微弱舰船声信号的混沌处理方法

针对进出港口的舰船噪声低,难以检测的问题,采用了混沌振子检测理论,将其应用在舰船弱信号检测中,采用参数抑制法,同时设计了微弱信号的混沌检测系统.通过仿真计算,结果表明该系统能有效地提高检测的信噪比.文中还给出了一种简便判断系统是否处在混沌态的方法.     

基于差分Poincaré映射的间歇混沌信号判别方法

针对混沌振子微弱信号检测中间歇混沌信号难以判别的问题,利用混沌系统的参数敏感特性,提出一种差分Poincaré映射判别方法,实现强噪声干扰下输出间歇混沌信号的判别．该方法选取周期激励幅值具有微小差异的两个混沌振子的Poincaré映射进行差值运算,利用周期状态下输出信号收敛,而混沌状态下输出信号分离的特点,降低了噪声对周期区域的影响,使可检测输入信号的信噪比达到了-87dB．实验表明,在时域或Poincaré映射已经无法进行分辨的情况下,该方法仍然实现了检测系统输出间歇混沌信号的有效判别．     

基于神经网络的混沌时序数据失真检测方法研究

介绍了时序数据的混沌识别方法,并根据混沌时序数据的可预测性,提出了一种基于神经网络的混沌时序数据失真检测方法.通过实例证明该方法能准确地检测出混沌时序数据的失真点,并将其还原.该方法既是检测过程同时也是修复的过程,在数据处理领域有一定的应用前景.     

基于改进小波变换方法的混沌信号去噪研究

针对混沌信号和噪声频谱互相重叠,传统方法难以实现有效滤波这一问题,提出一种改进的小波去噪方法.该方法采用参数加权法构造信号,将小波分解系数进行阈值处理,通过循环迭代,利用序列中包含的有效信息,将有用信号提取出来.仿真结果表明,利用改进小波变换去噪方法改善了混沌时间序列的预测结果,证明了该方法的有效性.     

基于神经网络的混沌时序数据失真检测方法研究

介绍了时序数据的混沌识别方法,并根据混沌时序数据的可预测性,提出了一种基于神经网络的混沌时序数据失真检测方法.通过实例证明该方法能准确地检测出混沌时序数据的失真点,并将其还原.该方法既是检测过程同时也是修复的过程,在数据处理领域有一定的应用前景.     

基于案例推理的轨道交通信号设备故障诊断方法

轨道交通信号设备是关系轨道交通运输安全的核心设备,具有设备种类多、结构复杂的特点。当某一设备发生故障时,单独依靠人工排查往往不能快速的解决故障。本文将案例推理的思想运用于轨道交通信号设备的故障诊断,并根据轨道交通信号设备特点设计案例推理方法,为轨道交通信号设备故障诊断系统的构建提供决策依据。     

基于高阶FS谱对角切片的舰船轴频电场微弱信号检测方法

针对在实际海洋中对舰船轴频电场进行远程探测的问题,文中采用了一种基于高阶FS谱对角切片的微弱信号处理技术,通过该方法能简单有效地将微弱轴频电场信号从低信噪比的实测数据中分离出来.最后使用该方法和基于高阶谱对角切片的弱信号检测方法,分别对同一组实测的舰船轴频信号进行了处理,结果对比表明该方法的有效性.     

基于RBF神经网络模型的混沌背景下谐波信号提取

在混沌时间序列前后向联合预测模型的基础上,提出前后向联合迭代预测模型并将之用于混沌背景下谐波信号的提取.对前后向联合迭代预测模型与前向预测模型的仿真实验对比研究表明,在叠加谐波信号幅度和频率不过小的情况下,前后向联合迭代预测模型在连续类混沌背景下的谐波信号提取性能较前向预测模型好,而在离散类混沌背景下的谐波信号提取效果都很差,但仍可用于检测微弱谐波信号.     

基于加权一阶局域法的短时交通流量预测的研究

本文在分析了城市短时交通流时间序列和混沌特点基础上,通过对混沌时间序列预测方法的研究,提出了一种基于加权一阶局域法的短时交通流量预测方法。该方法引进了权值,使得它比全域法具有更好的自适应能力和较高的预测精度。对实际短时交通流量进行预测,取得了令人满意结果。     

基于混沌理论的短时交通流量预测

随着智能交通的发展,实时动态交通分配成为当前研究热门问题.短时交通流预测是实.时动态交通分配的关键技术之一,在当今交通控制以及车辆导航中具有不可替代的地位.通过对交通流数据进行分析,得出交通系统具有耗散系统特性.并且存在混沌.在此基础上,运用混沌理论对交通流数据进行相空间重构,并用多元局域预测法对时间序列进行预测.通过分析预测数据,得出基于混沌理论的短时交通流量预测在2～5 min内具有较高的预测精度.     

GPS微弱信号捕获跟踪算法

在GPS微弱信号捕获算法设计中, 为提高捕获灵敏度, 采用相干积分与非相干积分结合的方式消除数据码长度对相干积分增益的影响, 采用差分相干积分减小非相干积分中的平方衰耗。为了提高信号捕获速度和精度, 利用FFT工具进行伪码与载波频率捕获, 采用延迟锁定环(DLL) 与锁相环(PLL) 实现GPS微弱信号的跟踪。最后对GPS微弱信号的捕获跟踪算法进行仿真实现。应用结果表明: 通过仿真技术能有效地复现出捕获和跟踪载噪比为25dB.Hz^-1的GPS微弱信号, 差分相干积分捕获灵敏度比相干-非相干积分高0.8dB, 频率捕获误差小于1.25Hz, 码捕获误差小于0.1码元。     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明：在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。     

航空发动机转子碰摩故障信号广义S变换方法

为了有效提取航空发动机转子碰摩故障信号, 提高碰摩故障诊断的准确性, 采用广义S变换方法, 把碰摩信号变换到相空间中, 在相空间检测和提取故障特征, 并与连续小波变换的结果进行了比较。变换分析结果表明: 在广义S变换域可以更清楚地反映出信号的时频局域化特性和奇异点位置, 易于检测出碰摩点的位置, 广义S变换有较好的抗干扰能力, 在变换域易于信号与噪声的分离。     

基于CTM的信号优化设计及求解

为合理控制交叉口交通流, 优化相位方案和信号配时, 基于元胞传播模型和双层规划方法进行信号优化设计。以交叉口入口引道交通流为研究对象, 改进元胞划分及其状态描述方法, 建立了交叉口元胞传播模型; 以相位优化问题为上层规划, 以配时优化问题为下层规划, 同时优化信号相位和配时。应用精确罚函数法转化下层规划后, 集成遗传算法和混沌优化方法, 设计了信号优化求解算法。实例计算结果表明: 该算法克服了混沌优化在大范围内失效的缺点, 提高了遗传算法的局部搜索能力和搜索精度, 与相位固定的感应控制相比, 车流总延误为270.2 pcu·h, 总延误减少了5.6%。     

基于图像序列区域混沌特征的海面舰船目标检测算法

为了检测复杂海面背景中的舰船目标, 提出了一种基于图像序列区域混沌特征的目标检测新算法, 算法利用小数据量法计算图像序列区域的最大Lyapunov指数, 分析运动目标存在时背景信号混沌特征的变化, 并利用混沌特征的变化差别检测淹没在混沌背景信号中的目标信号, 最后对100帧图像进行了目标检测。计算结果表明: 新算法检测率为100%, 虚警率为5%, 检测结果优于利用统计分析方法的结果。     

基于深度时频特征的机车轴承故障诊断

针对现有机车轴承诊断方法存在故障特征提取不理想、诊断精度低等问题,提出了一种基于深度时频特征的机车轴承故障诊断新方法;利用双通道一维和二维卷积神经网络(CNN)分别对输入的一维原始信号和连续小波变换(CWT)提取的二维时频信号进行深度特征提取;为使输入的一维原始信号简单而有效地反映出信号在时域的全局特征,上通道使用一维CNN,为使输入的二维时频域信号能多角度地反映出信号的细微局部变化,下通道使用二维CNN;在融合层中将上下通道特征自动融合成一个新的深度时频特征,并将提取到的深度融合时频特征经归一化指数函数进行故障分类识别;在此基础上,分析了某局机务段实测的7种机车轴承数据,验证了本文方法的实际工程应用价值。研究结果表明：基于深度时频特征的机车轴承故障诊断方法对7种机车轴承故障的平均诊断精度达到了100%,与一维CNN模型、二维CNN模型和支持向量机(SVM)模型相比,平均诊断精度分别提高了0.7%、1.9%和2.2%;本文方法提取的深度时频特征中每类故障分布间隔规则有序,类内间距很小,而单个一维CNN模型和二维CNN模型提取的特征的每类故障分布间隔不规则,类内间距较大,说明基于深度时频特征的机车轴承故障诊断方法提取深度特征的能力优越,是一种解决机车轴承故障诊断问题的有效模型。     

用矩阵结构模型进行结构损伤检测和故障诊断

研究了利用测量稳态柔度矩阵来识别结构损伤的理论方法 ,通过较少的测量点对高阶的有限元模型进行参数校正来识别结构损伤 ,从而避开模态选择、模态截断等情况的发生 ,为结构振动故障诊断提供了理论依据     

水泥混凝土路面错台自动检测方法

为实现水泥混凝土路面错台自动检测, 分析了主动光学三维形状测量技术, 利用面阵CCD相机作为图像接收装置, 构建了主要包括电源子系统、图像采集子系统、触发子系统与GPS定位子系统的基于线激光扫描的水泥路面错台检测平台。根据水泥混凝土路面三维检测数据的噪声特点来确定噪声滤波阈值, 先进行均方差滤波, 再对处理后的三维数据进行开运算和腐蚀运算, 消除数据中的孤立点。根据滤波之后的三维数据矩阵大小分成均匀的块, 利用块的均值消除斜面, 再依次取消除斜面之后的三维信息数据矩阵的每一行的拐点, 得出拐点矩阵, 从而计算出错台量。为了验证检测方法的可行性和有效性, 在实验室模拟了平行错台、梯形错台和交叉错台, 按错台量的大、中、小分别进行3次检测, 并与水准仪检测结果进行对比。对同一错台, 用水准仪和三维检测方法分别进行10次重复性检测, 分析了检测方法的重现性。试验结果表明: 检测方法测量结果与水准仪检测结果的绝对误差中有96%小于1mm, 水准仪检测结果的标准差约为三维检测方法的7.8倍, 表明三维检测方法具有较好的准确性、稳定性和可重现性, 可用于水泥混凝土路面错台自动检测。     

基于收敛趋势变分模式分解的齿轮箱故障诊断方法

从中心频率的角度出发,深入分析变分模式分解算法中不同初始中心频率的分解特性;利用分解特性对变分模式分解中使用的初始中心频率进行合理更新,在没有先验知识的情况下自适应分解信号的整个分析频带;根据峭度准则,从分解的子信号中选取包含故障信息最丰富的故障分量;对选出的最佳故障分量进行平衡参数优化和稀疏编码收缩处理,并进行包络分析;基于变分模式分解的特性,构建一套完整的基于收敛趋势变分模式分解的齿轮箱故障诊断方法,并应用诊断方法于汽车变速器齿轮箱中齿轮早期局部损伤故障识别和齿轮接触疲劳试验机中齿轮箱故障诊断。研究结果表明：在变分模式分解算法中存在着收敛趋势现象,随着初始中心频率的逐渐增大,所提取模式的收敛中心频率与其相对应的初始中心频率具有特定的收敛关系;提出的方法无需参数先验知识,可自适应地将振动信号进行分解;试验1中提出的方法分解得到的故障分量峭度为3.056,优化处理后故障分量的峭度为24.812,传统的2种初始化中心频率变分模式分解方法的故障分量最大峭度分别为2.830和2.421,快速谱峭度分析方法未能提取出故障分量;试验2中诊断方法分解得到的故障分量峭度为3.467,优化处理后故障分量的峭度为19.780,传统的2种初始化中心频率变分模式分解方法的故障分量最大峭度分别为3.231和3.361,快速谱峭度分析方法未能提取出故障分量;提出的方法能够增强瞬态特征和故障特征频率,在齿轮箱故障诊断方面更具准确性和优越性。     

基于自适应多尺度形态学分析的车轮扁疤故障诊断方法

建立了56自由度车辆动力学模型与车轮扁疤模型, 计算了车辆的动态响应。车辆的振动信息往往受到轨道不平顺和车速波动等因素的影响, 为了能在强噪声背景下有效提取轮轨冲击特征, 提出了自适应多尺度形态学滤波分析方法, 研究了车轮扁疤引起的轴箱振动特征, 分析了轨道激扰和车辆运行速度对车轮扁疤故障诊断效果的影响。仿真结果表明: 在100、150、200km·h^-1的车速和美国五级谱、三级谱的激扰下, 分别使用7个和9个尺度的结构元素进行形态学滤波, 正确地识别出10、15、20Hz车轮扁疤故障频率。实测结果表明: 当车速为40km·h^-1时, 使用7个尺度的结构元素进行形态学滤波, 提取出了2 Hz的故障频率, 此频率与理论故障频率相对应, 诊断结果可靠。