一种新的滚动轴承故障诊断方法

滚动轴承发生故障时,其振动信号常呈现出强烈的非平稳特性。提出了一种基于小波变换和固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)的滚动轴承故障诊断方法。阐述小波分析基本理论和ITD分解基本原理。着重介绍基于小波和ITD分解滚动轴承故障诊断。仿真信号和实验结果表明,以小波与ITD分解相结合的信号特征提取方法,能够准确有效地提取滚动轴承的故障特征。     

一种船体及周围自由面的网格自动生成方法

船体湿表面及船体周围的自由面网格自动生成技术是采用Rankine源方法进行水动力分析的基础.文中使用累加弧长三次参数样条函数生成船体湿表面网格,使用无限插值的方法生成自由面网格,运用拉伸变换确定自由面网格外边界上的结点分布以控制自由面面元的疏密.使用该方法生成的网格进行了水动力分析,计算结果表明该方法准确灵活,可以满足使用Rankine源方法对船舶进行水动力分析的需要.     

船联网中曲波阈值图像去噪自适应算法研究

随着船联网时代的到来,对于图像的传输质量要求越来越高。本文给出一种改进的曲波阈值图像去噪自适应算法,该算法结合反应扩散滤波器,有效利用曲波变换与反应扩散滤波器的优势,既抑制曲波图像去噪过程中所产生的"虚假"现象,也弥补反应扩散滤波会产生斑点噪声的缺点。     

基于双树复小波的被动目标特征提取方法研究

针对水下目标辐射噪声特征提取困难的问题,提出一种基于双树复小波变换的特征提取方法。首先,采用一种改进的小波阈值去噪方法去除水下目标辐射噪声信号中的噪声成分,该方法可以获得优于经典小波阈值去噪方法的结果;其次,在特征提取过程中,采用具有近似平移不变性的双树复小波变换,该方法能够克服信号时移带来的影响,得到稳定的目标特征向量。仿真试验和实航数据处理结果表明,本文方法提取的目标特征向量比使用离散小波变换提取的结果更稳定。     

一种基于脉内特征的PRI变换新方法

脉冲重复间隔(PRI)变换及其改进算法是雷达信号分选领域的经典算法。随着信号环境的日益复杂,不同调制的多种雷达信号,具有交叠严重,PRI分布范围广的特点,加上脉冲抖动现象严重,使传统算法的分选能力大大减弱,甚至会出现分选出错现象。针对上述问题,对改进的传统算法进一步改进,提出一种新的变换分选算法,新方法利用脉冲的脉内特征进行脉冲预分离,大大降低了信号的复杂程度,能够适应PRI值分布在较大范围内的抖动雷达信号分选问题,并通过模拟仿真验证新算法的有效性。     

基于均匀试验法的VISSIM车道变换参数标定

应用均匀试验方法,提出以进口道平均停车延误误差为指标的车道变换参数的标定方法。分别设定8个参数的默认值、取值范围和步长,并设计均匀试验表格。最后结合实例,对单个交叉口的车道变换参数进行标定,得到与该交叉口车辆运行情况最相符即进口道平均停车延误误差最小的参数取值。     

小波自适应阈值的混沌去噪方法*

为了提高小波分析方法在混沌去噪中的自适应能力,对不同尺度下的小波信号设定调节因子,根据混沌序列关联维的大小确定最优阈值。为了提高寻优效率,采用遗传算法全局自适应搜索最优阈值。利用该方法对Lorenz混沌时间序列进行了去噪分析,结果表明所提方法是非常有效的。     

基于小波变换和ARIMA模型的桥梁健康监测数据分析

为了对桥梁健康监测系统采集的海量数据进行深入挖掘,使其在结构评估中效用最大化,将监测数据视为一维信号,以小波变换、时间序列分析为工具,对某四跨连续刚构桥挠度监测数据进行了分析,研究探讨了该方法对于监测数据分析的适用性。对于监测数据进行离散小波变换,根据小波变换系数分析得出了结构监测数据的发展趋势,同时可过滤掉数据信号中已缺失细节信息的系数,重构信号,对该重构信号进行时间序列分析,采用最小二乘法进行参数估计,建立了重构信号的ARIMA预测模型,成功对某大桥某时刻后未来一定时间的挠度进行了预测。研究结果可以预测桥梁结构在未来某周期内的运营状态信息,对于结构运营状态监测预警有积极的意义。     

基于小波变换的雷达图像处理技术及仿真

在现代船舶中,航海雷达广泛应用于航海导航、目标物检测跟踪及安全运行等领域,所以在船舶中配备实时高效的雷达数据及图像处理系统成为利用航海雷达的关键。同时,小波变换由于其具有高分辨率的图像处理功能而在图像处理领域得到了较为深入的研究应用。本文研究航海雷达图像信息中混入噪声及杂波的分布特性,提出一种基于小波变换的雷达图像数据杂波抑制、去除噪声的方法,最后给出仿真结果并进行分析。     

基于电压频域特征和异常系数的动力电池故障诊断方法

动力电池系统是电动汽车(EV)的关键部件和主要故障源,因而提高动力电池故障诊断的效率和准确率显得尤为重要。基于此提出一种基于快速傅里叶变换(FFT)和异常系数评估(ACE)的动力电池电压不一致性故障诊断方法。针对6辆发生故障或热失控事故的电动汽车和1辆电压一致性良好的电动汽车,基于其在新能源汽车国家监管平台的全生命周期运行数据,经过电压数据的数据清洗、数据变换等大数据预处理后,利用FFT技术时频变换,提取频域中的幅值作为故障诊断的特征参数;然后,引进基于Z分数理论的异常系数对故障程度进行定量评估,以实现故障单体的检测和定位;此外,针对存在多个故障单体的情况,基于单体异常率的计算,实现单体故障程度的判定和排序;在此基础上,详细分析电压数据长度及采样间隔、FFT采样点数对模型的影响;最后,与基于熵和Z分数的电压故障诊断方法进行比较。研究结果表明:在上述研究条件下,该诊断方法对于电压一致性良好的车辆未产生误报警,且可以有效地检测出事故车辆动力电池系统存在的电压不一致性故障;相比之下,模型平均计算准确率提高了3.25%,模型平均耗时仅为熵值模型的0.55%;验证了该方法故障单体定位更精准、数据适用性更好及计算速度更快的优点。该研究成果能有效实现动力电池电压不一致性故障诊断,具有较高的工程应用价值。