基于核独立分量分析的齿轮箱故障诊断

：独立分量分析是近几年发展起来的基于信号高阶统计特性的分析方法,它是指从多个源信号的线性混合信号中分离出源信号的技术,但目前的算法在处理非线性变化的信号时还有一定的局限,而基于非线性函数空间的ICA方法—KICA,即核独立成分分析,可以解决这一问题。与传统的ICA方法相比,KICA方法具有更好的灵活性和鲁棒性。文章介绍了核独立分量的基本原理,并进行了仿真说明,最后结合包络阶次方法对齿轮箱实测的瞬态声音信号进行了分析,找到了故障特征,验证了该方法的有效性。     

基于独立分量分析与相关系数的机械故障特征提取

提出一种基于独立分量分析与相关系数的机械故障特征提取方法。首先对不同工况的机械振动信号分别进行独立分量分析,获得各种工况信号的独立分量,这些独立分量中蕴含了该工况的一些内在特征;接着利用样本与不同工况信号提取的独立分量的相关系数绝对值的和作为该样本的特征,与直接利用相关系数作为特征相比鲁棒性与区分程度都得到提高;最后使用支持向量机作为分类器进行识别。分别进行了齿轮故障特征提取与轴承故障特征提取实验,实验结果表明,此方法可以很好地提取机械故障特征信息。本文方法的优点在于直接从振动信号的原始数据中进行特征提取,获取机械故障蕴含的一些特征,应用范围广,具有较高地工程应用价值。     

包络分析在齿轮箱故障诊断中的应用

介绍了设备状态监测和故障诊断技术发展和齿轮箱故障诊断技术的特点.阐述了包络分析的基本原理及其在机械故障诊断中的应用,重点分析了包络分析方法在齿轮箱故障诊断中的应用.通过对齿轮箱轴承故障诊断的实例分析,论证了包络分析在机械故障诊断领域是一种极其有效的工具.     

基于独立分量分析特征提取的复合神经网络故障诊断法

首先利用基于固定点迭代的快速算法(FASTICA)提取不同机械状态模式(包括正常、齿轮故障及机座松动)特征．随后以此训练某一典型神经网络(如径向基网络或自组织映射网络)，以实现模式的最终分类。借助独立分量分析(ICA)及基于残余互信息(RMI)的二次特征抽取策略，隐藏于多通道振动观测中的高阶特征得以有效提取，进而实现机械状态模式的准确识别。对照分类实验结果表明，基于无导师学习的自组织映射(ICA-SOM)分类方法不仅具有较好的故障模式分类能力，且实现简单直观．在机器健康状况监测中有较大的应用潜力。     

旋转机械阶比跟踪中的阶比交叠噪声消除

旋转机械的升/降速过程的阶比分析中测试数据容易受到阶比交叠噪声分量的干扰,使得分析结果失真甚至无意义.提出了对测试数据先用独立分量进行分解,将混合信号中的阶比分量和非阶比交叉噪声分离为不同独立信号分量,在此基础上再对分离出的阶比分量信号对应独立信号分量进行阶比跟踪分析,解决了阶比跟踪分析中的交叠噪声干扰问题.对Gabor阶比跟踪和独立分量分析的基本原理进行了简要介绍,在此基础上提出了本方法的实现方案,并在阶比分析中解决了独立分量分析具有的不确定性问题.通过仿真试验和实际测试对本方法的有效性进行了评价.     

基于独立分量分析的形状识别

物体的形状识别是模式识别的重要方向之一,广泛应用于图像分析、机器视觉和目标识别等领域。在介绍利用信号的高阶统计信息的独立分量分析方法基础上,提出了基于独立分量分析的形状识别方法。利用独立分量分析算法提取出图像的独立基,根据待识别图像在独立基上投影系数的差别进行分类识别。仿真实验结果表明,该方法对于形状识别有较高的识别率。     

基于核独立分量分析的PET图像处理

随着医学成像和计算机辅助技术的发展,从二维医学图像到三维可视化技术,医学图像处理技术已经是目前医学技术中发展最快的领域之一。PET/CT系统因为同时具有多层螺旋CT和PET的临床特点,可以同时提供结构和功能方面的信息,在临床上有着广泛的应用前景。对它的图像处理也成了研究热点。因此本文对处理PET图像进行研究。本文研究了基于核独立分量分析的去噪应用于PET图像处理,实验结果表明,相对于医学图像处理中传统ICA去噪算法,本文所采用的去噪算法更适合于PET图像的处理。因此,可以判定Kernel-ICA在PET图像的去噪处理中是一种非常实用而且有效的算法,进而也可以推断出在PET图像处理中,基于Kernel-ICA的去噪算法具有很好的发展前景。     

基于改进形态分量分析的齿轮箱轴承多故障诊断研究

形态分量分析是一种基于信号形态多样性和信号稀疏表示的信号和图像处理方法,其主要目标是根据信号组成成分的形态差异性,选择合适的字典来分离信号。针对传统形态分量分析的字典选择和阈值选择的缺陷,提出了基于自适应字典选择和TH-MOM (Hard Threshold-MOM)的阈值更新策略,通过仿真信号和齿轮箱轴承多故障振动实验信号的研究结果表明：该方法不仅能将形态各异的多分量信号进行有效分离,提高了信噪比,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效地识别轴承的故障类型和部位。     

基于独立分量分析的潜艇振动信号盲分离技术

为了对潜艇实施减振降噪处理,需要对其进行振动测试.测试得到的振动信号实际上包含了多个振动源(如电机、轴、轴承、桨等)对于被测点振动的贡献.为了得到关于不同振动源的信息,采用基于自然梯度的独立分量分析(ICA)算法,分析振动测试信号的统计独立性,从而分离得到相互独立的振动源信号.仿真结果表明,采用该方法在无需任何先验知识的情况下(如固有频率、器件型号),可以很好地将不同的振动源信号分离开来,从而解决了潜艇振动源信号的辨识问题,为潜艇的减振降噪奠定了基础.     

基于独立分量分析的结构模态参数识别

简要介绍了独立分量分析的基本原理及算法,探讨了结构的正规坐标与独立分量的关系。分析认为,结构自由振动响应的振型分解可以看做是一个ICA问题。因此,可以把独立分量分析发展成为一种利用结构自由振动响应时域信号进行模态参数识别的方法。结合数值仿真算例及振动试验,验证了独立分量分析用于结构模态参数识别的有效性。结果表明,独立分量分析可以准确的从结构自振响应中,分离出各正规坐标,同时估计出各阶模态振型向量,适用于环境激励下的工作模态参数识别。     

基于独立分量分析的多源冲击定位方法

结构健康监测中常用声发射信号进行声发射源的定位及特征描述。多个冲击事件发生时,声发射信号是多个信号的混叠,而且混合方式未知,这使利用声发射信号对冲击源进行定位变得非常困难。而近年来兴起的基于独立分量分析的盲源分离技术为解决这一难题提供了可能。本文采用基于信息极大化原理的反馈网络结构对同时作用在铝梁上的两个冲击事件产生的声发射混合信号进行分离,估计出各个源信号到达传感器的时延后,运用两点直线定位公式对两个冲击源进行定位。混合仿真实验验证了基于信息极大化原理的独立分量分析方法估计时延的有效性,铝梁上的两源冲击实验,进一步表明运用独立分量分析方法能较好的解决多冲击源定位问题。     

改进的基于独立成分分析的图像特征提取算法

利用基函数稀疏性的极大值特点,本文提出一种改进的基于独立分量分析的图像特征提取算法.通过分析图像的拉普拉斯先验条件,独立成分分析的问题简化为L1范数求最小的问题,但是采用其对偶空间L∞范数求极大值的方法解决问题更加容易.相对其它独立成分分析方法,本文方法不需要对高阶非线性对比函数估值进行复杂的优化.实验结果表明,本文算法相比其它独立成分分析算法,具有更好的稀疏性和更快的收敛速度.     

基于独立分量分析的图像特征提取及泊松噪声去除

针对泊松噪声具有与信号相关和不一致性分布的特性,提出了一种基于独立成分分析(ICA)的软阈值滤波算法。泊松噪声对基于高阶统计量的ICA变换不敏感,其能量均匀分布在ICA域。首先将包含泊松噪声的图像变换到ICA域,然后再对图像独立成分进行软阈值滤波。该算法对图像和噪声具有自适应能力,在噪声去除和图像细节保留方面达到一个平衡。实验结果表明:该算法不仅可以有效去除图像中的泊松噪声和提高图像质量,而且具有良好的鲁棒性。     

基于阶次分析技术的行星齿轮箱非平稳振动信号分析

行星齿轮箱启动、停止和负载发生变化时,转速会发生变化并使得行星齿轮箱的振动信号具有明显的非平稳特性。行星齿轮箱复杂的结构特征导致了振动信号的复杂性,使得常规的频谱和解调分析方法难以识别时变工况下的行星齿轮箱故障特征频率。本文在行星齿轮箱故障特征频率的基础上,考虑转速变化特征,总结了行星齿轮箱太阳轮、行星轮及齿圈的故障阶次特征表。通过对行星齿轮箱变转速工况下太阳轮故障实验信号的阶次分析,实现了变转速情况下行星齿轮箱太阳轮故障诊断,并与传统的频域信号分析方法比较,体现了阶次分析技术在行星齿轮箱变工况故障诊断过程中的优势。     

一种极值搜索的齿轮系统振动信号阶次跟踪方法

在变速工况下,齿轮系统的振动信号具有非平稳性,频谱特征模糊,不利于特征提取和故障诊断。阶次跟踪方法作为一种非平稳信号分析方法,将原信号从时间域转换到角度域,有助于抑制变转速导致的频率模糊现象。广泛应用的计算阶次跟踪分析方法在实现等角度重采样过程中,通过提取瞬时转速积分求取瞬时角位移,或者基于相位解调获取角度-时间关系,受限于积分累计误差或小的转速跟踪范围。利用齿轮系统啮合振动信号峰峰值对应的等角度间隔特征,提出一种基于时域信号极值搜索的无键相阶次跟踪方法。所提方法不需要通过转速积分获取瞬时角位移,同时允许较大转速变化范围,降低了阶次分析域变换过程的误差,抗噪性能良好,使阶次谱能量集中度和特征成分辨识度得到明显提高。理论分析、仿真对比分析和试验测试结果均验证了所提方法的有效性,适用于变转速工况下的齿轮箱非平稳振动信号频谱分析和故障诊断。     

基于独立分量分析的管道异常振动事件定位方法

针对传统互相关时延估计法定位管道故障点的局限性,提出了基于独立分量分析(ICA)的互相关时延估计方法用于管道异常振动事件定位.利用ICA滤波后的管道沿线振动信号进行互相关运算,抑制了相关高斯噪声引起的时延估计误差,为管道安全监测系统提供了一种新的高精度时延估计方法.仿真结果和现场实验数据表明,该方法可以快速精确地定位管道周围异常事件的发生位置,改善了相关运算的时延估计性能,相对于传统互相关时延估计法,可进一步降低时延估计的平均误差和均方差,具有更高的定位精度和定位一致性.     

基于核形态成分分析的齿轮箱复合故障诊断研究

形态成分分析（MCA）是最新提出的一种基于稀疏表示的信号和图像分解(分离)方法,该方法的主要思想是利用信号组成成分的形态差异性（可以由不同的字典稀疏表示）进行分离。结合核函数把基于MCA的线性盲分离方法拓展到非线性混叠情况,给出了一种非线性混叠信号盲分离算法。该算法通过非线性映射将混叠信号投影到高维特征空间,将样本空间的非线性混叠问题转化成高维特征空间的线性混叠问题,然后应用MCA算法对高维特征空间中的混叠信号进行分离。通过对齿轮齿根裂纹、轴承内圈、外圈复合故障的实验信号的分析,表明该方法能有效地分离出齿轮箱的复合故障。     

独立分量分析的图像融合算法

独立分量分析可实现图像的稀疏编码并具有能很好地捕捉图像重要边缘信息的特性.本文提出一种基于独立分量分析的图像融合算法,结合支持向量机对多聚焦图像的清晰域、模糊域进行判断以及在ICA域中进行图像分割以提取图像的主要边缘特征信息来实现特征级的多聚焦图像的融合.实验结果表明,本文提出的融合算法是有效的.     

ICA的近红外光谱分析软件的研制

研制了基于独立分量分析方法的近红外光谱分析软件.该软件包括光谱解析、光谱建模和未知成分含量测定三个模块,使用了小波分析、ICA和BP神经网络等数据处理方法.将这种软件用于实测的玉米近红外光谱分析,所得结果令人满意.使用LabVIEW与MATLAB软件混合编程,充分利用了各软件的优点,不仅程序简单,而且界面友好.