高畅[1]2016年在《时变信号处理关键技术研究》文中研究表明信号是信息的载体,信息处理的关键在于对信号中关键信息属性的提取与分析。时变信号(Time Varying Signal,TVS),如各种音频信号和生命体征信号等,是一类重要的、具有非线性非平稳特性的常见信号,涵盖了信息提取的主要难点和热点问题。在目前的绝大多数研究中都将TVS视为短时平稳且线性的,重点关注其时域和频域包含的信息,而信号随时间变化部分所承载的信息大部分被忽略,严重影响TVS信息提取的精准度,使其实际应用受到了很大限制。本论文面对TVS处理的挑战,重点研究了TVS的信号分割标准、信号成分分析、信号建模与特征提取以及分类识别等核心问题,主要研究内容包括:(1)实时精准分割是TVS信号分析的前提。针对TVS处理中的粒度划分标准与快速鲁棒分割算法等问题,提出了基于Hilbert谱(Hilbert Spectrum,HS)的自适应信号分割技术。通过深入研究非平稳过程产生非线性失真的描述与恢复方法,精确地提取了信号在HS时域和频域上的能量特征。为了提升HS时域能量特征的区分能力,提出了基于时域能量对数的能量强度指数,并基于该指数完成初始分割。其后利用TVS在不同频带上的变化差异,通过对相邻等长时段内的频域能量差异进行考察,检测TVS的精确分割点。与其他主流信号分割技术相比,本文方法得到的分割结果准确,并具有更少的插入与漏检错误;在语音识别应用中,本文方法在87%以上情况下会给出合理的分割结果。(2)针对TVS有效成分自动分析问题,提出了一种将独立成分分析(Independent Component Analysis,ICA)和希尔伯特黄变换相融合的TVS成分分析技术。在复杂的实际环境中,所获得的TVS通常由多种源信号混合而成,ICA可以分离信号中的这些隐藏成分。但ICA也具有独立成分(Independent Component,IC)顺序和幅值不确定的问题。为此我们对各IC实施经验模态分解(Empirical Mode Decomposition,EMD),利用IC趋势项能够有效表征信号差异的特性,自动地对感兴趣的IC进行识别;通过计算IC的瞬时频率来实施频域滤波,得到了更加精确的成分。面对以多成分混合和强干扰频发为特征的典型TVS——脑电信号(Electroencephalogram,EEG),我们对本文方法的信号分离和成分提取能力进行了验证。对于眼电伪迹影响的问题,本文方法可以有效去除EEG信号中99.9%的眼电信号。在同经典的基于ICA和回归分析的方法比较中看到,本文方法将修正EEG信号与原始EEG信号的相关度从经典ICA的0.69和回归分析的0.71提高到0.84,并且保留了更多的脑认知活动相关信息。(3)TVS包含的高维特征,只有通过高效的建模才能有效提取,稀疏模型是TVS简洁、高效的表达,对此本文提出了一种基于本征模态函数基字典的TVS稀疏建模与特征提取方法。对信号进行EMD分解得到的本征模态函数(Intrinsic Mode Function,IMF)是信号最本质的成分。我们提出将IMF用于字典的学习,引进层级稀疏建模的思想,通过正交匹配追踪对TVS进行稀疏建模,在保证建模效果的前提下极大地消除了建模效率低下的问题。并且,进一步提出了基于压缩感知理论的特征提取方法,将少量但却包含了主要信息的感知特征系数作为TVS后续处理的有效特征。实验证明:在相同稀疏度下,用本文稀疏模型重构信号的信噪比,比其他主流方法高2d B以上;在相同信噪比下,本方法稀疏建模所需要的原子数量最少;对音频信号来说,本方法不仅能最大限度地刻画其中的语义信息,而且更适于对音频情感识别问题的解决。(4)构建一个高性能、高鲁棒的TVS分类器是实际应用系统的重要部分。针对实际应用中的数据分布复杂、类别多样、漂移变化和新类涌现等棘手问题,本文重点研究了基于自适应谐振理论(Adaptive Resonance Theory,ART)神经网络技术,提出了一种基于半监督学习的ART2网络(Semi-Supervised ART2,SS-ART2),并提出了基于广义相似度和置信度的SS-ART2运行机制。所提出的SS-ART2对于未知类别样本,通过为该样本激活新输出模式的方法,大大降低了新涌现情况对网络性能的影响;引进半监督学习机制,充分利用有标记样本和无标记样本,大大提升网络训练效率;采用广义相似度和样本置信度改进网络权值更新方法,解决了标注错误、奇异样本和模式漂移等问题;此外通过采取局部警戒阈值的方法,还可以有效避免全局调整形成的网络震荡。实验证明所提出的SS-ART2网络结构合理,输出模式中心能够反映实际数据的聚类中心,与实验中的其他方法相比,可以取得最好的分类识别准确率。本文所提方法综合利用了信号自身特点和信号之间差异,对多通道TVS系统通常能充分发挥性能,而单通道情况则成为了对系统更严苛的考验。通过连续的单通道新闻联播音频流,并随机地加入冲激信号来模拟突发性噪声干扰,对本文方法进行系统性的评测,本文方法可以有效剔除各种干扰,保证声学事件识别的准确度不受影响,而且通过提取信号自身特征和差异特征,实现语音情感识别的准确率达到70.2%,平均高出其他主流方法约6%。本文针对TVS处理的关键问题进行了深入细致研究,重点解决了实时TVS处理系统中的精准分割、成分分析、特征提取与可靠识别等核心问题,在脑电信号和音频信号等TVS处理的难点问题上取得了很好的效果,为各种TVS处理奠定了坚实基础并对相近领域具有重要启发意义。
刘庆云[2]2004年在《确定性时变信号的分析与处理方法研究》文中提出自然界的许多信号,以及许多工程应用,如通信、雷达、声纳等领域中所遇到的信号,根据Stone-Weierstrass理论,在一有限观测时间内都可表示成多项式相位信号形式。此类非平稳信号的分析与处理是近年来信号处理领域的研究热点之一。本文以多分量多项式相位信号为模型,研究其分析与处理方法。所取得的主要成果有: 1.针对多分量LFM信号的交叉项抑制问题,对自适应高斯核函数作了改进,并给出了有效的核参数估计方法。同时,基于LFM信号的模糊域特征,提出了一种新的自适应核函数。改进的核函数及新的核函数的宽度对信号长度具有自适应性,因而,在获得一定的交叉项抑制能力的同时,避免了信号自项能量的较大损失。同时,讨论了基于自适应核时频分布的多径时延估计问题。仿真结果表明,AAD峰值法优于Radon-Wigner变换法及Radon-AAD变换法。 2.分析了现有的基于PHAF估计mc-PPS相位参量的方法的局限性。提出了先由对应于不同时间延迟参数的高阶模糊度函数估计出一组相位系数估值,然后采取表决方法从该组估值中提取出最终相位系数估值的参量估计方法。该方法既回避了信号检测中的阈值选取问题,又提高了检测可靠性及参量估计精度,有效克服了基于高阶模糊度函数积的参量估计方法的局限性。更为重要的是,该方法所需计算量较小,有利于实时实现,因而,更有工程应用价值。 3.根据信号瞬时相关函数自项分量及交叉项分量相位的不同特点,采用相位匹配变换方法构造了一种时频分布。相对于多线性及双线性时频分布而言,所构造的时频分布不仅频率聚集性高,而且实现了绝大多数交叉项分量的有效抑制(其交叉项数目最多与WVD中的交叉项数目相同,但通常明显少于WVD中的交叉项数目),因而,该时频分布也更有利于揭示信号的内部结构特征。 4.引入了一个二维双线性相位匹配变换。利用各信号分量的瞬时频率变化率(IFR)在变换结果中表现为局部极值点,而交叉项则很少表现为极值点,以及
王丽雅[3]2005年在《基于信息融合的旋转机械全信息时频分析方法研究》文中认为大型旋转机械是石化、能源、冶金等许多行业中的关键设备,随着科学技术的进步与发展,设备的性能越来越先进,结构也越来越复杂,这就使得设备状态监测和故障诊断技术变得越来越重要。转子一个截面上的振动信息一般是由相互垂直的两个径向传感器和一个轴向传感器拾取的,由于转子的涡动特性,任一探头检测到的信息无论在能量的量值还是频谱结构上均不能全面反映机组运行的实际状况。在很多情况下,各通道信息差异很大,从而导致对机组故障的误判误诊。因此采用全信息技术融合转子两通道甚至多通道的信息可以更全面地了解转子的运转情况。另外,工业生产现场还存在大量的非平稳信号,用传统的信号分析方法已远不能满足故障诊断的需要,研究相应的时频分析方法并应用于生产实践,具有重大工程意义。 本文阐述了基于信息融合的全信息技术理论及其在故障诊断中的应用,在此基础上全方位地介绍和探讨了全谱、全息谱、全矢谱技术的数值方法、图谱表达以及工程应用,并对其实用性作以对比,最后得出结论:全矢谱技术具有直观、计算简单、易用、易拓展的特点,能更好地反映转子运转的客观现实,对故障更敏感、更具特色,因此,具有更重要的工程意义。结合工业现场存在的大量非平稳信号,本文还对短时傅里叶变换和魏格纳-威尔分布等时频分析方法进行了理论上的阐述,并对其工程实用性作了探讨,在此基础上,结合全信息技术之一的全矢谱技术和短时傅里叶变换,创新性地提出了短时矢功率谱的概念,对其进行了算法推导,并用工程实际信号验证了该方法的实用性及准确性。最后得出结论:短时矢功率谱可以得到非平稳信号的能量、频率等随时间不断变化的情况,更全面、准确地反映了信号的能量大小及频率构成,完全可以应用于工业生产现场,为故障诊断实践服务。全矢谱技术和短时傅里叶变换是实现该分析方法的关键技术。 本文在理论探讨的基础上,应用MATLAB软件完成了相关功能的实现,包括幅值谱、相位谱、功率谱、全矢谱、全谱、全息谱、短时傅里叶变换、魏格纳-威尔分布、以及短时矢谱、短时矢功率谱等。
刘文彬[4]2008年在《旋转机械非平稳信号特征分析仪开发》文中指出旋转机械是最为广泛的一类机械设备,一般为生产企业中的核心设备,如何确保其安全可靠运行,对企业和国民经济具有重大的现实意义。旋转机械故障特征提取是旋转机械故障诊断的核心之一,本文的研究结合云南省自然科学基金资助项目“旋转机械非平稳振动信号特征提取和分析技术研究(批准号.2004E0011Q)”展开,以旋转机械的非平稳振动信号特征提取技术为研究对象,在对旋转机械特征提取方法进行综述的基础上,介绍了旋转机械的典型故障及其振动特征以及非平稳信号处理技术;分析了当前测试仪器对于旋转机械升降速过程等非平稳振动信号分析的不足,将时频分析技术引入了旋转机械特征分析领域。研究中在对Wigner.Ville分布交叉项进行深入研究的基础上,结合基于Gabor变换的时变滤波技术,提出了“基于Gabor重构的Wigner-Ville分布交叉项消除”方法。该方法保留了Wigner-Ville分布具有最好时频分辨率的性质,且分析结果不受交叉项的干扰,将其应用于模拟信号及实测信号的分析均取得了理想的结果。在对角域重采样信号特征提取技术进行深入研究的基础上,结合基于Gabor变换的时变滤波技术、时频分析技术以及第二代小波去噪技术,提出了“基于Wigner-Ville分布的角域信号故障特征提取”方法。由于角域信号带有相位信息,因此对角域信号进行时频分析,可以将故障精确定位。应用基于短时傅里叶变换的瀑布图分析转子油膜涡动及油膜振荡故障,不仅提取出了故障特征,而且可以清晰的观察到油膜振荡所特有的“惯性效应”。由于故障信号是非平稳信号,因此应用时频分析的方法分析各种转子故障比各种平稳信号的分析方法更容易提取出故障特征。在LabVIEW平台上开发出了专用的旋转机械振动信号特征分析仪,该仪器具有强大的非平稳信号分析功能,弥补了传统仪器在旋转机械非平稳信号分析上的不足。最后对开发成功的旋转机械振动信号特征分析仪进行了大量的仿真测试及试验验证。通过在实际测试中应用该分析仪进行数据采集及信号分析,获得了理想的结果,验证了所开发的虚拟仪器对旋转机械振动特征分析的有效性。
王靖岳[5]2015年在《随机扰动下齿轮传动系统的非线性动力学与故障辨识研究》文中研究表明现代机械设备,如变速箱、机器人、航空发动机、风机、水泵等,对齿轮传动系统的动态特性及安全性提出了更高的要求。另外,故障诊断对于保障设备的安全运行、避免灾难性事故的发生和减少重大经济损失具有十分重要的意义。齿轮传动系统的非线性动力学研究以及故障诊断技术已受到国内外学者的广泛关注。因此,本文对含有非光滑性、非线性和随机性的齿轮传动系统非线性动力学及故障辨识技术进行了深入研究。本文主要内容如下：1.运用Monte-Carlo法和中心极限定理对齿轮啮合频率、齿轮阻尼比、啮合刚度、齿侧间隙等随机扰动以及输入力矩引起的随机扰动进行了数值模拟。2.考虑齿轮啮合频率、阻尼比、啮合刚度、齿侧间隙等随机扰动以及输入力矩引起的随机扰动建立了齿轮传动系统的随机非线性动力学模型,并建立了随机扰动下含磨损故障的齿轮非线性动力学模型。应用4-5阶变步长的Runge-Kutta法对动力学方程进行了数值分析,并验证了其有效性。3.综合运用时间历程曲线图、相图、Poincare图、功率谱图和Lyapunov指数,讨论了齿轮传动系统内部参数和外部激励的随机扰动对系统产生分岔和混沌振动的影响；分析了载荷比、齿频比、阻尼比、齿侧间隙和啮合刚度等各个随机参数在不同工况下对系统动力学特性的影响；并探讨了如何匹配参数使系统稳定运行。4.应用线性、非线性反馈控制法以及外加周期信号法、外加恒定载荷法和位相法等叁个非反馈控制法对齿轮传动系统中的混沌振动进行了有效的控制或抑制。5.针对齿轮磨损故障,本文提出了一种基于Symlets A小波族形态去噪和频率切片小波变换的故障辨识方法。仿真分析和实验测试结果相一致,验证了含齿面磨损故障模型的正确性和此方法的有效性。6.针对滚动轴承点蚀故障,本文提出了一种自相关形态滤波和经验模态分解的故障辨识方法。用实验验证了此方法的有效性和优越性。
由嘉[6]2013年在《网络环境下不确定时滞系统鲁棒滤波问题的研究》文中认为自从20世纪60年代，学者们创立了滤波理论以及滤波器设计方法以来，滤波问题便一直作为自动控制与信号处理领域内的重点与难点问题，得到学者们的广泛关注。滤波理论通过构造合适的滤波器使得许多难于实现的控制方法在诸多工程领域中获得了成功的应用，如飞行器的自主导航、雷达跟踪、火控系统控制以及经济金融分析等。极大的推动了控制科学与工程的进一步发展。而伴随着现代工业领域对控制系统的成本、可靠性、可维护性的要求越来越高，以及近几十年来网络化通讯理论技术发展的日趋成熟，越来越多的控制系统均开始采用网络化通讯技术，并且取得了优良的控制效果。但与此同时，由于在网络化环境中，系统通讯能力受到信号通道带宽等诸多条件的限制，使得在网络化控制系统中出现了许多新特性，如信号的量化误差、数据传出延迟、数据随机丢包等。通过分析这些特性的产生原因，学者们发现，这些随机现象均是由于在网络化环境中，测量或者传递的信号所含部分信息丢失所致。正是这种部分信息丢失最终可能导致系统整体性能的急剧下降甚至崩溃。因此，网络化技术的出现不但为滤波理论的发展带来了新的机遇，同时也伴随着巨大的挑战。发展一种适用于网络化环境下，可以更加充分利用随机现象的统计特性的新型鲁棒滤波方法，成为了一项意义深远的研究方向。本文的主旨是针对在网络化环境下，时滞系统可能出现的信号量化误差、传输延迟、数据丢包等具有随机发生规律的网络化特性，并基于带有此类特性的实际工程中常见的系统模型，如线性系统、Markov跳跃系统、模糊系统等，结合鲁棒滤波器设计问题提出一些新的研究问题以及新的研究方法。经过对上述各种随机特性具有统计意义上的建模后，本文将小增益定理进行扩展，并得到适用于一般随机系统的输入输出方法，在此基础上探讨各类随机时滞系统的滤波器设计以及故障诊断问题。本文研究了几类常见且具有代表性的时变系统的H∞滤波问题，并且将所得结论应用于基于网络化环境的，通信受限情况下线性离散系统的故障诊断的研究中，最后结合连续搅拌釜式反应器的故障诊断滤波器设计问题，取得了满意的效果。在总结了相关理论及应用背景和现有主要研究成果的局限性的基础上，本文重点研究了带有时变时滞的线性离散系统的鲁棒滤波器设计问题。通过引入同时考虑时变时滞上确界以及下确界的两项时滞近似估计方法，将原滤波误差系统变换为由两个子系统构成的内联系统，使得其满足小增益定理的使用环境以及条件。并且详细分析了这种基于模型变换的输入输出方法可能给最终结果带来保守性的原因，而且重点阐述了如何尽可能的减少这种保守性的方法。通过分别分析两个子系统的比例小增益，即H∞范数，给出了滤波误差系统渐近稳定且满足给定的H∞性能的充分条件。解决了一类带有时变时滞的线性离散系统的鲁棒滤波器设计问题。并且从理论上阐述了这种输入输出方法和直接使用Lyapunov稳定性理论对系统进行分析的区别以及内在联系。通过仿真算例将所得结果同其他主要方法得到的结果进行对比，在保证算法有效性以及实用性的基础上，证实了所提出的结论具有更低的保守性，并且通过理论分析，详尽阐述其理论依据。为通信受限情况下更为复杂的随机非线性系统的鲁棒滤波问题的研究提供了理论基础，并且在许多网络化系统中有一定的应用前景。由于Markov跳跃系统在控制以及信号处理领域中的重要性，许多学者们一直将其作为研究的重点。以此为研究背景，本文考虑在带有时变时滞的情况下，其鲁棒滤波器设计问题。由于小增益定理无法直接应用于随机系统中，在结合随机稳定性以及均方意义下的输入输出稳定性定义的基础上，重点阐述了如何将小增益定理扩展至一般的随机系统。并且以此为研究框架，结合保守性较低的模型变换方法，进一步分别分析了经变换后得到的滤波误差系统的两个子系统。得到原系统H∞滤波器存在的充分条件，并提出相应的鲁棒滤波器设计方法。在此基础之上，进一步考虑了当数据丢包情况发生时，以及在传感器饱和约束的背景下，带有时变时滞的Markov跳跃系统的鲁棒滤波器设计问题。针对不同的随机特性，选取具有统计意义的建模方法，并利用适用于随机系统的输入输出方法，提出了考虑数据随机丢包特性的Markov跳跃系统的鲁棒滤波器设计方法。并以得到的结论为基础，进一步研究了当同时发生传感器饱和现象时，Markov跳跃系统的H∞滤波问题。为了使研究的问题更加贴近工程应用，还同时考虑了状态依赖形式的随机噪声以及外部干扰。在分析对比了现有对传感器饱和特性建模方法的基础上，采用一种更具有通用形式的方法对传感器饱和函数进行分解处理。对于得到的滤波误差系统，利用模型变换，以基于小增益定理的输入输出方法为分析方法，提出了满足给定的H∞性能条件的鲁棒滤波器存在的充分条件，并给出了H∞滤波器的具体设计方法。为更加复杂背景下的随机系统鲁棒滤波问题研究提供了理论依据，同时为许多工作情况复杂，或者使用随机切换系统建模的工程应用提供理论指导。本文还进一步针对网络化环境下可能出现的随机非线性特性，研究了在通信受限情况下模糊系统的鲁棒滤波器设计问题，并且同时考虑系统中含有时变时滞的情况，详细分析了当信息回路中存在信号量化误差以及数据随机丢包等网络诱导特性对滤波问题的影响。通过对这两种随机特性分别建模后，以时变时滞为模型变换的切入点，利用输入输出分析方法，提出了新的在网络化环境下H∞模糊滤波器存在的充分条件，并以此为基础，建立了相应的H∞滤波器设计方法。另外，还考虑了另一种在工程应用中经常出现的非线性特性，即在传感器饱和现象发生的情况下，模糊系统的鲁棒滤波问题。介绍了现有文献对传感器饱和现象的主要建模以及分析方法，通过对比这些方法的优点以及局限性，在保证最终结论的实用性以及有效性的前提下，采用了更加具有通用形式的分解方法对饱和函数进行处理。并借助基于小增益定理的输入输出方法，分析滤波误差系统的随机稳定性，最终提出传感器饱和约束下的H∞模糊滤波器存在的新条件，以及模糊滤波器的具体设计方法。提出针对具有随机特性的模糊系统鲁棒滤波问题的一般分析方法，为其在工程领域的实际应用做了理论铺垫。基于前面的理论分析，本文还提出了基于网络化通讯传感器的不确定系统的故障诊断问题，同时考虑当由于网络诱导的信号量化误差、数据传输延迟、以及数据随机丢包这叁类主要的随机特性发生时，对线性离散系统故障诊断问题研究的影响。为了利用残差信号对故障信号进行估计，将故障信号进行加权处理，使用应用极为广泛的线性化加权矩阵这种最小实现方法，并利用基于阈值的方法对得到的残差进行赋值，进一步给出了对出现的故障进行诊断的逻辑关系。针对工程中应用广泛的对数量化器，结合信号传输过程中可能出现的随机延迟以及随机丢包特性，对其建模后发现，得到的故障诊断滤波器误差系统是含有时变时滞的随机系统。因此，利用保守性相对较低的模型变换方法，利用基于经扩展的小增益定理的输入输出方法，结合Lyapunov稳定性理论，得到在保证故障诊断滤波误差系统是随机稳定的前提下，其满足给定的H∞性能指标的充分条件。在此基础之上，分析了现有主要的对所得条件进行线性化的方法，结合故障诊断问题的具体形式以及其方法的局限性，提出了改进方案，最终得到保守性更低的结果。最终，将所得结论应用于连续搅拌釜式反应器，并取得了良好的控制效果，充分证明了所得结论的有效性与实用性。本文对所提出的基于输入输出方法的通信受限情况下随机系统鲁棒滤波器设计方法在工程应用中进行了验证性尝试，提出了针对复杂应用环境下的不确定系统滤波问题的间接分析方法，即拓宽了解决此类问题的方法与思路，也为后续可能的工程实践与应用提供了理论基础与指导。
苗刚[7]2006年在《往复活塞式压缩机关键部件的故障诊断方法研究及应用》文中研究表明机械设备监测与故障诊断技术是一门综合性技术，从本质上来讲是一个机器运行状态的模式识别问题，其关键就是故障信号的特征提取与分类。由于往复式压缩机在工业生产中的重要作用，其故障诊断的研究具有重要意义。本文基于国家自然科学基金项目“局域波法及其工程应用研究”(50475155)，在总结和汲取别人研究成果的基础上，以往复式压缩机表面振动信号为研究对象，结合适用于非平稳信号分析的局域波法、分数阶Fourier变换等方法，有效实现了往复式压缩机故障特征的提取，引入模式分类方法并加以改进，实现了故障的准确分类与故障程度的量化。本文的主要工作如下： 1．在分析往复式压缩机结构特征的基础上，总结了表面振动响应与主要激振源和传递路径的关系。结合长期在往复式压缩机振动测试中遇到的问题，阐述了信号可重复性的意义，指出信号的可重复性是往复式压缩机故障诊断的一个重要性质，它对于故障诊断工作的顺利开展有着深远的影响。通过对往复式压缩机实测信号的分析，发现同一部件不同测量位置及测试参数条件下，得到信号的能量与谱型均有较大差异。因此，只有在测试条件相对不变的前提下获取的信号，才能有效应用于往复式压缩机的故障诊断。 2．着重分析了局域波法的分解特征，尤其是采样频率的影响，分析了局域波分解误差的构成形式，总结了信号的分解误差与采样频率的关系，指出在应用局域波分解时应尽可能对信号进行过采样。比较了不同分解方法对同一信号的分解能力，发现当前的局域波分解方法均不能有效的抑制分解误差。根据上述研究结果，提出了一种基于重采样插值的局域波分解方法，以实例证实了其在特征提取中的有效性。 3．引入局域波自回归谱，证实了其在往复式压缩机故障特征提取中的有效性。针对实测信号的时频分布噪声干扰严重的现象，将分数阶Fourier变换应用于信号的时频分布的降噪。受到分数阶域滤波的启发，提出了一种基于分数阶Fourier变换的局域波分解方法，有效的解决了一类信号的局域波分解问题，拓宽了局域波分解的适用范围。 4．将聚类分析与往复式压缩机故障诊断相结合。分析了不同测度对往复式压缩机故障分类的影响，提出了一种基于J散度和局域波自回归谱的层次聚类算法，并应用于往复式压缩机的故障诊断，收到了良好的效果。探讨了在故障特征参数分类效果评判中应用模糊聚类的可行性，得出了基于振动绝对值的特征参数应该在诊断中谨慎使用的结论。重点研究了基于竞争学习的在线聚类方法，提出了一种改进的基于评判的在线聚类算法，分析了其在往复式压缩机故障诊断中的效果，证实此改进算法具有良好的分类能力。
董银峰[8]2010年在《非平稳信号处理方法的改进及在地震工程中的应用研究》文中研究说明自上世纪八十年代以来,信号处理进入了前所未有的快速发展期,新兴的理论和方法不断涌现。作为普遍的基础理论和应用工具,信号处理同其他学科交叉融合的趋势日益明显,并在许多应用领域由不同的信号处理方法形成了传统的优势地位。但非平稳信号处理仍是目前所面临的重要问题之一,其难点在于如何协调好精度和分辨率这一对矛盾。在土木工程和地震工程中,振动信号处理是信号处理技术最典型的应用之一,其主要目的即是从信号中尽可能地提取完备的、具有实际物理意义的信息以满足科研和应用的需要。然而,现实中的信号大多是非线性、非平稳的,并且数据长度有限,这使得分析处理此类信号成为一项复杂的工作。特别地,地震动和结构响应是地震工程中两种常见的振动信号形式,由于两者及其对应的系统(结构)的特性存在一定的差异,使得与之密切相关的两方面应用——地震动输入研究和结构损伤识别又对信号处理提出了不同的要求。在地震动输入研究方面,人们已经认识到除传统叁要素外强度和频率非平稳特性同样是地震动的重要特性,而瞬时谱被认为是描述上述非平稳特性的有效的概念。虽然已有不少信号处理方法被用于地震动的瞬时谱估计,但一直未能解决好精度和分辨率的矛盾,而在此基础上的地震动瞬时谱的模型化研究则更是空白。因此,寻求有效的信号处理方法用于地震动瞬时谱的模型化研究,是结构抗震设计和分析对地震动输入研究提出的迫切需求。在结构损伤识别方面,基于振动的损伤识别在过去十年里一直是研究热点,针对已有方法的不足,研究者在相继提出一些改进措施的同时,近年来也逐渐将注意力集中到通过结构振动信号完备信息的提取来实现结构损伤识别,这些研究为基于振动的结构损伤识别提供了一个新思路。显然,要实现这一思路就要求信号处理方法能够高效、实时地从结构振动(反应)信号中提取完备信息,并能据此对结构的性能(状态)做出准确的评判和推断。为此,本文对非平稳信号处理方法及其在地震动非平稳特性和结构损伤识别中的应用展开了研究,主要工作和取得的创新成果可归纳为以下叁个方面: 1.非平稳信号处理方法首先,提出了叁种改进的参数化方法,不仅解决了现有方法难以协调好精度和分辨率这一对矛盾的难题,而且也为地震动瞬时谱的模型化研究奠定了基础;其次,提出了基于EMD和VARMA模型的改进方法,由该方法所得Hilbert谱不仅更具物理意义而且分辨率和可读性更好。2.地震动的非平稳特性及仿真方法采用两种强度包线模型研究了地震动强度非平稳特性,基于所收集的翔实的(5700余条)强震记录分析了强度包线参数的多维相关性及衰减规律,并给出了强度包线参数的设计取值建议;提出了指数衰减曲线形式的地震动瞬时频率模型,分析了瞬时频率参数的多维相关性及衰减规律,并给出了设计取值建议;提出了时频域彼此独立的函数乘积形式的地震动瞬时谱模型,为结构抗震设计和分析用地震动输入的选择提供了一个重要的参考指标,为同时考虑强度和频率非平稳特性的地震动仿真与合成奠定了基础;提出了基于改进信号处理方法及模型化瞬时谱的地震动合成与仿真方法,为结构抗震设计和分析提供了更合理的地震动输入。3.结构损伤识别基于振动信号完备信息提取的思路,提出了叁种改进的结构损伤识别方法,由于改进方法采用了具有时变特性的损伤指标,因此不仅具有较好的适用性、敏感性和抗噪性,而且解决了现有常规方法无法对结构损伤(包括多处损伤)的发生时间、先后次序、严重程度及累积发展过程等细节进行描述的难题。论文以信号处理为纽带,将地震动输入和结构损伤识别这两个地震工程中看似不相关的重要内容联系起来,研究成果不仅有利于地震动特性的全面认识,从而为结构抗震设计和分析提供更合理的输入,而且也为结构损伤识别提供了一条新途径。最后,论文分析了目前研究的不足,并对今后的研究方向进行了展望。
张伟[9]2014年在《城市交通流数据优化感知关键技术研究》文中提出交通信息采集是智能交通系统的核心子系统,是交通应用的基础。通过先进的信息技术采集更高时空精度的交通流数据,并结合微观信号控制系统进行控制和诱导,均衡交通流在路网上的时空分布,是解决城市交通拥堵问题的关键。传统的感应线圈等交通监督技术只能检测固定点数据,实际应用中一般仅部署在干道的主要交叉口,路网上存在大量的信息“真空”,无法全面地感知交通流的动态变化,限制了信号控制系统的优化能力。近年来,移动互联网、传感网、车联网等新一代信息技术不断涌现,如果这些网络产生的数据与智能交通系统连接起来,将会为交通信息采集开辟新的技术途径。研究一种精度高、实时性好、维护成本低、适应大数据时代的交通信息采集技术,具有十分重要的意义。本文以城市交通大数据为背景,研究了城市交通信息采集中的一些优化问题。论文的创新性工作包括以下几个方面。第一,在单点数据采集方面,研究了基于无线传感器网络的交通流参数采集优化模型和算法。无线传感器网络可以进行大规模部署,在智能交通系统中具有很好的应用前景。本文在伯克利大学P. Varaiya等人提出的自适应阈值检测算法的基础上,针对阈值更新缓慢及分类算法未考虑车辆长度等问题,提出了一种基于信号相关性的车辆速度测量算法和一种基于邻接传感器网络的车辆分类算法。提高了车辆速度估计和车辆分类的精度,并且在阂值漂移、迭加干扰等条件下也具有较好的精度和鲁棒性。第二,研究了群体参与式感知在交通信息采集中的应用,提出了可以采集路段交通流数据的拉格朗日感知算法。该方法利用传感器数据来求解交通方程对交通流的内在的运行规律进行预测,同时使用参与式感知数据作为观测值,基于卡尔曼滤波算法综合交通方程和实际观测数据对交通流参数进行最优估计,获取连续的、具有更高时空精度的交通流数据。在此基础上,提出了道路的堵塞因子,对交通拥堵状况进行实时度量,并应用到路口交通信号配时优化场景中,结合粒子群优化对信号相序进行优化,达到避免交通拥堵形成的目的。第叁,研究了参与式感知中的数据集选择优化问题。已有研究成果表明,相对于数据的数量,提供的数据所在的位置对于交通流估计的结果有更大的影响。在大规模的城市路网中,参与式感知的数据体量非常巨大,如何在大量数据中区分出数据价值、选择最优数据集是一个重要的问题。本文研究了给定传感器可选位置条件下的数据集选择优化问题,采用互信息熵作为目标函数、以均方根误差为约束条件建立了传感器数据集选择的多目标优化模型,提出了一种基于贝叶斯优化解决传感器数据集序贯选择的算法。第四,针对基于车联网和车载终端的参与式感知中传感器节点随着交通流移动的特征,研究了交通流变化及网络的拓扑时变带来的动态不确定性。本文采用时变网络模型对移动传感器网络的动态拓扑及数据价值的时变不确定性进行建模,基于传感器节点的数据效用定义了时变价值网络,并采用蚁群优化进行传感器数据集的并行优化选择。此外,针对传感器节点的移动性和交通流数据的时变特性,提出一种基于Internet的传输控制协议,使控制节点可以感知交通流模式变化并选择最优价值的数据,同时对传感器节点的数据传输进行反馈和控制优化。
魏玲[10]2008年在《网络控制系统分析、建模与稳定性》文中研究指明网络控制系统(Networked Control Systems, NCS)是指在某个区域现场传感器、控制器以及执行器和通信网络的集合,用以提供设备之间的数据传输,使该区域内不同地点的用户实现资源共享和协调操作,是一种全分布式、网络化的实时反馈系统。网络控制系统因其具有高诊断能力、安装与维护简便、能有效地减少系统的重量和体积、增加系统的灵活性和可靠性等诸多优点,正成为控制领域研究的新热点,也是未来工业控制系统发展的新方向。但是将网络引入控制系统后,由于带宽有限、信道分时复用、数据传输路径不确定等因素的存在会导致信息传输中的等待、阻塞、时序错乱及丢包等现象的发生,不可避免地产生了网络诱导延时。这些受网络通信协议、网络节点驱动方式、数据采样技术等因素影响的网络诱导延时,无论是固定的还是时变的,也无论是有界的还是无界的,都会不同程度地影响控制系统性能,甚至导致系统失稳,给网络控制系统的分析和设计带来很大困难。虽然对于延时系统的分析、建模与稳定性研究近年来已经取得了很大进展,但是由于网络控制系统自身的特点和复杂性,已有的控制理论与方法必须要重新分析和设计才能应用于网络控制系统中。具体而言,就是要在网络控制系统的分析和设计的过程中要考虑控制与通信耦合的情形。因此,要使网络控制系统能够稳定运行并且具有良好的动态性能,就必须建立网络控制系统的数学模型,同时发展与网络控制系统相适应的分析和设计方法,所以本课题的研究具有积极重要的理论研究意义和实际应用价值。本文的主要目的是研究网络诱导延时对网络控制系统分析、建模以及稳定性的影响,并进一步探索有效的解决方法,对于网络控制系统的理论研究和实际应用提供了有意借鉴。具体研究成果如下：首先,分析了近年来网络控制系统研究中的一些典型研究方法。一方面,这些研究方法中的某些方法已在本论文的研究过程中有所体现,另一方面,对于今后网络控制系统的研究工作有所借鉴。其次,较为详细地分析了网络控制系统研究中的基本问题,从中挖掘出本文所感兴趣的研究方向,也为以后的研究工作设定了目标,同时也希望这些基本研究问题能够引起更多同行的重视,继续对网络控制系统进行理论和实际应用研究,进而形成一套完整的适用于网络控制系统自身特点的理论和方法。第叁,研究了网络控制系统中的网络诱导延时问题,这是网络控制系统研究中的一个基本而又非常重要的问题。具体分析了延时的组成、对于系统稳定性和性能指标的影响、网络传输数据的特点和影响延时的因素等,并给出了网络协议、节点驱动方式和采样周期的选择标准,在此基础上对具有定常延时且延时小于一个采样周期的网络控制系统的稳定性进行了分析和设计。第四,研究了网络控制系统的建模问题。首先给出了单输入单输出网络控制系统连续数学模型,在此基础上,建立了带有系统噪声和观测噪声的多传感器多执行器网络控制系统连续数学模型,得到一个存在多个延时的微分方程；建立了短延时、单包传输和多包传输且无数据包丢失情况下的离散数学模型；建立了基于增广状态的任意有界延时的多输入多输出闭环网络控制系统离散数学模型；建立了网络控制系统在四种不同节点驱动方式下的开环离散数学模型和统一离散数学模型,模型拓展了原有延时小于一个采样周期的假设条件,并考虑了系统噪声和观测噪声以及控制器的动态特性；将大于一个采样周期的随机时变网络诱导延时分解成恒定延时(采样周期的整数倍)和随机时变延时(小于一个采样周期)两部分来研究,从而建立了具有结构不确定性的网络控制系统离散时间模型。第五,提出了利用区间代数理论来对具有时变采样周期和时变延时的网络控制系统进行建模和稳定性研究。该方法把原始时变的闭环系统模型稳定性分析问题简化为一个时不变矩阵来研究,得出的结论虽然有些保守,但其分析简单方便。第六,研究了具有数据包丢失的网络控制系统建模和稳定性问题,主要从理论上推导出了使系统渐近稳定的条件,所得结论还有待于在工程实践中加以检验。首先,在给出了单包传输有数据包丢失的网络控制系统离散数学模型的基础上,建立了多包传输有数据包丢失的网络控制系统综合被控对象离散数学模型和闭环系统离散数学模型。接着,考虑网络诱导延时与数据包丢失同时存在的情况,分别建立了单包传输和多包传输的网络控制系统连续数学模型。在此基础上,对网络信息单包传输时设计了延时无界和延时有界情况下的网络控制系统渐近稳定条件；在多包传输时设计了延时变化率在小于1和小于0情况下的网络控制系统渐进稳定条件。最后,通过在节点的发送端或接收端设置队列型缓冲区的办法将随机延时确定化,并针对状态不可测的系统设计了叁种延时状态观测器,从理论上证明了只要原系统可观,则观测误差渐近收敛。
参考文献：
[1]. 时变信号处理关键技术研究[D]. 高畅. 哈尔滨工业大学. 2016
[2]. 确定性时变信号的分析与处理方法研究[D]. 刘庆云. 西北工业大学. 2004
[3]. 基于信息融合的旋转机械全信息时频分析方法研究[D]. 王丽雅. 郑州大学. 2005
[4]. 旋转机械非平稳信号特征分析仪开发[D]. 刘文彬. 昆明理工大学. 2008
[5]. 随机扰动下齿轮传动系统的非线性动力学与故障辨识研究[D]. 王靖岳. 东北大学. 2015
[6]. 网络环境下不确定时滞系统鲁棒滤波问题的研究[D]. 由嘉. 哈尔滨工业大学. 2013
[7]. 往复活塞式压缩机关键部件的故障诊断方法研究及应用[D]. 苗刚. 大连理工大学. 2006
[8]. 非平稳信号处理方法的改进及在地震工程中的应用研究[D]. 董银峰. 重庆大学. 2010
[9]. 城市交通流数据优化感知关键技术研究[D]. 张伟. 大连理工大学. 2014
[10]. 网络控制系统分析、建模与稳定性[D]. 魏玲. 东北大学. 2008
标签：电信技术论文; tvs论文; 网络模型论文; 传感器技术论文; 数据滤波论文; 特征分解论文; 建模软件论文; 网络结构论文; 数据建模论文; 工程信息论文; 信号处理论文; 故障诊断论文;