基于耦合混沌振子的微弱信号检测

传统的微弱信号检测方法在信噪比较低时检测效果并不理想,利用混沌振子检测微弱信号具有灵敏度高、抗噪性强的特点,信噪比门限也比传统方法检测到的低得多,基于此对Duffing振子和Van der Pol-Duffing振子进行了耦合,建立了非线性微弱信号检测系统,并通过分岔图和二分法确定了临界点阈值,提高了阈值的求解速度和精度,最后分别对单微弱正弦信号和混合微弱正弦信号进行了检测,检测系统取得了较好的效果。     

基于混沌吸引子特征量的滚动轴承故障诊断

利用混沌吸引子特征量可以刻画滚动轴承在不同故障状态下振动特性的特点,提出一种基于关联维数、最大李雅普诺夫指数和信息熵的故障诊断方法。结合试验数据,应用支持向量机技术分析了3类特征量对滚动轴承的故障识别能力,并对比了特征量两两组合的分类效果。研究表明：3类特征量都包含着不同的故障信息,将其结合可以明显提高故障识别率。通过对实测轴承数据的故障分类研究发现,与单一特征量方法相比,该方法可以有效区分不同故障类型和故障严重程度,为滚动轴承故障的超精密诊断提供了可能性。     

非对称型SD振子的动力学行为研究

基于SD振子,建立了非对称型SD振子模型及其运动方程。利用等价替换法与代入法求解8次方程,分析平衡点,研究该系统的分岔现象。运用平均法求其幅频方程,并利用Matlab等软件对该模型进行数值模拟,得到幅频响应曲线、系统的分岔图、相图和Poincare截面。结果显示,该系统具有与SD振子不相同的丰富非线性动力学特性, 拓展了SD振子的研究和应用范围。     

具有滚动轴承座松动故障转子系统的分叉和混沌

以转子动力学、Hertz理论和非线性动力学理论为基础，针对一端轴承座松动的滚动轴承——转子系统的具体特点，建立了系统的动力学方程。通过数值仿真研究了转子系统在转速变化和松动间隙扩展时显示的周期分叉、拟周期和混沌运动等复杂动力学现象及其变化规律，得出了有价值的结论，可为该类故障的诊断提供参考。     

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。     

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。     

基于Van der Pol―Duffing振子和互相关的微弱信号检测研究

传统的信号检测方法在背景噪声较强的情况下一般会失效,混沌振子由于对初始值及参数具有敏感性从而可以很好地检测到微弱信号。首先简述了应用Van der Pol―Duffing振子和互相关方法检测微弱正弦信号的原理,然后应用二者联合的方法进行微弱信号检测。该方法综合了互相关检测对噪声的抑制优势和Van der Pol―Duffing振子对微弱信号提取的优势。仿真实例表明,该方法能有效地检测出淹没在强噪声中的微弱正弦信号,且其信噪比门限比只用混沌振子方法更低,抗噪性更强。     

弹簧振子周期的近似计算和讨论

研究弹簧质量对弹簧振子系统周期的影响,分析不同方法近似成立的条件,并对计算结果进行了讨论。     

基于虚拟仪器的机车滚动轴承故障诊断研究

介绍了机车滚动轴承故障诊断的机理。利用LabVIEW软件和相关硬件，设计了一种机车滚动轴承故障诊断系统。该系统结合某一型号机车轮对，利用CompactDAQ和NI 9233加速度采集模块采集滚动轴承振动信号。根据滚动轴承机理，振动信号包含滚动轴承故障信息。因此，运用小波变换函数，对振动信号进行时频域分析处理，获取有用的故障特征信息，进而确定故障类型。从实验结果可以看出，该方法能准确地找到故障频率，对于机车滚动轴承故障诊断有很好的指导意义     

基于Dropout CNN的滚动轴承故障诊断研究

针对滚动轴承故障特征很难提取及传统故障诊断方法准确率偏低的问题,提出一种基于Dropout的改进卷积神经网络(Dropout CNN)结构,可以无需预先提取滚动轴承振动信号的故障特征,直接端到端的实现滚动轴承故障诊断。该方法以振动信号为监测信号,使用傅里叶变换生成振动 信号频谱图,以此作为整个系统的输入,利用卷积神经网络强大的特征提取能力可以自动完成故障特征提取以及故障识别。试验结果表明该方法平均诊断准确率 高达99.5%。该方法实现了大量样本下滚动轴承不同故障类型的故障特征自适应提取与故障状态的准确识别。     

基于FPGA的数控振荡器设计与仿真

开发了一种基于FPGA的数控振荡器系统,解决了在高速数字通信系统中获得可数控的、高精度的、高频载波信号问题。该系统具有分辨率高、频率转换时间快、相位噪声低等特点。通过对数控振荡器所涉及的原理进行分析,给出了该系统的整体结构,并详细描述了各模块的设计实现方法及所涉及的相关技术,最后给出了仿真结果,验证了设计的正确性。     

混沌时间序列分析法在生产总值预测中的应用分析

国内生产总值是国家经济建设中一个重要的参数,是衡量国家经济实力和经济发展规模的重要指标,利用混沌动力学原理,采用相空间重构技术的混沌时间序列分析法,对改革开放以来(1978-2004年)我国国内生产总值(GDP)时间序列进行了分析,计算了时间序列的嵌入维数、延迟时间等关键参数,建立了局域预测模型。并且把预测结果和用灰色系统预测结果进行了比较。结果表明,用混沌时间序列分析法预测国内生产总值具有较好的精度。     

基于混沌映射的小波域可读水印

提出了一种基于混沌映射的小波域公开水印算法,该算法中水印是一幅有意义的二值图像,水印嵌入前利用混沌序列进行混沌调制.在分析图像小波分解系数的树结构关系以及人眼视觉系统模型的基础上,在宿主图像的两棵小波系数树中嵌入一位水印信息,通过量化使它们呈现足够大的统计差别从而使水印检测时能提取水印信息,并且检测时不需要原始图像和原始水印。实验结果表明,此方法是一种行之有效的图像版权保护方法。     

混沌动力学测量微弱电流的特性研究

以电感为敏感元件测量微弱电流的混沌测量系统,具有极高的精度和良好的线性度.因此,为了更好地运用此混沌测量系统,深入地探讨其特性,指出测量微弱直流电流仅达μA数量、有些电流值无法测量和测量的精度不一致的缺点,为改善此测量系统,提出以模拟电感替代电感方法.     

基于耦合Duffing振子和Van der pol振子系统的微弱信号检测研究

传统的微弱信号检测在检测信噪比较低的信号时效果不理想,基于此提出了一种基于Duffing振子和Van der pol振子的耦合非线性系统,建立了非线性耦合模型,详述了耦合系数对耦合非线性系统的影响。采用Simulink数值仿真的方法,分析了Duffing振子和Van der pol振子耦合非线性系统的动力学行为,阐述了基于相平面变化进行微弱信号检测的工作原理。并且具体分析了耦合系统在色噪声背景下的微弱信号检测效果,取得了很好的效果。     

基于混沌时间序列分析的股票价格预测

根据股票市场是非线性动力系统的假设,利用混沌理论对混沌时间序列的分析方法,提出了股票价格预测方法。同时利用重构相空间的嵌入维数和延迟时间分别确定经向基函数模型网络的结构和训练样本对,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,并与前馈神经网络模型相比,可得到较好的预测结果,因而在股票时间序列预测中有广泛的实用价值。     

基于状态观测器噪声干扰的混沌控制与同步

提出了一种基于状态观测器参数控制噪声干扰下的混沌数字通信控制方法。利用一混沌系统驱动另一混沌系统产生出理想的输出波形,将该控制方法用于混沌控制;根据噪声干扰下的系统方程构造出状态观测器,并将该状态观测器用于具有测量噪声、输入噪声干扰的混沌系统和Lorenz混沌系统的控制;改变观测器的作用范围,可以将混沌系统稳定到固有的区域内。仿真结果证实了该控制方法的有效性。     

关于谐振子运动问题的进一步讨论

从谐振子运动基本的物理现象出发,介绍了涉及谐振子运动物理研究前沿和一些更深入探讨研究该问题的方法.作者认为这些物理研究方法的学习有利于培养学生的科研能力.