采用非线性量子比特的形态滤波及其应用

针对数学形态学结构元素无法动态调整尺寸的问题,结合量子理论提出一种基于非线性量子比特的形态滤波方法,提升形态学的机械振动信号处理效果。分析机械信号与量子理论结合的可行性,并在此基础上构建机械振动信号的峰值波谷的量子表达形式;结合振动信号的最大值和最小值,通过数学分析提出非线性量子比特的表达式,用于表达振动信号的瞬时状态;根据振动信号邻域的关联性,分析振动信号的局部特点,建立振动信号的三量子位系统;根据机械振动信号的峰值波谷的量子表达形式,在三量子位系统的框架内,提出机械振动信号在量子概率特征下的结构元素尺寸收缩算子,并基于尺寸收缩算子实现结构元素长度的自适应调整。运用轴承故障信号进行分析,结果表明,该方法能够比传统方法更加有效地提取出故障脉冲信息。     

基于量子启发数学形态学的传动系统振动信号处理

针对数学形态学中传统结构元素无法自适应调整高度的缺陷,引入量子理论提出了用于腐蚀算子的合成量子启发结构元素(compound quantum-inspired structuring element for erosion,CQSEE),用于提取机械传动系统振动信号的故障信息。CQSEE借助量子理论描述噪声和故障信息,在计算过程中充分考虑了噪声和故障信息的不同特点,实现了结构元素高度的动态调整。应用CQSEE分析滚动轴承故障信号,结果证明CQSEE提高了腐蚀算子的形态学分析能力。     

广义形态差值滤波器的构造及其在轴承故障中的应用

针对传统形态学结构元素选择的不确定性和广义形态学结构元素间相互影响的缺点,提出一种根据局部极值步长确定形态学结构元素尺寸的方法,充分利用信号的局部信息和局部极值步长,达到自适应选取最优结构元素尺寸的效果,解决了形态学结构元素选取时存在的不足。针对数学形态学在强噪声下滤波效果不理想这一不足,构造了广义形态学差值滤波器,将其与传统形态学滤波器进行仿真对比,结果显示广义差值滤波器的降噪和故障特征提取的效果明显优于传统形态滤波器,并将其应用到滚动轴承故障信号的特征提取中,结果表明该方法能够有效的抑制噪声,明显的提取滚动轴承的故障信息特征,实现滚动轴承的故障诊断。     

参数优化的组合形态-hat变换及其在风力发电机组故障诊断中的应用

开闭-闭开组合形态滤波(Combination morphological filter,CMF)可以有效剔除振动信号中的脉冲干扰,顶帽(Top-hat,TH)变换充分反映出信号周期性的冲击特征,借鉴此两种形态算子的理论思想,提出一种新的数学形态算子——组合形态-hat变换。为准确描述形态学算子在振动检测应用中的理论依据,通过非线性滤波器频响特性的分析方法考察形态学算子的滤波性质。此外,针对数学形态算子中结构元素的尺度按经验选择的问题,采用粒子群优化算法(Particle swarm optimization,PSO)对组合形态-hat变换的结构元素尺度进行参数优化,提高数学形态算子在振动信号处理中的精确度。通过仿真信号和实测风力发电机组振动信号的分析结果表明,参数优化的组合形态-hat变换在抑制背景噪声和提取冲击特征方面具备优良的性能,并能够准确高效地识别出风力发电机组齿轮箱高速轴齿轮的磨损故障,具有一定的实际工程应用价值。     

采用量子理论和数学形态学的机械状态分析

针对数学形态滤波器中的腐蚀算子,结合量子理论知识,提出量子权重结构元素(quantum-inspired weighting structuring element,QWSE),用于提取机械振动信号中故障信息。首先,分析多量子位系统,并建立从量子空间到实数空间的映射方法,获得QWSE的计算式。随后,根据机械振动信号的随机性计算量子权重,根据振动信号的局部特征计算QWSE的动态高度,获得生成QWSE所需的全部参量。最后,将QWSE应用于轴承运行状态分析,准确的获取了故障周期。     

正弦变载荷工况下液压泵振动信号的形态学滤波方法

液压泵的振动信号在受到大幅度变载荷作用时将引起振动特征的变化,特别是在正弦载荷变化的作用下,将会产生幅值调制现象。采用传统的单一尺度结构元素的形态学方法对该类信号进行滤波的效果不一定理想。因此,针对正弦载荷液压泵振动信号的特点,在单尺度形态滤波分析方法的基础上,提出了兼顾形态学结构元素长度和高度尺度的多尺度形态学滤波方法。首先,以冲击特征比值和二阶原点矩作为评价指标,提出综合考虑结构元素长度和高度尺度的寻优方法,确定最优长度和高度尺度算子组合。然后,用最优尺度组合对正弦载荷模拟仿真信号和变载荷液压泵故障振动信号进行滤波处理,分析结果证实其滤波效果优于单尺度滤波方法滤波效果。     

自适应多尺度形态学方法在齿轮箱轴承故障特征提取中的应用

针对轴承故障特征提取问题,提出一种自适应多尺度形态学方法。该方法采用形态闭、开相减构成的差值形态算子提取信号中的正、负冲击成分,基于信号的局部峰值间隔确定扁平结构元素的尺度,产生由若干不同尺度结构元素组成的集合,对信号进行自适应多尺度形态学分析。仿真实验结果表明,该方法能有效提取信号的冲击成分,且较单尺度形态学方法有更好的效果。将该方法应用于轴承故障信号处理,结果表明该方法对提取轴承故障特征频率有良好效果。     

多尺度柔性形态滤波在轴承故障诊断中的应用

针对经典的形态学滤波在取单一结构元素的情况下存在缺陷的问题,提出了一种基于多尺度柔性形态滤波的轴承振动信号滤波方法。多尺度柔性数学形态学在保留柔性形态学好的鲁棒性、滤除正负噪声和保留细节等优点的同时,进一步对其结构元素进行改进,以期获得更好的脉冲提取性能。将多尺度柔性形态滤波应用于轴承故障诊断,结果表明,其比经典的柔性形态滤波能更好地保留振动信号中的冲击脉冲,为轴承故障的进一步诊断打下基础。     

基于数学形态滤波的齿轮故障特征提取方法

针对齿轮故障特征的提取问题,提出一种根据信号形态特征对齿轮故障信号进行形态滤波的新方法.形态滤波是一种新的非线性滤波方式,可以有效地提取出信号的边缘轮廓以及信号的形状特征.对Lorenz信号进行不同结构元素的数学形态滤波处理,证实形态滤波对抑制信号噪声、保留信号非线性特征方面的作用.采用长度为齿轮冲击周期长度的0.6～0.8倍的扁平结构元素,对齿轮断齿故障振动信号进行形态闭运算处理,并对滤波后的信号进行频谱分析.结果表明,利用形态滤波可以从齿轮断齿信号中成功提取隐含在噪声中的冲击故障特征.     

数学形态学在电气设备故障信号提取中的应用

将数学形态学应用到电气设备故障诊断的特征信号提取中。简要分析了电气设备故障诊断过程,介绍了将数学形态学应用于电气设备故障信号提取上的优势;并将基于数学形态学滤波器与Butterworth、FIR滤波器的滤波效果进行了比较,得出基于数学形态学滤波器滤波效果更优的结论;最后对各种电信号的提取进行了仿真试验,验证了将数学形态学应用于特征信号提取的可行性。     

Faults diagnosis of rolling element bearings based on modified morphological method

In order to effectively smooth noise and extract the impulse components in the vibration signals of defective rolling element bearings, a new modified morphology analytical method has been proposed. In this method, average of the closing and opening operator has been used as the morphology operator. Being the flat and zero adopted as the shape and the height of structure element (SE), respectively, the optimized length of SE is defined by a new proposed criterion (called SNR criterion). The effect of the new method is validated by both simulated impulsive signal and vibration signal of three defective rolling bearings with an outer, an inner and a rolling element faults and compared with Nikolaou’s method. The result shows that the proposed method has the superior performance in extracting impulsive characteristics of vibration signals, especially for the high level noise signals, and can implement better in diagnosis of defective rolling element bearing.     

A joint adaptive wavelet filter and morphological signal processing method for weak mechanical impulse extraction

Periodical impulses are vital indicators of rotating machinery faults. Therefore, the extraction of weak periodical impulses from vibration signals is of great importance for incipient fault detection. However, measured signals are often severely tainted by various noises, which makes the detection of impulses rather difficult. As such, a proper signal processing technique is necessary. In this paper, a hybrid method comprised of wavelet filter and morphological signal processing (MSP) is proposed for this task. The wavelet filter is used to eliminate the noise and enhance the impulsive features. Then, the filtered signal is processed by the morphological closing operator and a local maximum algorithm to isolate periodical impulses. To select the proper parameters of the joint approach, i.e., the center frequency, the bandwidth of wavelet filter, and the length of flat structuring elements (SE), a novel optimization algorithm based on differential evolution (DE) is developed. The results of simulated experiments and bearing vibration signal analysis verify the effectiveness of the proposed method.     

Bearing fault diagnosis based on an improved morphological filter

The extraction of repetitive impacts from vibration signals plays an essential role in bearing fault detection. Among different signal processing algorithms, morphological filter (MF) has attracted lots of attention because it could directly extract the geometric structure of the impulsive feature and only needs little computation. However, the conventional MF and some current improvements are based on the local optima of the raw signal to de-noise the noisy signal and its faulty feature extracting capability would be greatly affected by the noise. In this paper, a new improved MF algorithm is proposed to overcome such deficiency. Firstly, morphological gradient (MG) operator is selected in this paper due to its capability of picking up both positive and negative impulses. Then, based on the relationship between the defect induced impulse and a harmonic function with the resonant frequency, the harmonic waveform in a period is adopted to instruct the construction of structuring element (SE). The improved MF can obtain the fault feature from low SNR signals. The processing results of a simulation signal and two sets of experimental signals and a set of comparisons verify the effectiveness and robustness of the proposed method.     

基于迭代形态梯度解调算子的轴承故障检测

针对形态梯度算子结构元素需要单独选择,结构元素选择不当导致故障检测效果不佳的缺点,提出一种不需严格选择结构元素,通过形态梯度解调算子迭代提取脉冲信号的方法。对受到低频干扰的仿真脉冲调制信号和轴承故障信号的分析结果表明,此方法既抑制了噪声又充分突出了故障信号的冲击特征,对滚动轴承故障特征的提取效果更明显。具有计算速度快,不受低频干扰,结果准确稳定的特点。     

基于EMD的能量算子解调方法及其在机械故障诊断中的应用

为了提取多分量的AM-FM信号的频率和幅值信息,提出了基于EMD (Empirical mode decomposition)的能量算子解调法,并将它应用于机械故障诊断中。该方法首先采用EMD将多分量的AM-FM信号分解成若干个IMF(Intrinsic mode function)分量之和,然后对每一个IMF分量进行能量算子解调,从而提取多分量的AM-FM信号的幅值和频率信息。对机械故障振动信号的分析结果表明,基于EMD的能量算子解调法能有效地提取机械故障振动信号的特征。     

独立分量分析在机械振动信号上的应用研究

独立分量分析在机械振动信号的特征提取上能起到重要作用。首先建立以信息论为框架的独立性判据和优化算法,然后给出衡量独立分量分析分离性能的指标,这样建立的优化算法能很好地分离出混合信号。最后对两个亚高斯信号和一个超高斯信号的混合信号进行仿真实验。仿真结果表明,灵活的ICA算法分离效果要好于随机梯度算法的分离效果,该信号分析方法具有收敛性好,误差小的优点。     

提升小波包渐变式阈值选择与量化降噪方法

为了实现移动装备发动机缸盖振动信号的在线处理,提出一种基于提升小波包变换的渐变式阈值降噪方法。分析了移动装备发动机缸盖振动信号的时频特性,介绍了插补细分提升小波包变换算法。提出一种渐变式阈值选择与量化策略,以适应信号与噪声特点。引入基于类可分离性测量的降噪效果评价标准,实现了复杂实测信号降噪效果的量化评价。应用实例表明,渐变式阈值与量化策略,能在全频带内很好地消除噪声并保留有用信息,具有更好的降噪效果。