基于基音特征分析的光纤振动信号识别算法

在光纤预警安全系统中,由于光纤穿过复杂的场景区域,其信号极易受外界环境干扰,信号特征提取困难,因此需要进行有针对性的特征提取研究并设计相应的识别算法.本文提出了一种基于基音特征分析的光纤振动信号识别算法,该算法通过分析振动信号与语音信号的相似性,运用基音特征分析的方法,首先对时域上的短时能量进行端点检测确定振动信号所在的时域范围;其次求解振动信号的自相关系数,根据自相关系数得到基音;最后对基音进行分析识别振动信号的类型.通过实测典型光纤振动信号数据的实验验证,本文算法具有较高的区分度,且易于实现.     

基于多维特征的序贯概率比振源检测算法

光纤振动传感器现已应用于管道安全预警系统中,被用来获取振动信号.已有的信号识别检测方法多是采用一维特征,并主要应用于高信噪比的情况.由于实际振源产生的振动信号经常是复杂多变的非平稳信号,本文基于此情况提出采用多维特征作为振源检测模型,根据振源数据冗余量一般较大的特点,选取了序贯概率比算法完成振源检测,并利用光纤传感器采集的现场振动数据对该方法进行验证.结果表明,本文所给方法可以有效地进行振源检测,极大地提高了系统的检测性能.     

EEMD-PE与M-RVM相结合的轴承故障诊断方法

滚动轴承振动信号中包含了大量轴承运行状态信息,但是由于振动信号具有非线性和非平稳性的特点,难以充分提取振动信号中的故障特征,导致现有基于模式识别的轴承故障诊断方法的故障识别准确率较低.为了提高滚动轴承故障识别的准确率,提出了一种基于集合经验模态分解-排列熵(EEMD-PE)特征提取与多分类相关向量机(M-RVM)相结合的轴承故障诊断方法.首先,该方法利用EEMD对非线性和非平稳信号的自适应分解能力,将轴承故障信号分解为一组包含故障特征的本征模态函数(IMFs).然后,利用排列熵提取由EEMD分解得到的IMFs中的故障特征,并组成特征向量.最后,采用EEMD-PE对不同故障状态下的训练样本集进行特征提取,组成特征向量集对M-RVM分类器进行建模,以概率输出的形式实现对滚动轴承的故障诊断.实验结果表明:EEMD-PE特征提取方法能够对滚动轴承振动信号的故障特征进行有效提取,M-RVM能够对故障滚动轴承振动信号包含的故障特征进行识别.与现有轴承故障诊断方法相比较,所提出的方法能够提高故障识别准确率,达到99.58%.     

基于自适应提升小波包的故障微弱信号特征早期识别

针对齿轮箱故障微弱信号特征识别问题,设计了一种识别该类信号微弱特征的自适应提升小波包方法.该方法以提升方法为基础,构造了提升小波包分解和重构过程算法,并以分解层信号相邻样本点自相关系数的大小作为目标函数,在每个样本点上选择能够自适应匹配信号局部特性的提升小波包算子,将每个分解频带信号进行重构,识别时域故障微弱信号特征.该方法成功地识别出了某齿轮箱发生摩擦故障时隐含在振动信号中的调制波形和周期性冲击脉冲故障微弱特征.结果表明,自适应提升小波包方法对强噪声背景下故障微弱信号特征的识别效果优于经典小波包方法.     

光纤入侵信号识别的嵌入式实现方法

本文提出了一种光纤入侵信号的嵌入式平台实现方法.算法主要分为2个部分:训练模块和识别模块.训练模块包括模板训练和阈值训练.识别模块主要是基于训练部分的结果进行模板匹配和判别.通过分析所提出算法的处理时间及运算特点,将算法处理时间分解映射在FPGA+DSP的嵌入式处理器上进行实现.本文提出的实现方法已移植到嵌入式处理板,并在光纤预警系统平台进行了搭载试验,可以满足光纤预警系统对识别信号类型的实时性能要求.     

基于希尔伯特振动分解的心音身份识别算法

心音信号是典型的非平稳信号,该文提出了基于希尔伯特振动分解的心音信号分析方法.将心音信号分解为一组自适应谐波分量作为特征参数进行身份识别.对码本大小为60的心音数据库进行实验,结果识别率到达93.3％,证明了这个方法的有效性.     

基于SVM的φ-OTDR光纤振动传感系统模式识别方法研究

针对φ-OTDR光纤传感器系统对相似扰动目标识别判断的误报问题,通过多特征参量识别目标,则可有效降低误报率.提出一种基于φ-OTDR光纤振动传感系统,提取信号主波能量(MVE)、信号主瓣时延(MVBW)、信号主瓣峰峰值(MDV)、信号主波Q值(MVQV)、信号频谱(SFS)等十一种特征参量作为参考衡量标准,利用二叉树的SVM分类器模型,对10组400次实验进行相似目标识别分类,综合识别率达到90％.该方法通过多角度参量进行目标衡量判别,调高了相似识别的准确性.     

一种适用于OFDM系统的自适应AGC改进方法

动态环境下,光纤陀螺的噪声更加难于处理并且是制约光纤捷联惯导精度的重要因素。针对光纤陀螺动态信号的复杂特性难以准确估计,提出一种利用广义交叉验证对信号的小波分解层分层确定阈值的方法。在信号先验统计特性未知的情况下,利用广义交叉验证原理,该方法能够识别信号和噪声所在的小波分解层,从而分层自适应给出合理阈值。对模拟数据和动态信号仿真算例的分析表明,该方法可有效解决在动态条件下抑制光纤陀螺噪声与保留高频信号的矛盾,提高光纤陀螺动态信号处理的精度。     

基于HHT的多自由度结构渐进损伤特征提取方法

大型复杂工程结构的损伤实际上是一个渐进损伤的过程,为解决结构损伤识别中非平稳随机信号的时变性并有效地识别这个损伤过程,研究了基于Hilbert-Huang变换的结构渐进损伤特征提取方法.首先模拟产生了多自由度结构系统发生渐进损伤的加速度振动信号;然后对加速度振动信号进行经验模式分解,将其分解为多个平稳的固有模式函数之和;再选取若干个包含主要损伤信息的固有模式函数进行Hilbert变换,提取瞬时频率作为特征参数进行损伤特征提取.研究结果表明:HHT是一种有效的信号处理方法,通过提取瞬时频率,可以准确地提取结构渐进损伤的特征.     

基于EMD重构和SVM的滚动轴承故障诊断方法研究

针对滚动轴承振动信号非平稳性和故障特征难以提取的问题,提出一种基于经验模态分解重构和支持向量机相结合的故障诊断方法。首先,采用经验模态分解,将滚动轴承振动信号分解成一系列固有模态函数;其次,根据伪固有模态函数剔除法选取对故障特征敏感的模态函数进行信号重构;最后,以重构信号的有效值和峭度值作为支持向量机分类器的输入来识别滚动轴承的工作状态和故障类型。试验结果表明,该方法能有效地识别和诊断出滚动轴承的运行状态和故障类型,具有很高的工程实用价值。