基于倒谱预白化和辛几何模态分解数量规律的轴承故障特征提取方法

为了有效提取轴承的故障特征,避免轴承损伤引起的冲击成分受到离散频率分量和背景噪声的干扰,提出了一种基于倒谱编辑信号预白化和辛几何模态分解数量规律的轴承故障特征提取方法.首先,对原始信号进行倒谱预白化来增强轴承故障的冲击特性,去除复杂振动信号中的周期性频率成分,产生只包含背景噪声和损伤引起的非平稳冲击成分的白化信号.其次...     

基于复合字典降噪和优化傅里叶分解的齿轮箱故障特征提取方法（英文）

针对傅里叶分解对噪声敏感且存在模态混叠导致无法准确提取齿轮箱故障特征的问题,提出了一种复合字典降噪与优化傅里叶分解相结合的齿轮箱故障特征提取方法.首先,根据齿轮箱信号特点构造复合字典,结合正交匹配追踪算法降低振动信号中的噪声;其次,针对傅里叶分解过程中的模态混叠现象,提出了利用频谱的极值点划分频带的方法对其进行优化,提高分解质量;再次,使用优化的傅里叶分解将信号分解为若干个傅里叶本征模态分量;最后,选择与降噪后信号相关系数最大的傅里叶本征模态分量进行包络谱分析.该方法可以准确提取振动信号的故障特征频率.通过对齿轮箱故障仿真信号和实验齿轮箱振动信号进行分析,验证了该方法的有效性.     

基于复合字典降噪和优化傅里叶分解的齿轮箱故障特征提取方法

针对傅里叶分解对噪声敏感且存在模态混叠导致无法准确提取齿轮箱故障特征的问题,提出了一种复合字典降噪与优化傅里叶分解相结合的齿轮箱故障特征提取方法.首先,根据齿轮箱信号特点构造复合字典,结合正交匹配追踪算法降低振动信号中的噪声;其次,针对傅里叶分解过程中的模态混叠现象,提出了利用频谱的极值点划分频带的方法对其进行优化,提...     

一种基于改进总体经验模态分解与反向传播神经网络的短期负荷预测方法（英文）

目的:短期电力负荷预测是电力系统安全调度、经济运行的重要依据。研究处理非线性、非稳态电力负荷信号的新方法,建立短期负荷预测的混合模型,提高短期负荷预测的精确度。创新点:1.提出一种改进总体经验模态分解(EEMD)方法,抑制传统EEMD方法中的端点效应问题;2.提出一种基于改进EEMD和反向传播神经网络(BPNN)的短期负荷预测方法。方法:1.使用改进的EEMD方法将非稳态、非线性的电力负荷信号分解为一系列的内禀模态函数和一个趋势余量;2.移除所得的高频内禀模态函数;3.使用BPNN分别预测各内禀模态函数及趋势余量;4.使用BPNN组合各内禀模态函数及趋势余量预测结果,即为最终负荷预测结果。结论:1.所提出的改进EEMD方法能有效抑制传统EEMD方法中的端点效应问题;2.在相同条件下,所提出的基于改进EEMD和BPNN的短期负荷预测方法较BPNN、EMD-BPNN、EEMD-BPNN、SARIMA-BPNN、WTNNEA和WGMIPSO预测方法有更高的精确度。     

轨道交通牵引电机轴承电压和轴承电流的综述（英文）

目的：脉冲宽度调制（PWM）变频驱动使轨道交通牵引电机获得了良好的运行性能,但由于输出电压存在共模分量,导致了轴承电压和轴承电流的产生,进而引起轴承早期失效。本文旨在回顾轴承电压根源、轴承电蚀失效模式、轴承电流形成机理、轴承电流共模等效电路、耦合回路阻抗提取和抑制对策等方面的研究现状,并重点围绕轨道交通牵引系统电机及负载接地状况对轴承电压的影响展开全面研究。创新点：1.总结PWM变频系统轴承电流分析与建模方法和抑制对策与效果;2.分析轨道交通牵引系统电机接地配置对轴承电压的影响,并通过共模等效电路模型成功模拟了不同转速下的轴承电压波形,验证了采用接地环和调整系统接地阻抗可以降低轴承电压。方法：1.通过文献搜索和调研,总结PWM变频系统轴承电流的研究方法和思路;2.结合实际轨道交通牵引电机系统接地状况,得到共模等效电路模型和提取回路阻抗参数,并通过仿真模拟与实际测量轴承电压波形,验证模型的正确性;3.通过实际测量,验证接地环和调整系统接地阻抗是否可以降低轴承电压。结论：1.轨道交通牵引系统电机轴承电压与定转子接地阻抗有关,可产生转轴接地型轴承电流;2.通过转轴侧接地共模等效电路,可以模拟...     

基于傅里叶分解和共振解调的齿轮箱故障诊断（英文）

目的：齿轮箱的振动信号频谱结构比较复杂,难以提取其故障特征频率。傅里叶分解方法可以将振动信号分解为多个单分量信号,利用共振频率筛选出最优分量并进行包络解调,识别特征频率以实现故障诊断。创新点：1.为了求解共振频率,提出一种基于短时向量的最大奇异值比方法;2.将傅里叶分解方法引入到齿轮箱故障诊断中,并利用共振频率选择最优分量进行包络解调以提取故障特征频率。方法：1.分析奇异值比与冲击信号的关系,提出求解共振频率的最大奇异值比方法;2.对比最大奇异值比方法与谱峭度方法在求解共振频率方面的表现,从而验证最大奇异值比方法的有效性;3.对比分析所提方法与传统的总体经验模态分解（EEMD）和变分模态分解（VMD）方法在信号分解与故障特征提取方面的效果,并通过仿真和实验进行验证。结论：1.最大奇异值比方法能够准确计算出共振频率,比谱峭度方法求解的频率值更加精确;2.基于傅里叶分解方法和最大奇异值比的共振解调方法能够有效提取故障特征频率,其在故障诊断方面的表现优于EEMD和VMD方法。     

基于同步离散电流估计的磁轴承自传感方法（英文）

目的:磁轴承自传感是一个关联磁悬浮转子动态特性的机电磁多物理场耦合问题。研究自传感磁轴承(AMBs)机电磁耦合机理与磁阻模型,对于其工作性能提升具有重要意义。当前基于脉宽调制(PWM)开关功放的磁轴承自传感方法,可缩小轴承几何尺寸,提高电气效率和转子动态性能,但存在传感精度不高、路径过长、稳定性较低等问题。针对上述问题,本文旨在提出一种基于PWM开关频率同步采样的离散电流估计(SS-DCE)方法,以缩短自传感路径,改善传感精度,以及提高磁轴承动态性能与工作稳定性。方法:1.通过分析两个相邻离散电流的数学关系,建立转子位移解析表达式;2.基于SS-DCE方法,结合位置式双闭环控制技术,并借助物理传感器实现对AMBs自传感过程的关键参数测试和评估验证。结论:1.磁轴承转子位移是一个关于电压/电流的非线性函数,而利用PWM开关功放纹波特性可使其线性化,进而缩短自传感物理路径,提高工作稳定性;2.自传感路径的长度由滤波器数量和算法复杂度决定,与相位滞后紧密相关;3.与模拟/数字滤波幅度解调法相比,基于SS-DCE的自传感方法的静态精度更高,稳定裕度更大,且具有较好的升速过程频率特性。     

基于全局-局部特征提取算法的信号分类系统（英文）

为了提高信号分类的准确度,提出了一种基于连续小波变换和全局-局部特征提取的信号分类算法.首先,对信号进行小波变换,生成时域-频域系数矩阵.然后,提出了一种全局-局部特征提取算法,该算法可以有效地提取时域-频域系数矩阵的特征信息.最后,使用支持向量机分析方法提取到的特征信息,输出分类结果.仿真结果表明,在信噪比为-3 dB的高斯白噪声环境下,所提出的信号分类算法对EBPSK信号分类的误码率为1.3×10~(-5),该误码率比基于支持向量机的信号分类算法低24倍,同时,使用全局-局部特征提取算法的误码率比仅使用全局特征提取算法低13倍,比仅使用局部特征提取算法低24倍.     

考虑过阻尼模态参与的改进复模态叠加法（英文）

为处理非比例阻尼系统可能出现的过阻尼模态,提出了一种改进的复模态叠加强迫振动分析方法,建议无论模态是否过阻尼,复模态振动分析时应成对使用复模态．以一个连接任意布置外部阻尼器的悬臂梁典型非比例阻尼系统为例,其第1阶模态会随阻尼系数的增加而过阻尼．在厘清复模态响应与实际动力响应关系的基础上阐述了采用改进复模态叠加法获得时域响应、传递函数和方差的完整理论方法．将方程分为实部和虚部,使得原复数域运动方程成为基于实数矩阵的增广状态空间方程,从而克服了采用复数矩阵计算时变响应的困难．此外,针对基于白噪声滤波的外部激励,提出了一种高效方差响应评估方法,降低了计算资源消耗．结果表明,相较于假设模态法,复模态叠加法的结果更接近于有限元结果．基于遍历法研究最优阻尼器参数和位置时,采用多个小阻尼阻尼器优于单个大阻尼阻尼器．     

基于改进EMD的滚动轴承故障特征提取方法

针对滚动轴承早期故障信号微弱、背景噪声强、故障特征难以提取的特点,提出一种基于包络谱灰色关联度改进的经验模态分解（Empirical Mode Decomposition,EMD）特征提取方法。首先,用EMD将原始振动信号分解成若干本征模函数（intrinsic mode function,IMF）分量,计算原始信号及分解后各阶IMF分量的包络谱;然后,用灰色关联度分析计算原始信号包络谱与IMF分量包络谱之间的关联度,以包络谱关联度大小筛选IMF分量进行加权;最后,对加权的IMF分量计算能量、峭度、偏度形成特征集,通过主元分析(Principal Component Analysis,PCA)降维后输入概率神经网络（Probabilistic Neural Network,PNN）进行故障状态识别。该方法利用包络谱灰色关联度有针对性地筛选出对故障特征敏感的IMF分量,相比于单纯利用线性关系大小筛选IMF分量的相关性分析更具针对性。对滚动轴承4种故障状态早期故障信号进行识别,准确率为97.5%,表明该方法是有效的。     

基于传染病扩散规律和聚类分析的动态疫苗配送模型（英文）

针对当传染病发生时医药物资的配送对于应急需求响应至关重要这一特点,以在一定区域内发生传染病疫情为研究背景,根据传染病扩散规律和疫区紧急救助程度的不同,研究了具有多个疫区和多个应急配送中心的疫苗配送最优方案.引入具有脉冲接种的SIQR模型来描述传染病的扩散规律和获得各区域疫苗需求量,在SIQR模型的基础上,利用SOM神经网络将各疫区进行聚类并量化结果.以实现运输成本和缺货量最小为目标,在聚类的基础上建立了动态的疫苗配送模型.以20个受感染区域和4个分布中心为例,给出了算例和仿真分析,结果表明所提出的方法有助于控制具有较高紧急等级区域的疫情,且与不使用聚类方法进行疫苗配送相比,利用聚类方法能更好地控制疫情扩散.     

光敏神经元电路的选频和放电模态研究（英文）

目的:研究视觉神经元对光信号识别和响应的物理学机制,以及其控制策略。创新点:1.以光敏神经元电路为例,设计了基于Heaviside函数的滤波标准,并对多频段信号源进行滤波,揭示了光敏神经元对光信号选频的机制;2.该方法也可以适用于揭示听觉系统选频机制。方法:1.把光电管连接到一类简单的电阻-电感-电容(RLC)神经元电路中,光电管中激发的电流会驱动神经元电路来产生各种模态;2.以混沌电路输出作为外界宽频信号源,设计一类滤波函数标准对宽频信号进行选频。结论:1.选频过程类似于视觉神经元对外界光照频段的选择,设计不同的选频阈值可以控制滤波信号的频段和幅度,进而影响神经元的放电模态和斑图,即神经元对外界光照要么不响应,要么产生恰当的放电模态;2.选频标准的核心在于滤波函数的上限和下限阈值;从实验角度可以在光电管阴极镀膜或者在光电管窗口多次镀膜来对入射光进行过滤或者增强投射;在设定阈值频率之外的光照则被光电管的镀层材料吸收,达到滤波的目的。     

氧化还原反应的分解规律（二）

任何物质在反应过程中都是想方设法使自己变得更稳定些，在反应过程中，分解出什么物质要视周围反应物的需要和反应条件而定，一般总是尽可能分解出周围的物质或反应物最需要的物质(或说总是尽可能分解出对周围的物质或反应物最有吸引力的物质)，这一规律，不妨叫做物质的分解原理。     

改进的基于谱直方图人脸图像特征提取方法

提出了一种基于谱直方图的人脸图像特征提取的方法．使用梯度滤波器、高斯-拉普拉斯滤波器和局域二值模式（LBP）构成的滤波器组来计算待测图像的谱直方图．仿真实验结果和分析表明,该算法具有较高的效率和准确性．     

GA-1DLCNN方法及其在轴承故障诊断中的应用（英文）

由于旋转机械振动信号是一维的,且大尺寸卷积核可获得更大的感知野,在经典卷积神经网络模型(LetNet-5)的基础上设计了带有大尺寸卷积核的一维卷积核神经网络(1DLCNN).由于1DLCNN的超参数对网络性能影响较大,利用遗传算法对网络模型中的一些超参数进行寻优,并将这种利用遗传算法优化1DLCNN参数的方法称为GA-1DLCNN.试验结果表明,基于GA-1DLCNN方法所得到最优网络模型可以实现99. 9%的故障诊断精度,远远高于其他几种传统的故障诊断方法.此外,将采用大尺寸卷积核的一维卷积神经网络与小尺寸卷积核的一维卷积神经网络以及经典二维卷积神经网络模型进行对比,输入样本长度分别设定为128,256,512,1 024,2 048,最终的诊断精度结果以及可视化散点图显示1DLCNN的效果最优.     

初始值敏感的周期和混沌振荡模态系统同步稳定性（英文）

目的:具有记忆特性的振子系统的模态选择对初始值具有敏感性。本文旨在探讨初始值控制的振子的耦合同步稳定一致性问题。创新点:1.两个周期振子耦合后达到混沌同步;2.周期振子和混沌振子耦合后达到周期性振荡同步。方法:1.通过分岔分析,研究振荡模态和初始值选择之间的关系(图2、6和8);2.通过数值计算,研究两个周期振子在耦合下的混沌同步关系(图7);3.通过计算同步因子和斑图,分析同步一致性对耦合强度与记忆函数增益的依赖程度(图9和10);4.通过现场可编程门阵列验证动力系统模态对初始值的依赖程度(图11和12)。结论:1.具有记忆函数的非线性振子的动力学行为(如吸引子)在参数固定的情况下与初始值选取有关。2.不同类型振子的耦合可以达到多样同步行为;周期振子耦合达到混沌同步;周期振子耦合混沌振子可以抑制混沌。3.包含记忆函数的振子网络耦合同步非常困难。     

基于FPGA的提高PUF可靠性方法（英文）

传统的基于环形振荡器的物理不可克隆函数(RO-PUF)因电压、温度、器件老化等影响,存在输出不可靠问题,即PUF输出随时变化,为了提高PUF的可靠性,提出一种针对PUF映射单元的稳定性测试方案.该方案选择多复杂度和多种频率的环形振荡器作为干扰源,放置在PUF原型电路附近对其进行干扰.通过识别和筛选掉不稳定的片,即识别和筛选掉使PUF结果不稳定的单元,来有效提高PUF的可靠性.实验结果表明,不同复杂度和不同频率的周围逻辑电路可以识别出不同数量的不稳定片,复杂度越高,识别出的不稳定片也越多.与最新发表的PUF文献相比,该PUF电路具有很好的统计随机性,资源消耗低.在温度变化为0～120℃和电压波动为0.85～1.2 V时,唯一性和可靠性分别达到49.78%和98.00%,从而使其能够更好地被应用于安全领域.     

基于梯度和显著性的无参考模糊图像质量评价方法（英文）

为了更加有效评价模糊图像的图像质量,提出一种基于梯度失真测度图和显著区域图的无参考模糊图像质量评价方法.首先,利用高斯低通滤波对待评价图像进行模糊化处理,以构造参考图像,并结合梯度相似度,得到能精细反映图像微小细节的反差和纹理变化的梯度失真测度图.然后,利用显著模型计算原模糊图像的显著性,采用自适应算法计算原模糊图像的特定显著性阈值,再通过二值化处理得到最终的显著区域图.最后,利用显著区域子块显著值加权得到模糊图像的最终评价结果.在LIVE、CSIQ和CID2013数据库上的实验结果表明,预测结果与人的主观判断具有较好的一致性,且计算复杂度较低.     

基于谱不规律性特征的水中目标宽带回波检测（英文）

针对强混响干扰背景下的水中目标回波分辨问题,研究了水中宽带回波频谱的起伏特性,并采用谱不规律性对宽带回波信号的频谱起伏进行表征,建立了水中目标回波频谱不规律性特征与目标属性参数之间的关联关系.基于回波与混响的谱不规律性特征提出了一种混响背景下水中目标宽带回波检测方法,该方法能够对混响与目标回波进行分辨.复杂目标的理论仿真结果表明,在信混比低至-10 dB时,基于谱不规律性特征,仍然可以分辨回波和混响,复杂目标海试数据测试结果表明信混比低于0 dB时,混响背景下回波可以有效检测,理论和试验测试结果验证了该方法对混响背景下宽带回波检测的有效性.