时空信息多模式融合模型应用研究

给出了时空多模式融合模型(MM模型)的实用建模方法.利用华北地震和北京SARS 2个时空数据集对MM模型进行了建模应用和性能评价,与单纯神经网络模型相比,MM模型的预测准确性与预测趋势变化的能力均有所提高.分析表明,利用MM模型对不同类型时空过程建模时,不同分量信息所起到的作用并不相同.     

基于SVD的柴油机振动信号盲分离预处理

在利用独立分量分析对缸盖振动信号进行盲分离时,原始采样信号不满足独立分量分析的基本假设,而且缸盖振动信号信噪比较低,影响分离的速度和精度.采用小波阈值降噪的方法进行了降噪处理,提高了信噪比.采用奇异值分解的方法估计了缸盖振动的独立源数,并对缸盖振动信号进行了白化处理,为独立分量分析的应用建立了基础.     

基于小波包分解和特征能量提取技术的车内传导干扰源识别

车内大功率用电设备的电压波动是车内产生传导干扰的主要原因。文中介绍了通过对采集的干扰信号进行小波包分解,对系数进行最小风险的去噪处理,然后提取特征能量来识别车内传导干扰源。最后采用EM-test设备发生干扰信号进行实验,结果表明该方法对车内电压波动的主要干扰源有较强的识别能力。     

三维刚架系统分解优化研究

介绍了分解优化法的发展及三刚架系统的分解优化研究,同时也介绍了该法的解耦理论及程序,算法的正确性及有效性通过二个算例得到了验证。优化结果表明,无论初始设计是否可行,均可获得满意的结果且迭代迅速、收敛平稳。     

基于WPES与MEEMD的船用主机振动研究

为揭示船用长冲程低速柴油机健康状态下的振动特征,采用小波包能量谱（Wavelet Packet Energy Spectrum, WPES）和改进的总体平均经验模态分解（Modified Ensemble Empirical Mode Decomposition, MEEMD）结合的特征提取方法,对典型推进工况下低速机的表面振动信号进行3层小波包分解和重构。通过对能量占比较大的节点采用MEEMD方法进行分解,获得IMF1分量频谱。研究结果表明,在40%以下的较低发动机负荷时,各单次燃烧循环的振动波动较小,振动幅值基本一致。提升至50%以上发动机负荷时,燃烧引起振动波动明显增强。50%工况下,中高频能量占总能量的41.51%,为主要振动源。     

反应位移法在明挖地铁车站抗震计算中的应用

为研究不同计算模型的精确度及实用性,针对不同的反应位移法模型,以某明挖地铁车站为例,在不同地震作用下进行ANSYS建模计算,并与时程分析法计算结果进行对比分析,总结不同模型对结构内力的影响。发现反应位移法比经典反应位移法计算复杂,结果偏差较大;强制反应位移法计算量最小,但在地震作用较大时精度较低;整体反应位移法精度高、计算量小,用于明挖地铁车站的抗震设计可以提高工作效率和计算精度。     

基于EMD(经验模态分解)奇异值熵的城市轨道交通直流牵引供电系统短路故障辨识

针对现有保护对远端短路电流和列车充电电流区分能力较弱的问题,提出了一种基于EMD(经验模态分解)奇异值熵的辨识方法.通过对暂态电流进行EMD,获得特征向量矩阵,结合SVD(奇异值分解)和信息熵理论构造奇异值熵.远端短路时,暂态短路电流信号复杂,其奇异值熵大;而列车充电电流信号单一,其熵值小.因此,可根据奇异值熵大小识别短路故障.仿真和实测数据验证了该方法的有效性.     

基于平均加窗周期图法的工况传递路径分析

为改善工况传递路径分析（OTPA）在实际应用过程中精度较低,存在数据耦合的现象,文章提出了一种基于平均加窗周期图法的OTPA方法。利用加权函数即窗函数对输入、输出响应的时域数据进行截取分析,增强信号傅里叶变换时的周期性,改善数据频域分析出现的泄露现象,并应用截断奇异值分解法对输入响应信号进行解耦,提高传递率计算精度。最后将改进的工况传递路径分析方法应用于某电动汽车主驾驶座椅振动分析,拟合出的目标点响应频谱与目标点真实频谱重合度较高,且成功识别出主要振动源,为电动汽车主驾驶座椅减振工作提供了理论依据。     

基于小波去噪与经验模态分解的混合储能容量优化配置

针对风电出力并网困难的问题,提出采用混合储能系统平抑风电输出功率波动.首先,采用小波分析对风电输出功率信号进行小波去噪;其次采用经验模态分解对去噪后的功率信号进行分解;然后将储能系统内部功率指令划分与系统容量配置相结合,以储能系统容量配置成本最小为目标,建立混合储能容量优化模型,通过穷举对不同分界点所对应的系容量配置成...     

基于形态学滤波和CEEMDAN-WVD的车轮失圆诊断

现有列车车轮失圆监测方法的准确性受车速及线路条件影响较大,为了更准确地监测车轮服役状态,文中提出基于形态学滤波和CEEMDAN-WVD的车轮失圆诊断方法：车辆轴箱垂向振动加速度经数学形态学滤波器滤波降噪后,运用完全噪声辅助聚合经验模态分解（CEEMDAN）将其分解为一系列的固有模态函数（IMF）,然后选取能量熵增量相对较大的几阶IMF分量进行Wigner-Ville分布（WVD）计算,从而叠加得到轴箱振动加速度的多尺度时频图,最后根据多尺度时频图的分布特征来诊断车轮状态。通过仿真分析和工程实例研究结果表明,运用该方法可有效地识别复杂工况下的车轮服役状态。