符号动力学信息熵参数优化方法研究

在机械振动信号特征提取中应用符号动力学信息熵具有很好的效果,然而其算法中的嵌入维数和延迟时间等参数严重依赖人为经验确定,成为了符号动力学信息熵工程应用中的瓶颈。根据符号动力学信息熵的算法原理,提出符号动力学信息熵延迟时间和嵌入维数独立确定和联合确定等两种参数确定方法,并使用试验信号对此两种方法进行了检验和对比。结果表明,独立确定延迟时间和嵌入维数方法相比联合确定方法具有更好的效果,为符号动力学信息熵的应用提供了新思路。     

一种非平稳、非线性振动信号检测方法的研究

排列熵作为一种统计测度，是通过相空间重构来衡量时间序列复杂度的一个参数。为研究机械设备非平稳信号的非线性动力学特征，将排列熵引入机械设备故障诊断，研究了不同工作状态下滚动轴承振动信号的排列熵和嵌入维数与时间延迟对计算机械振动信号排列熵的影响，观察设备状态变化及振动冲击对排列熵的影响并对其进行了分析。结果表明：排列熵可以有效地检测出机械设备状态的变化，可以作为检测机械设备状态变化的一个参数。     

基于相空间重构改进算法的混沌奇异谱分析及应用

针对混沌奇异谱分析嵌入维数和延迟时间不确定性问题,提出相空间重构的改进算法。利用补充准则E2(m)进行联合判断,同时对Cao算法进行了改进,给出了一种改进的嵌入维数的稳定性准则。嵌入维数利用改进的Cao算法,能够快速准确地确定嵌入维数m的值,具有准确性和高效性;用基于符号分析的极大联合熵求取延迟时间的方法,减少计算量和误差。通过数值验证对比实验验证了该方法的优越性。将该方法在滚动轴承早期故障识别中应用,结果表明:混沌奇异谱可以清楚看出不同故障信号的图形分布,实现对机械故障信号的特征提取。为机械故障早期诊断提供一种新的有效途径。     

改进相空间重构方法在混沌识别中的应用研究

讨论了传统非线性时间序列相空间重构方法的特点。提出了一种改进的相空间重构方法．为了揭示非线性时间序列中的非线性相关性。采用了一种基于关联积分的统计量，并研究了不同参数对它的影响．研究了延迟时间和嵌入维数之间的关系，并采用时间窗口描述这2个参数的变化规律．同时，应用改进方法计算了混沌时间序列的重构参数。重构了混沌信号的吸引子．研究结果表明。该方法能够从时间序列有效地重构原系统的相空间，为混沌信号识别提供了新的途径．     

金属切削过程刀具磨损信号的混沌特征

针对刀具磨损过程中声发射信号非线性特征,提出基于混沌理论的信号分析及特征提取方法。采用延迟时间法对去噪后的时间序列进行相空间重构,分析延迟时间及嵌入维数随刀具磨损的变化规律;用关联维数、最大Lyapunov指数及Kolmogorov熵三种混沌特征参数定量分析刀具在不同切削条件下随磨损量增大所呈现的变化规律。研究结果表明,刀具磨损声发射信号具有明显的混沌特征,三种混沌特征参数、延迟时间及嵌入维数与刀具磨损状态具有明显的对应关系,可用作刀具磨损状态监测、磨损量预测的特征参数。     

螺旋桨鸣音的混沌动力特性研究

利用混沌动力学方法研究螺旋桨鸣音系统时间序列,估计时间序列的相空间重构最佳参数,并首次提出其具有混沌动力特性,还进一步分析了系统拓扑维数的边界和生成系统所必须地独立变量的个数,计算分析了重构相空间中吸引子轨迹随时间演化的发散情况。分析计算结果表明：螺旋桨鸣音系统时间序列可以选取最佳延迟时间 、最小嵌入维数 进行相空间重构,其混沌吸引子的关联维数为5.1579、最大Lyapunov指数为0.0771,此研究结果可以为螺旋桨鸣音现象的进一步研究提供理论基础。     

基于多变量加权一阶局域混沌预测模型优化及应用

鉴于实际应用中多变量因素对混沌预测的影响,提出了多变量时间序列相空间重构方法,以此为基础建立多变量加权一阶局域混沌预测模型。引入等概率符号化极大联合熵求取延迟时间、最小香农熵法求取嵌入维数,实现多变量混沌预测模型子序列重构;对实际序列采用区间邻近点法确定预测中心点的邻近点,避免产生伪邻近点;最后用关联分析确定观测变量。将该模型应用于短期电力负荷预测,分析气温等影响因素与电力负荷的相关程度,引入气温时间序列作为另一观测变量,实验证明相对于单变量预测方法提高了预测精度。     

基于排列熵和神经网络的滚动轴承异常检测与诊断

针对轴承不同状态下的复杂性特征,提出基于排列熵和神经网络的异常检测与诊断方法。介绍异常检测与诊断的原理,采用排列熵算法检测信号异常,提取能够敏感反映轴承不同异常模式（滚动体异常、内圈异常和外圈异常）的排列熵、嵌入维数及关联维数等复杂度参数形成特征向量,通过神经网络对异常模式进行分类识别。结果表明：排列熵算法可以定位异常发生的时刻,以时间序列的复杂性特征参数为输入的神经网络诊断方法能够有效识别轴承的不同异常模式。     

混沌振动的自适应预测方法研究

在混沌时间序列相空间重构的基础上,提出了一种沿轨道自适应预测方法,推导了模型参数的自适应算法,并研究了不同邻域点数、重构嵌入维数对预测结果的影响,仿真研究结果表明在一定的参数条件下,该方法具有良好的预测性能。将该方法用于某型非线性隔振系统振动实验信号的预测,取得了良好的预测效果。     

基于排列熵理论的非线性系统特征提取研究

提出一种基于排列熵及其改进理论的伪相平面法,从而可以提取非线性系统中的微弱周期信号特征。通过选择合理的时间延迟和嵌入维数,对Duffing系统的响应信号进行相空间重构,得到一次排列熵和二次排列熵。随后将位移激励、一次排列熵和二次排列熵作为数据集,组成位移激励-一次排列熵和位移激励-二次排列熵两种伪相平面。通过将这两种方法与传统的相平面法、频谱分析和排列熵、排列熵谱、二次排列熵、二次排列熵谱的提取效果进行对比,验证了该方法的合理性。研究表明该方法能够对非线性系统中的微弱周期信号特征进行提取,取得了较好效果。     

水下目标辐射噪声相空间重构参数选取方法

利用自相关函数法和平均互信息法求取相空间重构的延迟参数,对实测数据计算结果进行了分析比较,确定了相空间重构时间延迟参数的选择方法。在用伪最近邻法进行相空间重构嵌入维数的选取时,使用时空曲线法计算TheilerWindow的窗口值W,并以此为依据剔除由于时间上的邻近而造成的空间上的邻近的最近邻点,改进了伪最近邻计算嵌入维数的方法。实测数据计算结果表明,该方法能够获取合理、有效的嵌入维参数。     

排列熵算法研究及其在振动信号突变检测中的应用

排列熵算法具有计算简单、实时性高、能较好地反映时间序列数据微小的变化,已成为一种检测复杂系统动力学突变的有力工具.首先阐述了排列熵算法的基本原理,通过仿真信号的排列熵计算结果,说明了时间序列排列熵对信号突变的检测效果,最后以某型坦克变速箱振动信号为例,通过提取振动信号的峰峰值特征,形成新的时间序列数据用于排列熵的计算,结果表明排列熵值的变化能够有效反映信号的突变时刻.     

确定相空间重构参数的一种新方法

用相点的惯量矩来描述相轨迹在相空间中展开的程度,用相点的惯量矩的相对变化来描述相轨迹展开的快慢。导出了相点关于主对角线的、与重构参数有关的惯量矩公式。用该公式计算了相点的惯量矩的相对变化,选出了不同维数的延迟时间。从非零延迟时间中选出的最小维数就是嵌入维数,该非零延迟时间就是最终确定的延迟量。用此方法获得的参数重构出的相轨迹质量较好,且具有抗噪能力强。     

柴油机振动信号的分形特征及故障诊断

把小波包降噪与关联维数相结合用在柴油机故障诊断中,讨论了关联维数计算中相关参数的选取。首先对柴油机缸盖振动信号进行小波包降噪处理,通过自相关函数法求延迟时间,用饱和关联维数法确定最小嵌入维数,并用改进的G-P算法求关联维数。分析发现,小波包可以有效降低噪声干扰,柴油机在不同工况下具有不同的关联维数,该方法可有效应用于柴油机的故障诊断中。