基于控制回路的断路器永磁机构故障特征提取方法

为了识别高压断路器故障模式并提取其故障特征,文中以ZNY1-10(6)/630-12.5型高压断路器永磁操作机构为研究对象,分析了断路器分合闸时操作机构的动作过程,在此基础上模拟了操作机构供电电压异常、分合闸线圈老化、触头及连杆机构卡涩、储能电容故障、辅助开关失效5种常见故障,选择控制回路中分合闸线圈电流和电容电压做为监测信号,确定并提取了对应特征量。提出了一种基于模糊理论的断路器故障特征提取算法,获得了故障与特征量变化的对应关系,实现对故障的区分、归类并达到辨识的目的,为高压断路器故障诊断及寿命评估提供了判断依据。     

基于短时滑移模糊熵和LPP的轴承故障诊断

针对旋转机械设备的故障特征微弱和环境噪声强等问题,提出了一种基于短时滑移模糊熵和局部保留投影法(locality preserving projection,简称LPP)的故障特征提取方法。首先,通过对滑移截断短时序列的架构分析,引入多尺度复合模糊熵,获得信号在不同复合尺度下的特征信息和故障潜在特征,能准确反应信号复杂度和不确定性;其次,应用LPP流形降维并保留信号的局部数据特征,设计最优带通滤波器,对轴承振动信号进行故障冲击特征提取。仿真分析和实验数据结果验证了该方法在强背景噪声情况下降噪抑制方面的有效性,具有快速识别和提取滚动轴承的微弱冲击特征的能力。     

基于k值优化VMD的滚动轴承故障诊断方法

针对旋转机械中滚动轴承早期信噪比较低的故障特征提取困难问题,提出了一种基于能量的变分模式分解(variational mode decomposition,简称VMD)模态数k优化选取方法,用以提取滚动轴承早期故障特征,同时避免了信号分解过分或不足。首先,对振动信号进行VMD预分解,分别在不同k值条件下计算分量信号能量与原始信号总能量;其次,根据基于能量的模态数k选取准则,确定最佳模态数值对信号进行VMD分解;最后,通过峭度准则选择分量进行信号重构,对其进行包络分析,提取故障特征频率。将该方法运用到实际故障信号中,有效提取出滚动轴承内圈微弱故障特征,实现了早期故障特征判别,具有一定的应用价值和实际意义。     

MCKD最佳故障周期搜索的齿轮箱故障特征提取

针对最小解熵解卷积(Minimum entropy deconvolution,MED)算法易受强噪声和野值的影响,引出了最大相关峭度解卷积(Maximum correlated kurtosis deconvolution,MCKD)的齿轮箱故障特征提取方法,克服了MED算法的不足。然而凭先验信息选取的故障周期,可能导致MCKD解卷积效果很差,因此提出了MCKD算法的最佳故障周期搜索思路,即在合适的滤波器阶数L下,最佳故障周期的搜索可以限定于理论计算周期左右的某一范围内,使不同步距M关于最佳周期的最大相关峭度达到全局最优,以确保了MCKD算法具有良好的解卷积效果。断齿与局部断齿故障特征提取试验结果佐证了最佳故障周期搜索思路的可行性及其效果。     

基于VMD的故障特征信号提取方法

变模式分解(variational mode decomposition,简称VMD)能够将多分量信号一次性分解成多个单分量调幅调频信号(variational intrinsic mode function,简称VIMF),但对噪声比较敏感。利用VMD对噪声的敏感特性,提出了一种基于VMD的降噪方法。利用排列熵定量确定VMD分解后各分量的含噪程度,对高噪分量直接剔除,对低噪分量进行Savitzky-Golay平滑处理,然后重构信号。运用该方法降噪后,对重构信号进行变模式分解,能够有效提取故障特征信号。仿真和实例分析表明,基于VMD的降噪方法的降噪效果优于小波变换降噪方法,VMD能有效提取故障特征信号。     

融合通用形变模型信息的面部三维重建

基于图像对的立体重建是用于获取人脸三维信息的通用方法,但根据图像数据和重建算法所得到的三维重建结果存在各种误差,本文对通用形变模型进行改进并与三维立体重建融合以得到更精确的重建结果。首先使用Max-Margin对象检测算法来获取面部边界框,其中回归树集合法能直接从像素强度的稀疏子集识别面部特征点。然后通过PCA颜色模型生成形状和颜色的三维面部统计模型,利用ISOMAP算法将三维网格转换为二维表面并提取纹理信息,得到面部模型。最后在源网格上进行两步非刚性表面配准的变形过程:先通过对源网格进行二次采样来选择少量网格点来表示源的全局变化,并选取径向基函数(RBF)进行非刚性全局变形;再对源顶点进行Procrustes分析获得非刚性变换,再通过加权方案来进行k-近邻变换,得到平滑的局部变形。将单图像重建的面部模型,立体重建的面部模型和本文的面部变形模型与高质量扫描云图进行对齐比较,得到面部变形模型的3个RMS值分别为2.795 2,2.102 8和2.153 4,相比于其他模型,面部变形模型更接近高质量扫描云图,即与原图像一致性更高,误差更小。面部变形模型的定性和定量分析表明,立体重建与人脸一般形状信息的组合在几何信息的表达上优于基于通用模型的单个图像重建以及未考虑通用模型的立体重建。     

密钥共享下跨用户密文数据去重挖掘方法

针对当前密文数据去重挖掘方法存在去重效果较差、特征聚合能力低的问题,提出一种密钥共享下跨用户密文数据去重挖掘方法.结合非线性统计序列分析方法对密钥共享下跨用户密文数据的统计特征进行采样,通过识别不同领域的统计特征进行密文数据的线性编码设计,抽取密钥共享下跨用户密文数据的平均互信息特征量.采用匹配滤波方法实现密钥共享下跨用户密文数据的去重处理.仿真结果表明,采用该方法的去重效果较好,特征聚合能力较强.     

基于函数型数据分析的疲劳驾驶状态识别

针对目前常用于脑电信号特征提取的方法存在不能很好地反映信号的连续性、内部动态变化,导致基于脑电信号的疲劳驾驶识别的准确性不理想的状况,一种基于函数型数据分析进行脑电信号特征提取的方法被提出。所提出的方法是通过计算人体在静息状态和疲劳状态的函数性差异来表示特征和进行特征的提取。基于所提出的脑电信号特征提取方法构建了1个疲劳驾驶状态识别模型,并通过使用5种常见分类器在采集的疲劳驾驶脑电信号数据上进行测试,结果表明所提出的基于函数型数据分析的脑电信号特征提取方法有效,所构建疲劳驾驶状态识别模型能获得好的识别效果,最好的识别准确率达到94.82%。     

基于UKF的苹果果实定位估计算法

在多数农村乡镇,传统小型农田主要依靠人工进行施肥灌溉、采摘果实等作业;而大中型农田虽然已经进行整改使用现代化机械,但大多还需驾驶员操作该机械完成,整体效率及操作安全性还有待提高.针对以上问题,提出了一种基于机器人自主导航UKF(Unscented Kalman Filter)位置估计算法的果实识别及定位方法.机器人携带视觉、光学、惯性等各类传感器采集果实图像信息,通过导航解算得到其位置信息,并用图像处理算法提取成熟果实特征,为农业机器人自主采摘提供更精确的技术指导.实验表明,1 000 s内采集到的所有果实x、y方向上,基于UKF算法的位置估计误差均值在[0,0.05]m范围内,对果实判断最精确;基于单个果实特征位置(0,0)cm的小范围定位采摘仿真实验表明,UKF算法的误差定位范围在两次量测中分别为[-1,2]cm与[-9,1]cm,无论是横方向还是纵方向定位靠近特征,其精度均比EKF算法提高了50%左右.