摘要：在工程中对设备进行应力检测和微损伤检测时,采集磁声发射信号易受噪声干扰,同时其特征的提取也存在困难,为此,将变分模态分解与散布熵相结合,提出了一种基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法。首先,设计搭建了检测实验平台,采集了Q345钢静载拉伸实验中0 MPa~400 MPa应力状态下的MAE信号;然后,采用变分模态分解方法,对磁声发射信号进行了自适应分解,生成了一系列从低频到高频分布的本征模态函数(IMF)分量;其次,计算了每个本征模态函数分量的散布熵值,构建了MAE信号的特征向量矩阵;最后,将特征向量矩阵输入到基于支持向量机建立的识别分类模型中,进行了信号的训练和识别。研究结果表明:使用基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法,能够自适应地实现MAE信号的多尺度化目的,并且准确地识别出不同应力状态下的信号特征,分类识别准确率高达95.3704%,验证了该方法的有效性;说明基于自适应多尺度散布熵和多分类支持向量机的信号特征识别方法能够快速且有效地识别不同应力状态,在信号特征识别方面具有较好的应用潜力。

摘要：本研究基于经验模态分解(EMD)与人工神经网络(Artificial Neural Network,ANN)的耦合算法,致力于路基沉降预测方法的深入研究。在道路工程中,路基沉降是一个关键问题,直接影响着道路的安全性和可持续性。为了提高沉降预测的准确性和可靠性,本研究应用EMD将复杂的路基沉降时程信号分解成多个本征模态函数,有效提取信号的局部特征。通过分析各个本征模态函数的特征,确定最具代表性的模态函数为序列趋势项,运用ANN模型对各本征模态函数进行训练,以捕捉各个模态函数之间的非线性关系。通过模型的训练和优化,得到高度适应路基沉降特性的改进ANN预测模型。将经过训练的ANN模型用于对广州某路基沉降进行预测,实验结果表明,采用改进ANN算法的路基沉降预测方法在准确性取得了显著的提升。与传统方法相比,本研究提出的方法能够更好地适应路基沉降信号的复杂变化,并具有更强的泛化能力。因此,该研究为道路工程领域提供了一种先进而可行的沉降预测方法,为提高路基设计的可持续性和安全性提供了有力支持。

摘要：针对水电机组振动信号存在非平稳和非线性,提出一种结合IMF能量矩和双向长短期记忆神经网络(bidirection long short term memory neural network,BiLSTMNN)的故障诊断方法。首先采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)方法对正常和故障振动信号样本进行处理,得到频率各异的本征模态函数(intrinsic mode functions,IMF)和剩余分量。然后计算IMF能量矩,并将其作为故障特征。进一步,将故障特征作为输入、故障类别作为输出,训练BiLSTMNN得到水电机组故障识别器。结合故障识别器和实时振动信号IMF能量矩特征,即可识别水电机组运行状态为正常或具体故障类型。最后,结合转子实验台数据和实际电站机组样本数据,设计对比实验,验证了所提方法在挖掘信号特征方面的有效性及较高的故障诊断准确率。

摘要：在图像多尺度分析时,为了对后续的图像处理提供高质量的特征输入,在一维局部均值分解算法基础上提出一种二维局部均值分解算法.首先采用优化的8-邻域算子求取图像中的局部极值点;然后针对鞍点对求解局部相邻极值点时的影响,提出一种基于自适应窗口的搜寻方法,以控制局部相邻极值点数求取局部相邻极值点,进而得到平滑的包络估计函数和局部均值函数;最后依据包络估计函数和局部均值函数,通过迭代寻优得到相应的乘积函数将图像分解成不同尺度下的成分.在人工合成图像与典型图像的多尺度分析处理结果表明,该算法可行有效;与二维经验模态分解算法的比较结果表明,该算法具有更快的速度和更好的处理效果;并对该算法中的重要参数进行了敏感性分析,验证了算法具有较好的鲁棒性,给出了比较合理的参数取值范围.

摘要：事件识别是分布式光纤传感的重要应用,现有的模式识别手段存在泛化性差和对弱振动识别的准确率低两个主要难题。以马赫-曾德尔干涉仪为应用对象,从样本来源的角度改善传统的分类器,以时域信号经经验模态分解所得的本征模态函数构建训练样本,使用卷积算子提取信号的波形特征、频域特征、时频域特征,构建深度学习网络,并在相同的神经网络框架下以原始信号为输入设计了4个对照组。所提识别方案在测试集和验证集上对6种目标信号的准确率分别为97.02%和94.88%,泛化性和分类精度均处于最优状态。分类器的平均样本响应时间低于0.07 s,具备良好的可行性与发展前景。

摘要：航天器在轨运行过程中,由于内部多种活动部件的存在,会使其结构体产生振幅较小、频率较高的微小角振动,这会影响航天器有效载荷的正常工作。光纤陀螺作为航天器的姿态测量部件,在设计原理上具有高带宽的特点,针对航天器微小角振动的特点,提出采用光纤陀螺测量该振动信息,同时提出采用经验模态分解的方法将光纤陀螺输出信号分解成各个时间尺度上的本征模态函数,再经过Hilbert谱分析方法检测出微小角振动信息。通过星载测试试验对该方法进行了有效性验证,结果表明:采用经验模态分解技术能够实现航天器微小角振动信号的检测,为航天器微小角振动的高精度测量提供了新手段和新方法。

摘要：阐述经验模态分解原理及复信号分析理论,着重讨论EMD分解应满足的条件及具体分解过程。应用EMD方法对单道GPR数据及GPR正演加噪剖面分别进行分解,得到从高至低不同频率范围的本征模态函数GPR图。然后,以湖南长沙黑麋峰抽水蓄能电站进厂交通隧洞实测GPR剖面为例,首先对该剖面进行EMD分解去除部分噪声,再利用Hilbert变换求取GPR剖面复信号,并提取瞬时振幅、瞬时相位、瞬时频率3个参数,绘制出相互独立的瞬时参数剖面图。研究结果表明:EMD分解对于低信噪比GPR数据具有较强的适应性,把EMD分解应用于含噪的雷达信号,并结合GPR复信号分析技术得到的"三瞬"信息,避免了使用单一时距剖面分析所造成的解释偏差,可以较好地实现对低信噪比GPR数据的噪声去除,突出雷达剖面中异常体特征,达到提高GPR信号分析效果及解释精度的目的。

摘要：为了提高滚动轴承的故障特征提取可靠性,该文提出了一种基于自适应局部迭代滤波(Adaptive local iterative filtering,ALIF)和能量算子解调的滚动轴承故障特征提取的方法。该方法首先利用ALIF将轴承的故障振动信号分解为若干个本征模态函数(Intrinsic mode function,IMF)分量,然后对包含故障信息最多的分量进行能量算子解调,得到分量的包络谱来提取轴承的故障特征。仿真结果表明:ALIF能够准确获取IMF分量,解决经验模式分解(Empirical mode decomposition,EMD)带来的模式混叠问题,结合能量算子解调方法能更好地凸显故障信号的包络谱特征,有效地提取轴承故障特征频率。

摘要：设计了一种能够实时在线检测金属板材圆盘剪分切的三向力测量系统,提供对金属板材圆盘剪三向分切力特性分析的手段和平台,检测过程和剪切力数据稳定可靠。针对圆盘剪分切力信号特征不显著,以及故障状态难以在线远程识别的问题,提出了一种基于本征模态函数(IMF)能量矩和隐式Markov模型(HMM)相结合的圆盘剪分切机故障诊断方法。使用经验模态分解(EMD)方法将振动信号分解成若干本征模态函数(IMF),计算本征模态函数(IMF)能量矩作为状态特征信息,构造特征向量,建立隐式Markov模型对圆盘剪分切机进行故障监测识别。实验表明,该方法能有效识别圆盘刀周向跳动、机床空转、机床停机3种故障,可用于圆盘剪分切机故障监测。

摘要：针对机床类设备加速度传感器安装不便的实际情况,以机床电机负荷电流为分析对象,提出了应用经验模态分解(empirical mode decomposition,EMD)和本征模态函数(intrinsic mode function,IMF)能量值的摩擦特征提取方法,间接分析摩擦振动和摩擦磨损状态特性。设计对比实验获取4组传动链电流信号,利用EMD分解电流信号获得系列IMF,计算各阶IMF分量单位时间内能量值,提取摩擦振动对应的边频带和摩擦特征值E(IMF3)。实验表明,通过摩擦特征值E(IMF3)变化曲线可以观察出导轨磨损状态经历的4个时期,实现在线监测导轨磨损状态的目的。