基于小波包字典优化的旋转机械振动信号压缩感知重构方法

采用工业无线传感器网络的机械状态监测系统需要进行复杂的数据压缩和高精度的重构,而传感器网络节点资源受限,针对这一问题提出基于小波包字典优化的旋转机械振动信号压缩感知重构方法。该方法结合小波包多分辨率分析及K-SVD字典训练方法,提出了小波包字典优化方法代替传统的正交基字典稀疏表示方法,提高稀疏度。根据旋转机械振动信号自身特征,提出用块稀疏贝叶斯学习最大期望值算法,代替传统仅依赖于稀疏假设的算法实现信号重构。实际轴承振动信号仿真结果表明,该方法相对于传统的压缩感知方法重构性能明显提高。     

基于优化分类的机械振动信号压缩感知

针对复杂机械振动信号压缩感知过程中存在的稀疏字典构造困难问题,提出了基于QPSO分类的自适应稀疏字典构造方法。该方法根据信号的分割尺度,将信号进行分块,并利用每一信号块的能量大小,构造能量序列,利用QPSO对能量序列进行优化分类,保证不同类别间能量序列的方差最大,从而实现对信号块的分类,采用K-SVD对不同类信号块分别进行稀疏字典的自适应学习训练,产生与信号相适应的稀疏字典,用于机械振动信号的压缩感知重构过程。通过滚动轴承实测信号在不同状态下的压缩感知实验表明:所提方法能够有效提高信号重构的峰值信号比,改善机械振动信号的重构效果。     

稀疏信号的周期非均匀采样研究

为了实现稀疏信号的有效采样,根据稀疏信号仅有部分频带有能量的特点,建立了周期非均匀采样与重构的模型;利用联合子空间理论将采样与重构转换为向量运算。借助多测量向量模式确定非零行向量的位置,并通过插值器实现信号完整重构,使其能够在数字系统中应用。实验与仿真结果表明该方法能够实现稀疏信号的采样与重构。     

振动信号包络线的稀疏重构最优化算法研究与应用

经验模态分解是处理非线性、非平稳信号的有效方法,其核心关键是包络线的提取。针对目前提出的包络拟合算法所存在的端点效应、拟合误差大、抗噪性低等问题,在文献[9]的基础上,提出一种基于稀疏复原最优化算法提取信号包络线的方法。首先利用外罚函数将包络线稀疏优化模型的凹问题转换为凸二次规划问题;其次采用混合变异粒子群算法对改变稀疏基频带宽度的变化因子m进行全局寻优,利用最优变化因子构建适合包络线变化趋势的最佳稀疏基,然后将采集信号的所有极值点作为稀疏重构过程中的观测值,利用最佳稀疏基与观测值建立稀疏重构模型,使用内点法对该模型进行处理,最终自适应地得到了全局最优的包络线信号。结果表明,该方法可以有效抑制端点飞翼问题,粒子群算法的引入可以自适应地匹配最优的稀疏基映射带宽,在拟合精度和抗噪声等性能方面获得了比文献[9]更好的效果,有效提高了包络线拟合精度和抗噪性。     

基于APSO-LSSVM模型的光谱反射率重建算法研究

目的 研究光谱反射率重建算法,提高光谱反射率重建精度.方法 首先通过多光谱相机和分光光度计分别获取Munsell色卡和SG140色卡的通道信息和光谱反射率值,经归一化后将Munsell色卡的通道信息和光谱反射率值作为训练样本的输入和输出.然后,采用APSO算法对LSSVM的最优正则化参数γ和核参数σ进行寻优,构建基于APSO-LSSVM的光谱反射率重构模型.在对模型参数进行寻优过程中,为保持粒子的活性,在粒子群算法中引入自适应惯性权重,并根据遗传算法中的变异思想,加入了变异操作,在普通粒子中引入变异因子.在每次迭代更新中,粒子以一定概率初始化,使粒子群算法可以跳出局部最优解,在较大的空间内进行优化.结果 基于APSO-LSSVM模型对SG140色卡进行光谱反射率重建实验,文中方法的平均色差为0.4677 abΔE?,平均均方根误差为0.0006.相较于最小二乘支持向量模型和反向传播神经网络模型的重构精度均有很大的提高.从显色效果来看,文中方法的显色结果更接近真实颜色,人眼基本上难以察觉到两者间的差异.结论 基于APSO-LSSVM的光谱反射率重建算法可以有效地提高光谱反射率重建精度,实现了利用多光谱相机拍摄的多通道信息重构获得精确的多光谱图像.     

采用BP神经网络优化的振动信号压缩感知方法

无线传感网络逐渐应用于结构健康监测,但是因能耗问题难以实现长期、高频的数据采集工作。压缩感知技术可利用少量的采样点重构原始信号,有望降低无线传感网络的能耗。实测振动信号因受到噪声干扰而导致稀疏性有限,常用于压缩感知的LASSO算法难以精确求解稀疏系数,进而影响振动信号重构效果。引入BP神经网络优化LASSO算法解得的稀疏系数,BP神经网络经ADAM优化算法训练后,可有效提升振动信号重构精度。用三层框架结构的模拟加速度数据和广州塔的监测加速度数据验证方法的有效性,并探讨了正则化参数和优化迭代次数的影响。结果表明,基于BP神经网络优化的压缩感知方法的信号重构效果在不同压缩率下均优于非优化的压缩感知方法。     

基于改进SL0算法的MSFA模式多光谱图像去马赛克方法

针对MSFA模式多光谱图像去马赛克算法精度较低和计算复杂等缺点,利用压缩感知理论在信号恢复方面的优势,提出一种新的光谱图像去马赛克算法。采用随机模式的多光谱滤波阵列MSFA获得马赛克图像,通过将MSFA采样值等效为压缩感知理论中的感知矩阵采样所得数据,将去马赛克问题转化为压缩感知稀疏信号恢复问题,并利用多光谱图像的谱间相关性,给出基于压缩感知框架的多光谱图像去马赛克模型,最后采用改进的光滑0范数算法求解去马赛克问题,得到重构的多光谱图像。客观评价指标显示,该算法的峰值信噪比值相较于克罗内克压缩感知和组稀疏两种算法有明显提高;主观评价结果表明,该算法能有效减少重构图像中的锯齿现象,具有更好的视觉效果。     

压缩传感-稀疏信号的采样与重构

介绍了一种新的信号处理方法-压缩传感,充分利用信号在变换域的稀疏结构知识进行信号的采样与重构。它包括三个要素:稀疏表示矩阵、非相干测量矩阵和重构算法。对时域和频域稀疏信号的采样与重构进行了仿真,并分析了信号长度、测量值、信号稀疏级和信噪比对重构误差的影响关系。     

基于稀疏AR建模信号去噪研究与应用

为去掉在不同环境、设备下所采集信号中的不同分布形态噪声,引入稀疏优化求解思路构建新的去噪算法。设信号的AR模型系数是稀疏的,且噪声对AR模型系数影响均衡分布,则可用采集的含噪声信号构建稀疏AR模型有效消除噪声。用含噪声信号构建AR系数矩阵作为过完备稀疏基,通过多次重复随机抽取方式获得多个欠定方程组;利用稀疏优化求解算法获取AR模型稀疏系数;据稀疏系数平均值重构信号。仿真实验表明,信号含噪声较大时该算法较经典小波及中值滤波去噪效果更好。     

一种基于多尺度线调频基的稀疏信号分解方法

在线调频小波路径追踪算法和稀疏信号分解的基础上,提出了一种基于多尺度线调频基的稀疏信号分解方法.该方法采用多尺度的线调频基函数对信号进行投影分解,通过从不同的时间支撑区内投影系数最大的的基函数集合中寻找出使分解信号能量最大的基函数组合,逐次获得分析信号中能量最大的信号分量.该方法可以有效地分解出频率变化呈线性或曲线型的多分量信号,且不存在二次型时频分布的干扰成分,具有良好的时频聚集性和较高的频率拟合精度,非常适用于机械振动非平稳信号的分解.将该方法与EMD方法进行了比较,验证了方法的有效性.     

基于振动分布特征的电力变压器绕组故障诊断

振动分析法是实现电力变压器带电监测与故障诊断的重要手段,而基于振动分析法的故障诊断方法的关键在于从复杂的油箱壁振动信号中提取出状态特征(值或矢量)。传统的状态特征提取方法大多选取单个测点的振动信号进行时域或频域特征的提取,往往忽略了各测点间的振动分布特征。从振动重心的角度对振动分布的幅值重心及重心轨迹进行研究与分析,能够提出四个量化参数。在四个量化参数的基础上结合支持向量机分类算法提出基于振动分布特征的变压器绕组故障诊断模型。实际变压器的绕组故障实验以及十余台台电力变压器现场实测数据样本的分析与测试结果均表明,提出的振动分布特征及量化参数能够有效反映变压器绕组变形、压紧力松弛等机械结构变化,而基于振动分布特征的绕组故障诊断模型也可准确的对变压器绕组机械结构状态进行检测与诊断。     

基于相空间重构和遗传优化SVR的机械设备状态趋势预测

针对机械设备振动信号序列的非线性、非平稳性特点,提出了一种基于相空间重构与遗传优化支持向量回归机的设备状态趋势预测方法。首先,采用相空间重构技术将一维振动信号时间序列转化成矩阵形式,自适应地选取特征,以相点作为输入特征训练SVR预测器;然后应用自适应遗传算法对惩罚因子、不敏感系数以及高斯核宽度进行同步优化,自动获取最佳的建模参数;最后构建SVR预测模型,并将其应用于某机组振动信号预测。实验结果表明,无论是单步还是24步预测,本文所提遗传优化SVR模型的预测精度都要比标准SVR模型的预测精度高,说明该方法对机械设备的运行状态趋势具有较好的预测能力。     

稳健的稀疏信号单快拍波达方向估计

通过稀疏重构得到传感器阵列输出数据的稀疏表示模型,研究了单快拍采样情形下的信号到达角(Direction of Arrival, DOA)估计问题。提出了一种基于最小均方误差(Minimum Mean-Square Error, MMSE)准则迭代实现的单快拍到达角估计算法(Iterative Implementation of MMSE, II-MMSE)。该算法将原有的稀疏表示模型中稀疏信号矢量的求解问题,转化为迭代求解稀疏功率对角阵,进而估计多目标信号的DOA。给出了算法的完整实现流程,从理论上分析了II-MMSE算法的迭代收敛性和对阵列模型误差的鲁棒性。仿真结果表明,II-MMSE算法在低信噪比、相干背景、小样本、阵列未校准等条件下都具有良好的测向精度和多目标分辨能力。     

时频流形自适应稀疏重构的遥测振动信号特征增强方法EI北大核心CSCD

针对遥测振动信号非线性、非平稳性、瞬态冲击性等特点,提出一种基于时频流形自适应稀疏重构的遥测振动信号特征增强方法,对振动信号进行相空间重构提取其时频流形;以时频流形为基础,采用KSVD算法自适应构建过完备字典,并从中找到最匹配的时频原子,根据得到的原子与相空间展开信号的时频分布,依次匹配计算获得其重构的稀疏系数;利用稀疏系数和时频原子对相空间中各维信号的时频分布进行重构,通过时频分布的逆运算和相空间还原得到特征增强信号。仿真和实测信号处理结果验证了算法的有效性。     

基于多视图立体视觉的沙堆三维尺寸测量研究

利用从运动中恢复结构方法(SFM),提出了一种基于多视图立体视觉的沙堆三维重建及三维尺寸测量方法。首先根据SFM方法的求解不稳定特点,结合光束平差法对SFM求解过程进行分析及优化;其次针对SFM重建结果为稀疏点云的问题,利用基于面片的稠密重建算法重新生成稠密的三维点云,再利用泊松算法对密集点云进行三维曲面重建;最后获得模型的三维尺寸信息。对某建筑工地的沙堆进行了三维尺寸的测量实验,实验结果验证了该方法的有效及可行性,提高了重建能力及精度,同时考虑了目标实际测量误差与重建误差,能够满足实际智能测量的应用需求。     

基于稀疏信号功率迭代补偿的矢量传感器阵列DOA估计

针对现有稀疏信号功率迭代算法对方位相近目标分辨概率与估计精度较低问题,提出了一种稀疏信号功率迭代补偿的矢量传感器阵列波达方向(Direction of Arrival, DOA)估计方法。基于稀疏信号补偿原理和加权协方差矩阵拟合准则,构建了关于稀疏信号功率与补偿权重的目标函数。推导了稀疏信号功率迭代更新表达式的闭式解。通过对稀疏信号功率进行谱峰搜索获得DOA估计值。理论分析表明,所提算法通过对离散网格点上的信号功率进行补偿提高了方位相近目标的分辨率概率与估计精度。仿真结果表明,相较于经典子空间算法与现有稀疏功率迭代算法,所提算法对方位相近目标具有较高的分辨概率与估计精度。     

扭振信号拓扑网络的轧机动态扭矩测量

为解决实际测试中轧机传动系统关键点处动态扭矩不易同时测量的难题，提出一种扭振信号拓扑网络的轧机动态扭矩测量方法。通过把扭振计算的力矩和转角位移看作系统的输入输出信号，依据拓扑思想，建立信号之间的扭振信号拓扑网络模型。把有限实测点的测试数据代入扭振信号拓扑网络模型，可获得传动系统中其它关键点处的扭振参数值。轧机实际现场扭矩测试和数据分析处理结果验证了理论推导的正确性。这为轧机现场监测中不易同时布置传感器且非同轴的关键测点的振动参量获取提供了有效方法。通过编制程序可以实现轧机扭振在线监测和故障分析，从而保证轧机正常平稳运行。     

隧道掘进爆破振动在地表及上部岩体传播特征?

为了解隧道掘进爆破振动信号在地表及上部岩体内传播的特征,以鹤大高速小沟隧道掘进爆破为工程背景进行研究。对地表部分,现场监测后利用小波包分析对监测数据进行信号去噪重构处理,对得到的纯净信号进行时频分析及能量分布研究,进而得出振动信号沿地表的频率分布规律及能量衰减规律。对上部岩体,利用ANSYS/LS-DYNA进行数值模拟,提取关键点振速,分析得出开挖与未开挖两侧振动信号在隧道上部岩体内传播过程中的质点振速与能量衰减规律。为隧道爆破掘进动力响应研究、爆破震害评估和爆破设计的改进提供依据。     

薄壁机匣发动机轴承位置不平衡响应矢量逆推方法

整机动平衡相较传统工艺动平衡可大幅提高整机不平衡振动控制效率;由于发动机振动测点位于薄壁机匣支承结构表面,无法直接测得轴承位置的不平衡响应矢量,使整机动平衡难度增大。为此,提出一种基于机匣外部测振信号的轴承位置不平衡响应矢量逆推方法;虑及薄壁机匣支承结构动力特性的影响,通过仿真分析结合试验获得测点振动响应与轴承位置不平衡激励之间的影响函数矩阵;利用该函数矩阵及机匣外部振动测点实测响应逆推轴承位置不平衡响应矢量。通过对典型双转子发动机高保真机匣系统的数值仿真分析,验证了该方法的有效性;对于实现发动机转子不平衡矢量逆推以及整机振动控制具有工程应用价值。     

基于相关函数矩阵及卷积神经网络的结构健康监测研究

环境激励下利用时域振动响应构建的内积矩阵是结构健康监测中一种较好的结构特征参数。为了提升结构健康监测方法的识别准确率,构建内积矩阵时往往需要较多的振动响应测点,这将直接影响方法的工程实用性。该文基于时域振动响应的相关性分析理论,将内积矩阵扩展到了相关函数矩阵,实现从少量的振动响应测点中获取更多的结构健康特征信息,以降低结构健康监测方法对测点数量的需求。进一步结合卷积神经网络优异的数据特征提取能力,以相关函数矩阵为输入、结构健康状态为输出,提出了基于相关函数矩阵及卷积神经网络的结构健康监测方法。典型航空加筋壁板螺栓松动监测的实验研究结果表明,仅采用结构上任意2个测点的时域振动响应,该文方法针对螺栓松动位置的识别准确率可达99%以上。