基于EEMD和单通道盲源分离的齿轮箱复合故障诊断研究

针对齿轮箱复合故障诊断中,多级传动相互干扰,微弱的轴承故障会被强烈的齿轮故障和噪声湮没而难以提取的问题,提出了基于EEMD和单通道盲源分离的齿轮箱复合故障诊断方法。首先利用单个加速度传感器采集齿轮箱振动信号,对采集的信号进行EEMD分解,根据峭度准则和相关系数重构IMF分量;然后应用盲源分离方法对重构的IMF分量进行求解,对分离的信号进行包络解调分析,确定出齿轮故障通道,轴承故障通道和噪声通道;最后对齿轮故障通道进行傅里叶变换,轴承故障通道进行基于谱峭度的共振解调分析,提取出信号的特征频率,完成齿轮箱的复合故障诊断。通过实验验证了该方法的有效性和可行性。     

噪声对复值ICA算法盲源分离性能影响

语音信号进行短时傅立叶变换后,所得频域分量是复值数据。因此,频域盲分离算法需要在复数域中实现。理论上,复值ICA算法只是实值ICA算法的一种扩展,但在针对实测信号数据进行处理时,不同类型的复值ICA算法在盲分离性能方面都存在较大的差别。针对这一具体问题,利用合理的评价标准,对基于高阶统计量(HOS)的Jade算法、基于极大非高斯性盲分离方法的峭度极大不动点算法和基于信息论的infomax算法,比较不同环境下的抗噪性能和分离性能,给出了有一定参考价值和实际意义的结论。     

基于Gabor变换和EMD的轴承故障诊断

基于振动信号处理的轴承故障诊断方法应用非常广泛。由于在实际采集的振动信号中往往混合着干扰信号,因此提出了一种基于Gabor变换的盲源分离和基于经验模态分解(EMD)的Hilbert包络谱分析相结合的故障诊断方法。首先采用基于Gabor变换的盲源分离方法对振动信号进行盲源分离,然后利用EMD方法进行分解获得本征模式函数(IMF)分量,再通过局部细化Hilbert包络谱方法分析判断轴承故障的特征。研究结果表明,通过对轴承振动信号进行盲源分离和EMD分解,可以使信号的故障特征更加明显,从而提高故障诊断的准确性。     

传感器个数及距离对盲分离影响的分析

在使用盲分离技术进行信号处理时,分离高频信号和低频信号对传感器分布的要求是不同的,而传统的方法在处理高低频混合信号时采用了统一的模式,得不到很好的分离效果。为了在采用盲分离技术进行高低频混合信号处理时能得到更好的效果,文章对传感器个数和距离对盲信号分离的影响进行了深入的分析,并提出了一种能有效处理高频和低频混合信号的模型——分离子系统模型。该模型可以根据频段对传感器距离进行调整,分别对高、低频混合信号进行分离。通过实验证明分离效果更好。     

基于相关熵的盲源分离算法

提出了基于相关熵的盲源分离算法。与传统独立成分分析(ICA)方法利用四阶统计量或时间结构的盲源分离不同,该算法从信息理论学习中的相关熵概念出发,利用相关熵中蕴涵的各偶数阶统计信息,通过参数化中心相关熵与独立性测度的关系,建立代价函数,并通过优化算法对其进行寻优,从而得到解混矩阵并分离出源信号。仿真结果表明,在分离超高斯混合源和次高斯混合源时,分离性能优于传统的ICA方法。     

基于互相关—峭度和小波软阈值的EEMD降噪方法研究

针对目前EMD分解后IMF分量优选方法的不足,提出了一种基于互相关—峭度和小波软阈值的EEMD降噪方法。该方法利用EEMD对信号进行分解得到IMF分量,计算IMF分量的峭度值、标准差及其与原信号的互相关系数。根据互相关系数、标准差和峭度值,设置优选条件,将选定的IMF分量进行重构。与互相关系数、峭度准则单独作为优选条件的重构结果进行对比,结果表明这种新型优选方法的效果更好,利用基于互相关—峭度和小波软阈值的EEMD降噪方法对滚动轴承微弱故障信号进行处理,能够更精确地提取到轴承故障特征。     

利用盲信号分离的自然梯度盲均衡算法

针对目前已有的基于盲信号分离的盲均衡算法没有利用传输信号本身的统计特性而存在的因为近似处理引起的误差的问题,该文提出一种基于盲信号分离的自然梯度盲均衡算法。该算法充分利用了信号星座图的先验知识,为解决多峰值引起的问题采用了多阶聚类的方法。这比仅仅基于盲信号分离的盲均衡算法更为精确,从而能得到更快的收敛速度和更低的码间干扰。     

过程信号的前馈-反馈型自适应盲分离算法

利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法 ,不同的神经网络模型对分离算法的效能将产生极大的影响。针对化工生产过程的复杂性和在线监测控制的要求 ,在其他学者研究的基础上 ,基于前馈 -反馈型神经网络模型 ,提出了一种自适应盲分离算法用于过程信号的分离。计算机仿真实验的结果表明了算法的有效性     

EEMD降噪和谱峭度法在铁路货车轴承故障诊断中的应用

针对铁路货车轴承结构复杂,早期微弱故障往往淹没于强烈的背景噪声中而难于提取的特性,提出了基于EEMD降噪和谱峭度法的共振解调技术。首先,将轮对跑合实验台上测得的振动信号进行EEMD分解;然后,根据峭度、标准相关系数选取包含故障信息较多且与原信号相关性较大的IMF分量,分别对每个IMF分量进行谱峭度分析,确定带通滤波器的最佳中心频率和带宽;最后,将滤波后的IMF分量重构并进行包络解调和频谱分析。通过对轴承内、外圈故障的实验研究,验证了该方法的有效性和可行性。该方法在铁路货车轴承早期故障诊断中具有较好的实际应用价值。     

基于自适应增强形态滤波的滚动轴承复合故障分离法

针对滚动轴承复合故障难以分离的问题，课题组提出了一种自适应多尺度形态滤波分离方法。首先，利用具有提取周期性特征的多尺度形态滤波器和峭度特征能量积(kurtosis feature energy product，KF)提取出一种主要的故障特征分量；然后，利用奇异值分解(singular value decomposition，SVD)降噪方法对提取的故障特征进行降噪处理，增强故障特征；最后，对去噪信号进行迭代筛选分离，得到多个故障特征模式分量。通过仿真信号与异步牵引电机实际故障信号对比实验，结果表明：该方法能够分离复合故障特征，并有效提取噪声干扰下的故障特征信息。该方法滤波效果强于传统方法，具有较好的工程应用价值。     

部分W-分离正交语音信号的盲分离方法

在W-分离正交性假设的语音盲分离方法中,由于没有考虑多个源信号同时存在的情况,导致分离信号中不可避免地存在音乐噪声。针对这种部分W-分离正交情况,提出了基于信道估计的语音盲分离方法。该方法先检测只有一个源信号存在的时频点并进行归一化处理,使得处理后的结果与频率无关,克服了W-分离正交性假设的不足以及频率置换问题,通过K-means聚类估计出信道,再结合信号子空间方法重构源信号。仿真结果表明,提出的方法可以有效减少分离语音中的音乐噪声,与典型的时频二元掩蔽方法相比,其平均信号失真比提高3.02dB,同时平均信干比提高4.61dB。     

基于循环神经网络的OFDM系统的失真补偿(英文)

在OFDM系统的发射机部分高功率放大器常常引起发射信号的非线性失真。对角循环神经网络是一类经过修正的全连接循环神经网络,在系统动态行为的俘获方面具有明显的优势。该文引入了这类对角循环神经网络,对发射信号在高功率放大之前进行前置补偿,对网络的训练提出了梯度下降算法。该算法具有更少的RAM需求和以盲起点为初始值的更快的网络收敛速度的特点。仿真显示以该神经网络作为前置补偿,系统具有更快的收敛速度和更少的RAM。     

基于小波神经网络的信息系统综合评价模型

针对信息系统的特点和小波基具有很强的自适应性和函数变化能力,提出了一种基于小波神经网络的信息系统综合评价模型,并在最小均方能量准则下,采用相应的共轭梯度学习算法求解小波函数的尺度和时延参数,以及小波网络的权值。仿真实验表明该算法用于信息系统综合评价的有效性与准确性,为信息系统的评价研究提供一条新的途径。     

基于实数编码遗传算法的盲信源分离方法

提出了一种新的基于相关矩阵对角化的代价函数,该代价函数通过抑制分离信号的互相关性达到盲信源分离的目的。这种分离新方法可用于分离平稳或非平稳信号的瞬时或卷积混合。针对传统梯度搜索方法容易陷入局部收敛的问题,文章还提出利用实数编码遗传算法对代价函数进行最优化搜索。仿真实验表明,这种遗传算法具有快速收敛性能和高精确度等优点。     

基于神经网络的测井评价油层污染研究

利用测井资料,在剖析传统的测井评价油(气)层污染方法的基础上,介绍了利用BP神经网络这一现代数理统计新技术来实现测井多参数评定油气层污染程度的方法和技巧;以华北二连油田实际资料为例,建立了测井判释油气层污染的数学物理模型,并进行了模拟预测。结果表明:该法简便可行,对污染评价参数预测精度较高,对污染程度评价合理准确,可作为油(气)层污     

带稀疏惩罚的LCNN盲目图像复原

为了加强算法的稀疏性和稳定性,在SCAD基础上提出了一种新的稀疏惩罚函数,并加入到拉格朗日约束神经网络中,以克服传统盲源分离方法和独立分量分析方法的缺陷,有效地避免了方程的病态问题,提高盲目图像复原的稀疏性、稳定性和准确性。通过人工数据和真实数据的不同复原算法对比实验,证明了带稀疏惩罚的拉格朗日约束神经网络盲目图像复原技术具有良好的图像复原效果。     

BP神经网络技术在声波测井曲线重构中的运用

基于神经网络的曲线重构法是提高声波测井曲线质量的有效方法。该方法通过神经网络技术的非线性算法,在声波曲线与自然电位、电阻率、自然伽马等多条测井曲线之间建立一种非线性关系。运用BP神经网络技术综合了自然电位、电阻率、自然伽马等多条曲线的信息对声波曲线进行重构,以此增加曲线重构的信息量,为曲线重构的准确性提供了保障。通过在准噶尔盆地石南地区的运用,证明该方法能大大提高受井壁垮塌影响的声波测井曲线的质量。     

柔性电子神经网络计算机开发系统设计

介绍了一种柔性神经网络计算机及其开发系统的概念和思想.该系纯对用户来讲既是神经网络模拟系统,又是神经网络计算机的开发系统.作为神经网络模型的模拟系统,它可模拟多种网络系统;作为开发系统,其下层可设计不同的神经网络硬件装置;随后提出了其软件系统的设计方案.     

基于RBF神经网络的色彩空间转换研究

针对可变数字印刷中色彩空间转换的要求,文章提出一种基于RBF神经网络的RGB(Red,Green,Blue)→CMYK（Cyan,Magenta,Yellow,Black）色彩空间转换方法,解决了Lab色彩空间到CMYK色彩空间的非线性关系。通过研究分析RBF神经网络的原理,建立了基于RBF神经网络色彩空间转换数学模型,并在该模型下进行数据的预测与精度分析。实验结果表明,该方法实现的转换精度非常高,转换后的色偏明显减小,转换速度也很快。     

基于粗糙集的车牌字符特征提取方法探讨

本文介绍了一种基于粗糙集理论的优化车牌字符识别的方法。粗糙集理论是一种继神经元网络和模糊数学之后的新的处理含糊和不确定性知识的数学工具;粗糙集方法是一种具有发展潜力的智能信息处理方法。本文主要思想就是在汉字的网格特征提取过程中保持分类能力不变的前提下,通过知识约简提出了一种车牌字符网格特征选择的改进算法;它不仅找出了对识别最有效的网格特征集,而且可以大大降低图像特征空间的维数,减少工作量和无用特征干涉,从而提高了分类识别率。