故障源信号的频域盲分离及其应用研究

盲源分离可以对相互统计独立的信号源经线性组合而产生的一组混合信号进行分离,从中得到各个独立的源信息.针对混合信号相位差对独立分量分析算法性能的影响问题,提出一种故障源信号的频域盲分离方法.该方法利用频谱的线性叠加性和无相位性,先将工程实测信号转换到频域,再对得到的信号频谱进行盲源分离.仿真实例和涡流传感器失效检测的成功应用表明,根据信号结构选择预处理方法十分重要,正确的预处理可以大大提高独立分量分析提取故障源特征的有效性.     

Log-normal湍流信道中超奈奎斯特传输系统的误码性能

超奈奎斯特传输理论与调制技术相结合,可有效提高系统的频谱效率。本文将超奈奎斯特理论引入大气激光通信系统,构建了一种适合于log-normal湍流信道的超奈奎斯特光传输系统,推导了QPSK调制方式下超奈奎斯特大气光传输系统平均误码率的表达式,利用蒙特卡洛仿真进一步分析了该系统的误码性能及频谱效率。结果表明:采用超奈奎斯特技术方案可以较大幅度提升大气光传输系统的频谱效率,当SNR为18 dB,S.I.为0.4时其频谱效率可以达到1.7 Baud/Hz,而未采用超奈奎斯特技术时只有1.56 Baud/Hz。另一方面,大气湍流对超奈奎斯特系统误码性能的影响较明显,当S.I.为0.4,BER为3.8×10^-3时,信噪比恶化了约1 dB。相对于频谱效率的提升,误码性能的恶化是能够接受的。因此,可以将FTN技术引入大气光传输系统来提高系统的频谱效率。     

结合 FastICA 与 EKF 的腹部源胎儿心电信号提取

针对腹部源信号,本文提出一种结合快速独立分量分析(FastICA)与扩展卡尔曼滤波(EKF)的胎儿心电信号提取方法。首先抑制原始母体腹壁混合信号中的基线漂移、工频干扰和脉冲伪迹。然后使用FastICA从母体腹壁混合信号中分离得到母体心电信号估计以及含有残留母体心电成分和其他噪声的胎儿心电信号估计。使用EKF对胎儿心电信号估计进行滤波得到残留的母体心电成分估计,将其抑制后获得含噪声的胎儿心电信号。最后再次使用EKF提取得到清晰的胎儿心电信号。采用临床数据进行实验,本文提出的胎儿心电信号提取方法的灵敏度、阳性预测值和F_1分数分别为99.27%, 94.35%, 96.71%,其基于互相关系数和基于特征值分析的信噪比分别为6.145 4 dB和6.509 6 dB。实验结果表明本文提出的方法在主观视觉效果和客观评价指标上均优于传统的胎儿心电信号提取方法。     

联合应用MUSIC与FastICA算法实现多个时空混叠源信号的波形重建

联合应用多信号分类与快速独立分量分析算法,分离多个时空混叠源信号,并重建其波形。利用多信号分类的方法,基于二阶统计量辨识观测信号的噪声子空间,并搜索与噪声子空间和方向矢量同时正交的多源位置参数,实现源信号波达方向的估计。利用基于固定点迭代的快速独立分量分析方法,通过最小化互信息这一高阶统计量测度来估计传感器阵列的增益模式,进而估计未知的源信号混叠矩阵。实现多个时空混叠源信号的分离与波形的重建。试验结果表明,基于多信号分类与快速独立分量分析联合的新方法,能有效辨识复值时空混叠矩阵,正确分离并重建来自不同方向的混叠源信号,从而为后续的进一步应用(如弱信号检测、故障诊断等)奠定基础。     

基于时间序列变分贝叶斯理论的信号盲源分离

研究信号盲源分离中源信号和混合矩阵估计问题.独立分量分析盲源分离的不足之处在于不能估计混合矩阵和源信号的能量及顺序;变分独立因子分析盲源分离的不足之处在于依赖参数初值.将一般变分贝叶斯理论用于时间序列,推导出时间序列的变分贝叶斯期望极大算法.将此算法用于信号盲源分离,同时将传感器噪声逆方差的分布取为Wishart分布,得到了理论上更合理的后验分布参数更新规则.仿真数据和实际语音信号盲源分离结果表明这种方法可以比较准确地估计混合矩阵和源信号,在一定程度上弥补了独立分量分析和变分独立因子分析盲源分离的不足.     

改进集成噪声重构经验模式分解的微弱时频特征增强方法及应用*

基于噪声利用机制,集成噪声重构经验模式分解方法(Ensemble noise-reconstructed empirical mode decomposition, ENEMD)利用原信号中固有噪声分量改善模式混淆现象,并通过固有噪声分量的相互抵消作用实现信号降噪。然而,该方法中关键噪声估计技术采用类硬阈值处理方式,忽略系数之间相关性。为此,研究基于相邻系数降噪原理的ENEMD噪声估计技术,提高固有噪声分量估计的准确性。在此基础上,将改进ENEMD方法引入Hilbert-Huang变换中,提出改进ENEMD的微弱时频特征增强方法。该方法以无模式混淆的本征模式分量(Intrinsic mode function, IMF)准确表征微弱故障信号的瞬时频率,并以降噪IMF有效提高时频谱信噪比,消除时频谱中噪声杂点,显著提高信号时频表示的分辨率,增强微弱故障的时频表征并突显局部故障征兆,为机械早期和微弱故障识别提供有效手段。工程实例表明该方法有效揭示空气分离压缩机碰撞与摩擦故障征兆,并成功提取重油催化裂化机组早期微弱碰摩故障特征。     

基于独立分量分析的动车组模型噪声分离

研究表明高速列车的噪声由多种因素混合而成,有效的分离出各种噪声对列车的减振降噪具有重要意义。针对动车组模型试验提出一种适用于分离试验段观测噪声的盲源分离方法。对观测噪声进行EEMD分解,使单通道欠定问题转化为正定问题;利用主成分分析进行源信号数目的估计,提出利用至少包含源信号信息90%的主成分重构观测信号;对重构的观测信号利用独立分量分析进行分离。仿真实验说明该方法可有效的分离出源信号。在动车组模型风洞试验中,试验段传声器的观测信号主要是由气动噪声和风机振动噪声混合而成,所估计的源信号数目与试验条件一致。分离出的气动噪声和风机振动噪声源信号与原始源信号的主要频率一致,相关系数都大于0.65,属于强相关,说明了该方法对动车组模型试验噪声分离的有效性。     

独立分量分析在机械振动信号分离中的应用

针对机械运转时工作环境复杂,监控采集的信号多为混合信号的情况,研究了如何从混合信号中分离出相对应的各振动源信号.采用独立分量分析的分离方法,通过对极大似然估计的目标函数进行简化,基于无需选择学习率的快速不动点迭代的优化方法,选用可同时估计亚高斯和超高斯独立成分的非线性函数估计概率密度,推导出了该算法.最后,对工程中几种特殊情况下的混合信号进行仿真和实验室实测的分离试验.结果表明,算法简单易行,具有快速稳定收敛的性质.     

多元消减约束独立分量分析及其在振源贡献量计算中的应用

为寻找机械系统的主要振源,提出一种利用多元消减约束独立分量分析(Multi-unit deflation constraint independent component analysis,MDcICA)估计振源贡献量的方法。约束独立分量分析(Constraint independent component analysis,cICA)在经典独立分量分析(Independent component analysis,ICA)算法的对照函数中利用约束的形式引入源信号先验知识,提高独立分量的精度和算法的稳定性,并能够得到独立分量和振源信号的对应关系。在cICA中引入多元消减技术,去除混合信号中每次迭代被提取的独立分量的成分。多元消减过程中混合信号能量的减少量等于被提取独立分量对混合信号的贡献量。将提出的算法引入到壳体激励试验台和圆筒结构试验台中,成功地完成了试验台机械振源的分离和贡献量的计算。     

IVMD融合RobustICA的内燃机噪声源分离

为了准确分离识别内燃机的主要噪声源,提出了一种改进变分模态分解融合鲁棒独立分量分析的方法。首先,针对变分模态分解方法的分解数选择问题进行了算法优化,提出了基于重构信号能量比和中心频率的改进变分模态分解方法,并利用仿真信号进行了验证;其次,进行了内燃机噪声试验,利用改进变分模态分解将单通道信号分解成多个信号分量,根据信号分量与源信号的互信息主要分量识别,克服了主要噪声分量选择客观依据不足的问题;最后,通过鲁棒独立分量分析提取主要噪声分量的独立成分,并结合相干分析和时频分析进行噪声源识别。结果显示,所提出的方法能够有效进行噪声源分离,可成功识别出燃烧噪声、活塞敲击噪声和空压机噪声等内燃机主要噪声源。     

基于稀疏处理的多能X射线分离成像

利用独立成分分析(Independent Component Analysis,ICA)并结合多能X射线图像的丰富信息可以将二维X射线图像中重叠目标分离成像,但是海量的图像数量,以及高像素数的要求均会使内存占有量和计算速度面临挑战,因此本研究将压缩感知(Compressed Sensing,CS)与ICA相结合进行分离成像,以提高计算速度和分离成像性能。研究过程中,首先根据被拍摄物体的物质组成确定拍摄多能X射线图像数量,并选取CS技术中K均值奇异值分解(K-means SingularValue Decomposition,K-SVD)稀疏基将多能X射线图像进行稀疏表示,然后利用ICA将此稀疏表示进行盲源分离得到独立源,最后采用正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)将独立源进行重构实现分离成像。研究结果表明:采用ICACS技术比仅采用ICA进行目标分离成像的运行时间减少了46.14s(23.3%)、内存占有率降低了21%、重构图像峰值信噪比(Peak Signal to Noise Ratio,PSNR)提高了2.665dB、边缘梯度提高了0.001、信息熵提高了0.09。     

差动调速的风电机组传动特性研究

对差动调速的新型风电机组的传动系统调速原理、总体功率流向及传动效率进行研究。在完成机组传动系统三轴动力学模型的基础上,建立了1.5 MW差动调速风电机组仿真模型,并通过实验验证了仿真模型的准确性。利用1.5 MW仿真模型,对该机组的传动特性进行仿真研究,结果表明：在不同风速条件下,该机组的整体传动效率高,最高可达0.951;调速端功率消耗占同步发电机输出功率的比值小于 15.47%,且输出转速稳态最大误差小于1.23%。所研究风电机组的传动性能可以很好地满足实际应用要求。     

大跨度三心柱面网壳风压分布试验研究

通过大气边界层风洞刚性模型同步测压试验,对大跨度三心柱面网壳表面风压分布特性进行了研究。根据试验结果分析了结构不同风向下的平均和脉动风压分布、典型测点脉动风压谱以及相关性等。结果表明:风向角对网壳表面风压分布有较大的影响,一般情况下,结构迎风面为正压区,顶部为负压区,尾流区受分离、涡脱和再附等特征紊流影响明显;结构的边沿处受柱涡、锥形涡影响明显,风压梯度变化剧烈。迎风面大部分区域脉动风压功率谱类似于典型的纵向风湍流谱,呈单峰形状,主要激励为来流湍流;边沿处风压谱受特征湍流影响明显。结构表面相关性随测点间距离的增加而不断减小;风向不同,相关性衰减差别较大。     

Angular resampling for vibration analysis in wind turbines under non-linear speed fluctuation

This work presents the development of an angular resampling algorithm for applying in conditions of high speed variability, as occurs in wind turbines, and the results obtained when applied to simulated signals, bearings diagnostic test-beds and wind turbines. The results improve the accuracy of similar resampling algorithms offered by the consulted bibliography. This algorithm is part of the wind turbine diagnostic system developed by the authors.     

基于全矢谱时间固有尺度分解和独立分量分析盲源分离降噪的滚动轴承故障特征提取

结合盲源分离技术和全矢谱技术的各自优势,提出一种同源双通道信噪盲源分离法。首先采用时间固有尺度分解（ITD）和独立分量分析（ICA）相结合的分析法降噪,对同源双通道的轴承信号进行ITD分解,根据相关系数准则将分解得到的PRC分量进行重组作为ICA输入矩阵,再采用FastICA解混,实现故障信号与噪声信号的分离;其次采用全矢谱技术对信噪分离降噪后的双通道有效分量信号进行全矢信息融合,做全矢谱分析。滚动轴承故障实验对比分析表明了该方法的有效性。     

风电机组可靠性研究现状与发展趋势

对国内外风电机组失效模式和可靠性研究进展进行分析,对风电机组增速齿轮箱、轴承、发电机、叶片和润滑系统等关键零部件失效模式、失效原因及其检测方法进行归纳总结;分析了风电机组可靠性研究的常用方法和可靠性研究现状,给出了提高风电机组可靠性的研究重点、研究方法和措施。结合工程需求和研究现状,对风电机组可靠性研究趋势进行了分析,提出风电机组智能健康管理技术路线,该技术对降低风场运行维护成本和提高风电机组运行安全性具有重要意义。     

LMD-ICA联合降噪方法在滚动轴承故障诊断中的应用

针对经典独立分量分析（ICA）只能应用于观测源数不少于信号源数的超定盲源分离问题,提出局部均值分解和ICA相结合的欠定盲源分离新方法。该方法将采集的单通道振动信号进行局部均值分解,基于互相关准则对分解的分量进行重组,构建虚拟噪声通道;将虚拟噪声通道与振动信号作为盲源分离的信号输入,采用基于负熵的FastICA算法实现信号源和噪声的分离,从而达到降噪目的。将该方法应用于滚动轴承故障信号,频谱分析结果表明,该方法处理后的信号中噪声得到一定程度滤除,频谱中毛刺更少,故障特征频率更加明显,有利于故障特征的提取,实验分析证明了该方法的有效性。     

基于压力反馈的液压型风机低电压穿越控制方法

结合液压型风力发电机组低电压穿越的控制要求,以实现低电压穿越过程中的功率快速调整为控制目标,提出了一种基于压力控制的低电压穿越控制方法,即在原有低电压穿越控制环的基础上加入压力控制环。通过AMESim和MATLAB/Simulink软件搭建仿真平台进行联合仿真,并依托30kV·A液压型风力发电机组半物理仿真实验平台进行实验验证。结果表明,所提出的控制方法既可实现功率的快速调整,也能有效地抑制并网转速的瞬态冲击。     

温变工况下螺栓松动检测的独立成分分析方法

导波损伤检测技术的关键在于检测出结构损伤引起的导波信号变化,但环境温度变化也会影响导波传播过程,引起信号改变,导致损伤检测的失败。为了消除温度变化的影响,笔者采用独立成分分析(independent component analysis,简称ICA)方法处理导波响应信号。作为一种盲源分离的算法,ICA能够从混合信号中提取得到独立的未知源信号分量。因此利用ICA方法能将导波的响应源信号从被温度变化干扰的混合信号中分离出来,实现消除温度变化干扰的目的。为验证该方法的可行性,以螺栓连接铝板为对象进行实验,采集不同温度下螺栓全紧及松动状态的导波响应信号,将其经过ICA方法处理后应用到损伤定位算法中。结果表明,应用ICA处理后的导波信号能够成功定位松动螺栓,证实了ICA方法排除温度变化对导波传播影响的有效性。     

风电转盘轴承载荷谱的设计应用

建立了偏航、变桨轴承的空间力系及载荷方程,介绍了风电转盘轴承在各种设计要求下的静强度载荷谱和滚动接触疲劳载荷谱,并以此为基础对某型号风电转盘轴承进行了校核。