基于EMD和SVM的农用柴油机故障诊断研究

针对农用柴油机振动信号的非平稳特性和在现实条件下难以获得大量故障样本的实际情况,提出一种经验模态分解和支持向量机相结合的故障诊断方法。运用经验模态分解方法对气阀机构不同工况下的去噪缸盖振动信号进行分析,计算各内禀模态函数与去噪信号的互信息值以确定主IMF分量,并求其包含时间信息的能量熵以定量描述信号不同时频段的能量分布,将其作为支持向量机的输入特征向量以判断柴油机的工作状态和故障类型。试验结果表明,该方法在小样本情况下也具有较高的精度和较强的泛化能力,但不同转速时需重新采样以保证充足的诊断精度。     

用振荡指数描述去噪效果的仿真研究

在软门限消噪中,不同的信号波形对去噪效果的影响不同,为此,采用振荡综合指数(SIE)描述信号的振荡程度,用均方相对误差(RSE)描述消噪效果,并用振荡综合指数揭示信号的波形与信号的去噪效果的关系,结果表明,若振荡综合指数(SIE)越小,则去噪的效果越好。     

基于EMD自适应阈值的铡草机振动信号去噪

针对铡草机振动信号噪声污染的问题,采用EMD(Empirical mode decomposition)与基于SURE(Stein’s unbiased risk estimate)的自适应阈值算法,并利用自相关函数性质与二阶可导阈值函数,对铡草机振动信号进行研究。结果表明:1)模拟信号经EMD自适应阈值去噪后,信噪比SNR(Signal to-noise ratio)提高了15～19dB;经小波阈值去噪后,SNR提高了9～13dB;经EMD低通去噪后,SNR提高了5～11dB;经EMD阈值去噪后,SNR提高了12～15dB。2)铡草机振动信号经EMD自适应阈值算法去噪后,200 Hz的高频信号均消除,并且保留了≤200Hz低频信号的幅值;经小波阈值去噪后,振动信号200Hz的高频信号未能消除;经EMD低通与EMD阈值去噪后,振动信号≤200Hz低频信号幅值降低,导致部分信号失真。本研究提出的EMD自适应阈值算法可一定程度上降低铡草机振动信号噪声。     

基于复小波及动态神经网络的植物电信号研究

[目的]针对植物电信号数量级小、易受干扰的问题,提出了双树复小波变换(DT-CWT)结合双变量收缩消噪及不带输入变量的非线性自回归神经网络(NAR)模型,旨在能将植物电信号用于研究温室内植物生长模型。[方法]在屏蔽环境下获取生长状况良好的鸟巢蕨植株的电信号。采用双树复小波变换将电信号进行分解,利用层间小波系数具有相关性的特点,将分解后的小波系数进行双变量收缩消噪。通过对植物电信号进行自相关分析,确定迟滞阶数。再通过NAR网络训练消噪信号。[结果]采用双树复小波消噪后的信号虚部树的高频分量明显减少。消噪后的植物电信号前序98个样本点的自相关系数均大于0.8,迟滞阶数98。采用本模型对消噪后的电信号进行预测时相关系数为0.973,均方误差(MSE)为0.593 mv~2。相比于软阈值消噪与硬阈值消噪,本模型的消噪方法信噪比(SNR)最大,MSE最小。对碧玉、白鹤芋2种植物应用本模型,决定系数分别为0.975和0.972,MSE分别为0.112 mv~2和4.459×10~(-2)mv~2。[结论]植物电信号2个相邻时刻间具有很强的关联性,消噪过程对虚部树的影响更大,双树复小波分解结合双变量收缩的消噪方法更大程度上保留了信号的原始信息。本模型具有可推广性。     

柴油机振动数据采集与分析系统

振动信号是设备状态信息的载体,它蕴含了丰富的设备异常或故障的信息,而振动特征是设备运行状态正常与否的重要标志。组建了硬件平台对柴油机的振动信号进行采集,并在此基础上开发了一套以VB为软件平台的柴油机振动数据采集与分析系统。整个系统能够实现不同通道、不同频率、不同增益的振动数据采集,能够进行基于分形的数据分析。同时,该系统可用于柴油机振动状态监测,对振动波形进行实时显示、实时分析等。     

基于小波包的水力机组振动故障信号消噪方法研究

在水轮发电机组故障诊断中,提取监测信号中的奇异信号特征,对准确判断机组运行状态具有重要意义。研究充分利用水力机组振动故障信号的特征和小波包的特点,采用小波变换的方法,通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析,并针对南桠河姚河坝水电站水轮发电机组实测数据进行检验,取得了良好效果。表明所研究的故障信号消噪方法能有效地从信号中提取信息。     

小波变换用于抑制干扰信号几种方法的比较研究

对小波变换抑制干扰信号提取真实信号的3种方法，即小波滤波器消噪法；软、硬阈值消噪法；基于模极大值的小波去噪方法，进行了比较研究。给出了每种方法的适用范围及具体的算法、仿真结果，对于选用小波变换工具进行信号处理具有一定的理论意义和实用价值。     

基于奇异值的小波变换微弱信号消噪法

针对信噪比低、噪声非均匀分布的弱信号消噪效果不佳的问题,提出了基于有效奇异值分解和小波阈值消噪相结合的方法.通过构造相空间矩阵并对其进行奇异值分解(SVD),得到一系列正交子空间.因为信号和噪声对奇异值贡献不同,提出奇异值最小二乘误差判定法进行有效奇异值选择,利用子空间重构信号.仿真实验表明:本方法提取出的信号完整性更好,信噪比更高.     

小波消噪及其在小麦蛋白质含量近红外光谱分析中的应用

利用在小波变换下奇异信号和噪声在多尺度空间中的模极大值传递特性的不同,对33个小麦样品的近红外光谱信号进行了消噪处理,并利用小波消噪后重构光谱信号对小麦蛋白质含量进行偏最小二乘法交叉验证(PLS-CV).计算实例表明,在最大分解层数不同时,PLS-CV效果各不相同,但大多数的小波消噪重构光谱进行PLS-CV,相关系数R及测定系数R2都有提高,交叉校验预测均方差RMSPCV都有减小,特别在最大分解层数为6时,PLS-CV效果最好,较使用原始光谱进行PLS-CV,相关系数R从0.9222提高到0.9698,交叉校验预测均方差RMSPCV从0.8014减小到0.4983.因此,使用小波消噪方法有消除原始光谱的噪声的作用,从而使最终的PLS模型更有代表性、稳定、稳健,也提高了品质检测时模型预测精度.     

小波消噪及其在小麦蛋白质含量近红外光谱分析中的应用

利用在小波变换下奇异信号和噪声在多尺度空间中的模极大值传递特性的不同,对33个小麦样品的近红外光谱信号进行了消噪处理,并利用小波消噪后重构光谱信号对小麦蛋白质含量进行偏最小二乘法交叉验证(PLS-CV)。计算实例表明,在最大分解层数不同时,PLS-CV效果各不相同,但大多数的小波消噪重构光谱进行PLS-CV,相关系数R及测定系数帮都有提高,交叉校验预测均方差RMSPCV都有减小,特别在最大分解层数为6时,PLS-CV效果最好,较使用原始光谱进行PLS-CV,相关系数R从0．9222提高到0．9698。交叉校验预测均方差RMSPCV从0．8014减小到0．4983。因此,使用小波消噪方法有消除原始光谱的噪声的作用,从而使最终的PLS模型更有代表性、稳定、稳健,也提高了品质检测时模型预测精度。