共查询到16条相似文献,搜索用时 328 毫秒
1.
基于支持向量机的钢筋混凝土桥梁损伤识别 总被引:2,自引:1,他引:1
为了克服现有方法存在的一些不足,提出基于小波包和支持向量机的混凝土桥梁损伤识别方法。采用小波包对环境振动下的信号进行分解,获得各个频带上的能量,该向量对损伤敏感,可以作为模型识别的输入向量。利用支持向量机强大的分类功能,提出根据频带能量建立支持向量机并进行损伤模式识别的方法。应用该方法对一座三跨连续梁桥进行了损伤识别分析。结果表明经过训练的支持向量机可以较准确地识别出损伤位置和程度。对小波频带能量进行主成分分析后建立的支持向量机会获得更好的识别效果。获得更精确的实际信号特征将进一步提高有限元模型精度和实际应用效果。 相似文献
2.
3.
4.
环境激励下基于小波能量互熵的结构损伤诊断方法 总被引:3,自引:0,他引:3
环境激励下的结构响应是一个随机过程,结构发生破损时其响应将随之变化,可将描述随机过程特性的参数作为评判结构状况的指标。熵是测量随机过程不确定性的一个比较方便的方法,能够用于高斯及非高斯分布的情况。在小波分解的基础上建立了小波能量互熵的概念,提出了一种环境激励下用小波能量互熵诊断结构损伤的方法。用ANSYS建一个桥的模型,以此为对象进行研究,获取加速度响应信号。用小波进行分解,得出了不同损伤状态下模型的小波能量熵,分析结果验证了该方法的有效性。 相似文献
5.
6.
小波能量商在汽车发动机故障诊断中的应用 总被引:3,自引:0,他引:3
考虑发动机断火之后对振动信号的影响,基于4层小波包分解重构信号能量,构造了小波包能量商无量纲指标.通过该指标提取发动机断火前后信号的能量特征作比商,充分考虑了断火之后振动信号能量的阶跃特性,定量分析断火后信号能量变化的程度.采集东风EQ6100汽油发动机缸体正常、活塞敲缸异响、活塞销异响以及曲轴轴承异响等4种工况的振动信号,并应用小波能量商指标对试验信号进行分析,取得很好的效果.试验结果表明,小波能量商可以对发动机不同故障准确地识别分类. 相似文献
7.
8.
9.
介绍了近似熵的概念、主要特点及其快速算法,在分析了小波包与近似熵原理的基础上,提出了一种多分辨率近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,其后对发动机声信号进行了分析处理,通过对比正常状态与故障状态共8种工况下的小波包3层分解后各节点的近似熵值,确定出了故障的特征频带,根据近似熵在敏感频带内的变化有效提取出发动机故障特征,从而实现了对发动机状态的监测与诊断。试验结果也证明了近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果。 相似文献
10.
11.
12.
为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混叠,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。 相似文献
13.
以常见的机械磨损故障——气门间隙过大故障为例进行了试验研究,提取缸盖振动加速度信号进行分析,发现故障状态的时域信号有明显低频周期性冲击,但在频谱的低频区间未现冲击频率;同时,在故障状态频谱中,3 000~4 500Hz范围的高频段振动能量有显著增加。通过小波包分解方法对信号分解至该故障特征频段,再进行希尔伯特解调分析,解调谱现显著的对应低频冲击的频率成分,可作为故障识别特征。分析结果表明,气门间隙过大故障造成的冲击引起缸盖或其部件共振调制现象,综合运用上述时域、频谱和共振解调分析,可对配气机构磨损故障进行故障特征提取,从而为准确诊断故障提供依据。 相似文献
14.
15.
The evaluation of the sound quality of door-slamming has become one of the important issues in vehicle noise, vibration and harshness (NVH) analysis. For the sound quality evaluation of door-slamming, a new sound metric, named as sound metric based on critical band wavelet decomposition (SMCBWD), is developed. In the new sound metric, the sound signals of door-slamming are sampled and the signal component of the door-slamming sound which has the great influence on the quality of door-slamming is extracted by using the leaky integration method. The extracted signal component is then decomposed by wavelets based on the critical bands and the coefficients of wavelet decomposition are calculated. Based on the energy of the frequency weighted wavelet decomposition coefficients, the new sound metric, SMCBWD, is calculated. In order to verify the effectiveness of SMCBWD, the correlation coefficients between the new sound metric and the subjective sound quality performance value of door-slamming, as well as between the traditional sound metrics (loudness, sharpness) and the subjective sound quality performance value of door-slamming have been calculated, respectively. The results show that the new sound metric developed in this paper has the higher correlations with the subjective sound quality performance value when compared with the traditional sound metric of loudness and sharpness. Thus, SMCBWD can be used to evaluate the sound quality of door-slamming more accurately. 相似文献