目标的微多...     

基于类别可分性准则的金属磁记忆信号小波能量谱特征提取研究

为了解决金属磁记忆信号小波能量谱特征存在的相关性和冗余性问题,利用类别可分性准则,在提取金属磁记忆信号小波能量谱的基础上,将能量谱特征进行变换提取最优特征向量。将能量谱特征向量、最优特征向量和低频特征向量作为支持向量机的特征输入量分别对不同检测区域的金属磁记忆信号进行识别。实验结果表明：最优特征向量能够减小小波能量谱特征的相关性和冗余性,有效提高支持向量机识别的准确率。     

基于小波分解的柴油机振动信号特征提取方法

柴油机振动是一种多振源的复杂振动形式,其机体表面振动是内部各种激振力共同作用的综合反映。在柴油机使用过程中技术状态的改变将导致激振力发生不同的变化,因此测量机体激振信号有利于对柴油机技术状态进行监测。通过测量不同技术状态的柴油机机体振动信号,利用小波包分析的方法,将柴油机振动信号按其特征频率进行了小波分解和重构,提取了振动信号特征。分析结果表明,此方法能够提高信噪比,提取的振动信号特征能够反映柴油机技术状态的变化。     

基于神经网络的雷达抗欺骗干扰方法

对雷达抗应答式欺骗干扰的特征提取方法进行了改进,统计方法将均值与方差特征相结合定义特征因子,神经网络方法用Kohonen网络进行特征提取。仿真结果表明,2种方法都具有较好的抗应答式欺骗干扰性能,而神经网络方法性能更为优越。     

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。     

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。     

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。     

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。