基于粒子群优化支持向量机的电梯故障诊断

电梯故障时,具有故障特征提取困难和故障类型识别率低的问题。因此,拟提取其振动信号并进行分析,找到故障特征。然而,鉴于其振动信号为非平稳、非高斯且背景噪声较大的信号,给有效辨识造成很大困难,所以,提出应用最优小波包分解和最小二乘支持向量机相结合进行电梯智能故障诊断的方法。借助最优小波包理论,首先提取电梯故障振动信号的能量分布;然后将其能量分布与时域指标相结合,构造故障特征向量;最后,将故障特征向量作为粒子群算法优化最小二乘支持向量机的输入对电梯故障类型进行识别。仿真结果表明,最优小波包理论与最小二乘支持向量机相结合的故障诊断技术发挥了两者的优势,证明了该方法的有效性和实用性。     

基于非线性分析的复杂机电系统故障特征提取

针对复杂机电系统振动信号呈现复杂非平稳性的特点,采用Hilbert-Huang变换(HHT)和基于小波包分解的频带能量比例非线性分析方法,对机电转子系统碰摩和不对中故障试验信号进行分析.分析结果表明:基于非线性分析的HHT和小波包频带能量比例方法弥补了原有传统频谱分析的不足,可以清晰的表征故障的瞬时和局部特性,实现故障特征的有效提取.     

基于声发射的天然气管道球阀内漏检测

通过理论分析,建立了阀门内漏过程中气体体积泄漏率与声发射信号特征参数均方根(AERMS)的函数关系,探讨了球阀在密封圈损伤状态下和泄漏率下的声学特征.应用基于小波包理论的信号分析与处理方法对内漏信号进行能量分析,结果表明:当密封圈为单一损伤时,能量主要分布频率范围为12.5～62.5 kHz,声发射信号AERMS与球阀气体体积内漏率成双对数关系,可以利用声发射检测天然气管道阀门是否发生内漏并估算其体积泄漏率.(图6,参10)     

基于小波包分解的2种储粮害虫活动声信号分析

采集不同温度下玉米象(Sitophilus zeamais)成虫在小麦、玉米和米象(Sitophilus oryzae)幼虫在薏米中活动的声信号进行小波包分解,并提取分解节点的能量、能量比、能量熵均值3个特征进行分析.结果表明:相同温度下玉米象在小麦、玉米中活动声信号的节点能量和节点能量比有差异,能得到2类信号差异的频段;2类信号的能量熵均值差别较大,并可发现小麦和玉米不同储粮中玉米象活动声信号能量熵均值的统计规律;不同温度下米象幼虫在薏米中活动声信号节点能量均值、节点能量比均值和能量熵均值皆存在差异;不同温度和不同种类粮食均会影响储粮害虫活动声信号,其活动声在小波包分解特征中差异显著.     

基于小波包的频带能量特征提取及智能诊断

提出一种基于小波包和BRF神经网络的智能故障诊断方法。对滚动轴承故障信号进行小波包分解，选择合适的小波基函数和尺度，将故障信号分解到八个不同的频段上，提取这八个频段上的能量信息，组成特征问量，作为RBF神经网络的输入；建立RBF神经网络模型并进行训练，对三种滚动轴承故障信号进行智能分类与识别。实验结果表明这种智能诊断方法有效可行。     

基于背景噪声降噪的管道阀门内漏量化检测

由于天然气管道阀门内漏声发射检测环境复杂、噪声干扰严重,极大地降低了阀门内漏流量的检测精度。为此,提出一种基于背景噪声的小波包软阈值降噪处理方法,并通过对降噪处理后的声发射信号采用基于支持向量回归(Support Vector Regression,SVR)方法进行输气管道阀门内漏流量的量化回归预测。结果表明:采用基于背景噪声的小波包软阈值降噪方法能够获取较为纯净的内漏源信号,降噪后获得内漏声发射信号信噪比为6.11。通过对小波包降噪处理后的特征参数进行输气管道阀门内漏流量回归预测,结果优于未进行降噪处理的预测结果,且软阈值降噪预测结果优于硬阈值预测结果,采用软阈值降噪的预测结果平均绝对比例误差为0.164,有效提高了阀门内漏流量量化回归预测的准确度。     

基于小波包熵的天然气管道阀门内漏分析方法北大核心

为了解决严重威胁天然气管道运行安全的阀门内漏问题,采用小波包分解和信息熵理论相结合的方法对3 in(1 in=25.4 mm)球阀不同内漏程度下的声发射信号特征进行分析。首先,通过搭建阀门内漏声发射检测试验平台开展不同内漏流量下声发射检测试验;其次,应用小波包熵方法对声发射信号各频率段信息度进行分析;最后,采用均方根值评价参数对不同频带内小波包熵值与内漏流量的相关性进行评价。结果表明:在25~37.5 kHz频带内的小波包熵值与阀门内漏流量具有最大相关性(均方根误差为0.012 6),表明小波包熵分析方法是一种输气管道阀门内漏流量量化检测的新方法。     

基于遗传小波神经网络的电梯故障诊断分析

利用小波分析具有能量分布特征提取的特性和遗传算法优化BP算法的能力,提出了一种基于遗传算法、小波与神经网络的电梯故障诊断方法,并应用电梯故障数据作为实例进行了验证．遗传算法小波神经网络模型诊断速度快、鲁棒性好、故障诊断正确率高．     

基于小波包熵的天然气管道阀门内漏分析方法

为了解决严重威胁天然气管道运行安全的阀门内漏问题,采用小波包分解和信息熵理论相结合的方法对3 in(1 in=25.4 mm)球阀不同内漏程度下的声发射信号特征进行分析。首先,通过搭建阀门内漏声发射检测试验平台开展不同内漏流量下声发射检测试验;其次,应用小波包熵方法对声发射信号各频率段信息度进行分析;最后,采用均方根值评价参数对不同频带内小波包熵值与内漏流量的相关性进行评价。结果表明:在25~37.5 kHz频带内的小波包熵值与阀门内漏流量具有最大相关性(均方根误差为0.012 6),表明小波包熵分析方法是一种输气管道阀门内漏流量量化检测的新方法。     

基于小波分析的电力系统振荡与短路识别方法

以小波变换中多分辨分析为基础,研究区分电力系统振荡与短路方法.小波分析能有效地提取电压、电流故障信号中的有用成份,提出一种以能量变化为判据的小波能量法,以识别电力系统振荡和短路.应用MATLAB的PSB工具箱建立振荡和短路仿真模型,应用小波能量法提取电力系统振荡电流与短路电流的小波能量,通过数值分析,识别电力系统振荡与短路.结果分析表明:小波能量法识别电力系统振荡和短路简单便捷,准确有效.小波能量法识别电力系统振荡和短路是十分可行的.     

基于声发射技术的木材害虫信号特征检测

针对木材害虫声发射（AE）信号检测问题，研究杨树木段中麻点豹天牛幼虫AE信号波形特征及其信号的能量，为钻蛀害虫声音的监测提出一种新的方法。取一段具有麻点豹天牛幼虫的杨树木段，通过采样频率为500 kHz的2通道木材蠕变声发射信号采集系统采集原始AE信号。对采集到的原始信号滤波后进行小波分解，通过对各层高频信号的分析获取AE信号的频域特征，并对其进行重构与信号解析。结果表明，麻点豹天牛幼虫AE信号的主频主要集中在30 kHz附近，其信号的能量在16:00最高，反映了该幼虫在15:00-16:00较活跃。     

榫卯结构弯曲破坏时声发射衰减特性与源定位

由于木结构榫卯接合的部位属于隐藏部位,当其发生损伤时,肉眼无法观测。为了准确地预测榫卯结构的健康状况, 可以根据榫卯结构在破坏前,木材所释放出来的声发射能量传播特性进行信息源位置的判定。为此, 本研究提出并验证了木材的声发射信号符合能量衰减规律,并且利用能量衰减模型对榫卯结构的声发射源(破坏源)进行定位。首先,采用直径0.5 mm的铅芯为模拟声发射源,探讨了声发射波在木材中的传播和衰减特性,然后进行了榫卯结构弯曲破坏实验,实验中将目标声发射源限定于两个传感器之间,利用两点定位法确定破坏源的位置, 经比较计算值与实测值较一致。结果表明:基于AE信号能量衰减模型和两点定位法进行榫卯结构的损伤定位,能得到较准确的破坏源位置,而且外界环境对结果的影响较小。      

刺五加生殖生态学的研究(Ⅲ)——根茎分布、能量分配及干扰对无性系小株发生的影响

深入揭示刺五加无性繁殖的特点,为刺五加种群的扩散和持续稳定提供依据,用实验生态学定位研究和野外样方及挖掘的方法,对三个群落中刺五加的无性繁殖器官——根茎的分布、各器官间的能量分配以及干扰对刺五加无性系小株发生的影响进行了研究。结果表明:(1)山杨林,蒙古栎林和硬阔叶林中,刺五加的根茎分布、无性系小株数量及其间距离、各器官的能量分配都有差异。这种差异与其遗传性有关,也受所在群落生境的影响;(2)切断根茎可以促进刺五加无性系小株的发生。     

水声传感器网络节点自定位的遗传算法优化研究

水声传感器网络节点自定位技术是传感器网络在海洋环境监测应用的基础。针对质心算法在随机分布中定位精度较低的缺点,采用信标节点与未知节点之间的距离作为约束,并对该约束采用泰勒级数方式展开;由此建立相应的数学模型,通过遗传算法对该模型进行优化;此外,根据信号传播特点,采用的是等高线传输模型。仿真结果表明,该方法能够实现水声传感器网络未知节点的有效定位。     

L型结构木材中声发射信号传播特征

针对木材结构尺寸及介质改变对应变能传播的影响,研究应力波在变结构的L型试件中的声发射（acoustic emission,AE）特性。首先,参照ASTM-E976标准,在樟子松L型试件表面不同位置产生AE源,并利用采样频率为500 kHz的AE采集系统获取试件表面4个固定位置的AE信号。其次,依据小波分析原理对原始AE信号进行降噪并重构AE波形,进而研究木材结构变化对AE信号频域特征的影响。最后,基于对比分析,研究空气介质对于信号传播特性的影响。结果表明,当AE源位于锯材处时,信号以纵波和横波混合的形式单向传播,木材的结构变化主要影响低频信号成分,使得信号呈现高频带分布;而空气介质对于其时频域均有显著影响;当AE源位于薄板时,木材结构变化、传播路径及空气介质对于AE信号时频域特性均有显著影响。     

Simulation of subduction zone seismicity by dehydration of serpentine

We measured acoustic emission energy during antigorite dehydration in a multianvil press from 1.5 to 8.5 gigapascals and 300 degrees to 900 degrees C. There was a strong acoustic emission signal on dehydration, and analysis of recovered samples revealed brittle deformation features associated with high pore-fluid pressures. These results demonstrate that intermediate depth (50 to 200 kilometers) seismicity can be generated by dehydration reactions in the subducting slab.     

基于声发射信号信息熵的木材损伤断裂过程研究

为获得木材在弯曲破坏过程中的声发射（acoustic emission,AE）信号特征,从AE信号的随机性出发,利用AE信号信息熵辨识木材的损伤过程,并研究木材在不同损伤断裂水平下的AE信号分布特性。首先,对气干状态的榉木和樟子松试件进行三点弯曲试验,并通过谐振频率为150 kHz的AE传感器采集原始AE信号,采样频率设置为500 kHz。然后,采用小波变换重构AE信号波形,依据无AE发生时的信号幅值确定AE阈值,统计每秒内超过阈值的次数并作为AE活动计数,再以活动计数为随机变量定义AE信息熵。最后,依据信息熵值确定应变能释放的转折点,并结合三点弯曲试验的载荷-时间曲线,将木材损伤断裂过程划分为线性变形、非线性变形、宏观断裂3个阶段。以10 ms为间隔分析并统计AE信号的频率,获得木材弯曲破坏过程的AE信号频率分布情况,从而揭示不同损伤阶段的AE信号特征。结果表明,线性变形阶段,AE信号表现为低幅值、低频率,主要集中在30~55 kHz频段内;非线性变形和宏观断裂阶段,AE信号中既存在大量的30~55 kHz低频信号成分,又存在100~110 kHz和115~130 kHz的高频信号。研究提出的基于AE活动数信息熵能够准确反映应变能释放的集中程度,为木材损伤断裂水平评价提供了客观依据。     

管道泄漏声发射信号的传播特性

对管道泄漏声发射信号进行传播特性研究,可以为工程上进行传感器布设和采集参数确定提供参考依据.介质类型、压力、流量与泄漏孔径对产生的泄漏声发射信号幅值影响较大,对泄漏声发射信号传播衰减规律无影响.泄漏介质为气体时,产生的声发射信号幅值较大;随着压力的增加,泄漏声发射信号幅值增大;随着泄漏孔径的增大,泄漏声发射信号幅值先变大后变小.应用FFT变换和小波包分解等理论方法,分析泄漏声发射信号在传播过程中经过法兰、阀门时的频率变化特征.研究结果表明：泄漏声发射信号经过法兰后,主要引起信号幅值衰减,衰减值为11～15 dB,而信号频率分布变化不大.泄漏声发射信号经过阀门后不仅信号幅值衰减27～35 dB,且信号的高频成分（187.5～312.5 kHz）也出现较大幅度的衰减.     

基于瞬时频率的木材声发射事件辨识与损伤监测

为了从能量的角度客观评价木材损伤程度,依据应变能释放产生的声发射（AE）信号特征,提出一种基于信号瞬时频率的AE事件辨识方法,并依据AE事件的发生密度从能量的角度进行损伤动态监测。采用小波分析的方法对原始信号进行降噪预处理,用经验模态分解（EMD）进行波形重构。依据AE信号的频率分布特征将AE信号分为2类,并对应地定义DAE和FAE 2类AE事件。通过Hilbert变换获得AE信号的瞬时频率,依据瞬时频率计算2种AE事件发生的密度,依此判断和预测木材的应力变化及损伤趋势。结果表明,FAE信号频率明显高于DAE信号频率,并且当DAE事件密度维持较高水平时,意味着材料以弹性形变为主;相反当FAE事件密度维持较高水平时,说明材料正在发生频繁的断裂,从而为木材损伤程度的研判提供评价依据。