湿式离合器磨合过程的多重分形谱预测

针对湿式离合器试验过程中磨合状态的预测问题,结合试验过程中摩擦转矩信号的几何结构特征,提出利用多重分形谱及其参数来预测磨合状态的新方法。阐述了基于盒计数法计算多重分形谱的方法;给出了多重分形谱参数的定义及其与摩擦转矩信号之间的内在联系;利用多重分形谱及其参数对某型号湿式离合器磨合过程的摩擦转矩信号进行分形表征。分析结果表明：多重分形谱及其参数能够定量地刻画试验过程中摩擦转矩信号的几何特征,并且随着磨合过程的进行,谱宽、最大最小概率子集分形维数差及谱偏斜度都呈现逐渐减小趋势,而最小奇异指数则呈现逐渐增大趋势。因此,利用试验中摩擦转矩信号的多重分形谱能够有效地预测湿式离合器的磨合状态。     

疲劳状态下EEG信号α波的最大李雅普诺夫指数估算

脑电信号(EEG)的α波在人体的疲劳评估中具有重要作用,通过脑电信号的α波,可以挖掘更多的有关人体疲劳的信息.利用非线性动力学的方法对EEG信号α波进行了研究,比较了疲劳与非疲劳EEG信号α波之间的非线性动力学上的差别.人在疲劳与非疲劳下的EEG信号α波最大李雅普诺夫指数是不同的,当出现疲劳时指数减少,因此李雅普诺夫指数可作为人体是否疲劳状态的特征刻画指标.文中非疲劳状态的最大李雅普诺夫指数为0.436 67,疲劳状态者的最大李雅普诺夫指数是0.335 57,它们均为混沌信号,但是处于疲劳状态节律的混沌程度明显比处于非疲劳状态的混沌程度低.     

基于表面肌电信号的绝缘手套法带电作业人员上肢肌肉疲劳分析

绝缘手套法是配网带电作业的主要作业方式,为获取穿戴绝缘手套的带电作业人员上肢肌肉的疲劳特性及其诱发的肌肉骨骼系统疾患(work-related musculoskeletal disorders,WMSDs)的风险,开展了基于表面肌电信号(surface electromyogra-phy,sEMG)的绝缘手套法带电作业人员上肢肌肉疲劳评估研究.针对配网绝缘手套法的典型作业工况,搭建了绝缘手套法带电作业上肢的sEMG试验平台,采集受试者上肢(右手)各目标肌肉在是否穿戴绝缘手套下的sEMG信号;基于时域特征参数积分肌电值(integrated electromyography,IEMG)、均方根值(root mean square,RMS)及频域特征参数平均功率频率(mean power frequency,MPF)、中位频率(median frequency,MDF)对绝缘手套的上肢肌肉疲劳特征进行评估;基于支持向量机(support vector machine,SVM)构建了带电作业人员上肢肱桡肌疲劳状态识别模型.结果表明:穿戴绝缘手套作业时各目标肌肉更容易进入疲劳状态;穿戴绝缘手套作业时,作业人员上肢部位的肱桡肌、肱二头肌、肱三头肌、三角肌的疲劳程度依次递减,与仿真计算的分析结果一致;sEMG时域特征参数IEMG、RMS对作业人员上肢肌肉疲劳的表征效果要优于频域特征参数MPF和MDF;带电作业人员上肢肱桡肌疲劳状态识别模型总体平均准确率为86.56％,能有效识别上肢肱桡肌肌肉疲劳状态.     

基于多重分形的齿轮故障特征提取方法

为提取齿轮的故障特征,提出利用多重分形谱参数来表征齿轮振动信号特征的方法.运用多重分形理论对实测的齿轮振动信号进行分析,计算了振动信号的多重分形谱参数,并对齿轮振动信号多重分形谱参数的变化规律进行了研究.结果表明:齿轮工作状态不同,振动信号的多重分形谱参数△a、△f及fmax发生明显变化.当齿轮出现断齿故障时,△a、△f和fmax均显著增大.多重分形谱参数可定量刻画振动信号的特征,成功识别齿轮断齿故障.     

多重分形去趋势波动分析的振动信号故障诊断

针对基于配分函数的多重分形分析不利于局部标度特性突显的问题,把多重分形去趋势波动分析(MF-DFA)方法引入到振动诊断领域,提出对振动信号进行多重分形谱参数(|B|,α0,Δα和Δf)故障特征分析,并将α0用于故障诊断.首先分析了振动信号的多重分形特性;然后提取振动信号的4种多重分形谱参数特征,并进行了比较;最后用支持向量机算法实现振动故障诊断.研究表明:去除趋势后,振动信号的波动呈现显著多重分形特征,正常状态振动信号的α0明显大于故障状态,而振动信号的|B|,Δα和Δf特征变化规律则不明显;α0作为故障特征量,能有效地区分正常状态与故障状态,有效实现了振动故障诊断.     

OFDM信号的多重分形谱特征盲识别算法

针对非合作通信条件下的调制方式识别问题,提出了一种正交频分复用(OFDM)信号的多重分形谱特征盲识别算法.该算法首先提取通信信号多重分形谱最大值对应的奇异性指数以及通信解析信号平方处理后经两次傅里叶变换的幅频信号的多重分形谱跨度作为信号特征参数,然后通过多层决策树分类器完成对OFDM信号和单载波信号的识别.该算法提取的...     

经验模式分解后海杂波的分形特性

针对实测海杂波数据信号进行分析,判定海杂波信号具有多重分形的特性.鉴于海杂波是一种非线性非平稳性的雷达回波信号,充分发挥经验模式分解(EMD)的优势,并结合多重分形的特性,提出一种新的海杂波背景下的目标检测方法.首先,使用EMD方法将海杂波信号分解为若干个固有模态函数分量(IMF);然后,利用多重分形趋势起伏分析法(MF-DFA)求主IMF分量的广义Hurst指数;最后,通过实测的海杂波数据进行训练和测试.研究结果表明,该方法可有效实现海杂波下的目标探测,且性能优于经典时域和分数阶傅里叶变换(FRFT)域下的广义Hurst指数的目标检测方法.     

股市时间序列的多重分形消除趋势分析

为了探索股票时间序列的无标度性,应用多重分形消除趋势分析的方法(MF-DFA)来研究沃尔玛指数(WMT)日收盘价.研究结果表明,沃尔玛指数日收盘价的变化具有多重分形的特性,广义Hurst指数显著依赖于波动函数的阶数,并随之变化;尺度函数表现出明显的非线性性质;多重分形谱呈现单峰钟形图像.     

基于多重分形降趋算法与改进的K均值聚类滚动轴承故障诊断

针对滚动轴承振动信号非线性、非平稳的特点,提出采用多重分形降趋算法计算多重分形谱参数作为特征参数,对比分析了多重分形降趋波动分析法及多重分形降趋移动平均法提取轴承故障特征的优劣性.并提出改进的K均值聚类分析对多重分形降趋算法提取的特征参数进行分类,从而实现轴承故障诊断的目的.运用滚动轴承公开数据对方法进行验证,提取时域特征与多重分形谱参数进行对比分析,并对两种多重分形降趋算法的效果进行对比分析,验证了多重分形降趋波动分析法与改进K均值聚类相结合对轴承故障诊断的有效性,为轴承故障诊断方法提供了一种新的尝试.      

基于WTMM与多重分形的信号毛刺去除方法

信号检测和分析经常受到毛刺的干扰,因此有必要将其去除.小波变换作为一种理想的时频分析方法,能够对信号进行多尺度或多分辨率分析,从不同层次把握信号的特征信息,为此提出了一种基于小波变换模极大值与多重分形的信号毛刺去除方法,分别利用多重分形谱、局部有效Hlder指数实现毛刺的检测与定位,进而实现毛刺的去除.实验证明,这种方法是可行和有效的,为非平稳随机信号中的毛刺去除提供了一种行之有效的方法.     

去滑动均值趋势的DeWijs模型多重分形特征分析

运用去滑动均值算法,探讨了De Wijs模型的多重分形特征。结果显示,趋势波动函数Fq(s)与尺度s具有较好幂律关系,Hurst指数h(q)与标度函数τ(q)都是随q变化的非线性函数,且随着富集参数d的增大,多重分形谱f(α)曲线跨度越大,指示多重分形特征越明显。这表明去滑动均值算法是识别De Wijs模型的多重分形特征及区分其分形强度的有效方法,可为进一步应用于实验数据的非线性特征分析提供理论指导。     

SAR图像小波域消噪方法

目的 介绍小波域SAR图像消噪算法，并且提出一个小波域内利用多重分形参数修正的雷达图像消噪算法。方法 在系统分析SAR图像与小波之间联系的基础上，通过实验表明SAR图像中原始信号与噪声的多重分形参数不同，采用小波域内对多重分形谱相关的Hoelder指数修正方法进行SAR图像消噪。结果 该算法可以在保留信号边缘、纹理等奇异性情况下，消除斑点噪声。结论 小波进行SAR图像消噪具有独特的优势，随着如分形理论的各种非线性理论的引入，对于具有非线性特征的SAR图像斑点消噪研究将取得更好的效果。     

手臂疲劳时表面肌电信号特征

为了解表面肌电信号(surface electromyography, sEMG)特征的变化规律,找出更加有效的疲劳特征参数组合,通过回归分析和皮尔逊相关系数分析的方法研究了6名受试者负重状态下,手臂表面肌电信号的时域、频域和时频域特征参数与主观疲劳感量表(rating of perceived exertion, RPE)之间的关系。结果表明:随着负重时间的持续,sEMG的时域特征均方根值(root mean square, RMS)和积分肌电值(integrated electromyography, iEMG)有上升趋势,频域特征平均功率频率(mean power frequency, MPF)、中值频率(media frequency, MF)有下降趋势,而时频域特征瞬时平均频率(instantaneous mean power frequency, IMPF)、瞬时中值频率(instantaneous median frequency, IMF)出现先短暂上升然后下降趋势。对各特征参数进行非线性拟合,发现RMS和iEMG幂函数拟合优于指数函数拟合,而MPF、MF、IMPF和IMF指数函数拟合优于幂函数。对联合特征参数进行多元回归分析,发现RMS与MF组成的回归模型判定系数R~2最大。可见RMS与MF相结合作为评估肌肉疲劳的联合参数更加合理有效。     

A new measure to characterize multifractality of sleep electroencephalogram

Traditional methods for nonlinear dy-namic analysis,such as correlation dimension,Lyapunov exponent,approximate entropy,detrended fluctuation analysis,using a single parameter,cannot fully describe the extremely sophisticated behavior of electroencephalogram (EEG). The multifractal for-malism reveals more “hidden” information of EEG by using singularity spectrum to characterize its nonlin-ear dynamics. In this paper,the zero-crossing time intervals of sleep EEG were studied using multifractal analysis. A new multifractal measure Δasα was pro-posed to describe the asymmetry of singularity spec-trum,and compared with the singularity strength range Δα that was normally used as a degree indi-cator of multifractality. One-way analysis of variance and multiple comparison tests showed that the new measure we proposed gave better discrimination of sleep stages,especially in the discrimination be-tween sleep and awake,and between sleep stages 3 and 4.     

基于电流的芯片级集成电路故障诊断方法研究

随着芯片级集成电路规模的逐渐增大,电路结构越来越复杂,当前故障诊断方法利用电路状态对电路故障进行检测,检测精度低。为此,提出一种新的基于电流的芯片级集成电路故障诊断方法。选择动态电流对芯片级集成电路故障进行诊断,通过Haar小波函数对芯片级集成电路进行预处理。介绍了多重分形理论基础,给出动态电流多重分形谱的计算方法。针对正常芯片级集成电路的动态电流信号求出其多重分形谱,选择一组测试向量对待测芯片级集成电路进行动态电流检测,对得到的数据进行小波变换处理,求出不同尺度下动态电流小波系数的模极大值。依据小波系数模极大值求出多重分形谱,通过其和正常电路多重分形谱之间的差异判断该电路是否存在故障。实验结果表明,所提方法诊断精度高。     

利用单向驱动非线性耦合Duffing振子检测微弱信号

针对单个Duffing振子检测微弱信号时相变判别计算量大、时间长、不易把握等问题,建立了一个单向驱动非线性耦合Duffing振子系统,根据横向Lyapunov指数分析了系统在混沌态到大尺度周期态时振子间运动轨迹的同步演化特性,提出了利用同步误差来判别相变的新方法。实验仿真表明,在强噪声背景下该耦合系统仍能够正确快速地检测出微弱信号。     

Duffing 系统的非线性反馈同步控制

对Duffing混沌系统进行非线性反馈控制，设计出一种含参控制器，使得受控Duffing系统的某一状态变量与任意给定的参考信号同步．利用Lyapunov函数方法证明在此控制器作用下该系统的此状态变量按指数速率收敛到参考信号．在此基础上，研究了该受控混沌系统的自同步和异结构同步问题．数值仿真结果说明了此控制器设计方法的有效性．     

针对钢腐蚀疲劳损伤的非线性Rayleigh波检测方法

针对钢腐蚀疲劳损伤的检测和评价,提出了一种非线性Rayleigh表面波的检测方法。搭建了RAM-5000-SNAP非线性超声检测系统,采集了Rayleigh表面波非线性信号,建立了疲劳周期过程中相对非线性参数A_2/A_1~2与腐蚀疲劳寿命之间的关系。为了提高该检测方法的准确度,采用小波包分解法实现降噪处理。研究结果表明,相对非线性参数在腐蚀疲劳过程中具有先增加后保持平稳最后又急速增大的变化趋势,并且急速增大点在试件出现弯曲变形时出现。因此,非线性Rayleigh波检测方法可以实现钢腐蚀疲劳损伤的无损检测。