高信噪比情况下,利用概率主成分分析(PPCA,probabilistic principal component analysis)模型识别雷达高分辨距离像(HRRP,high resolution range profile)取得了较高的识别率。但在实际工作环境中,测试阶段获取的HRRP常为低信噪比样本,...高信噪比情况下,利用概率主成分分析(PPCA,probabilistic principal component analysis)模型识别雷达高分辨距离像(HRRP,high resolution range profile)取得了较高的识别率。但在实际工作环境中,测试阶段获取的HRRP常为低信噪比样本,由此造成的模型失配问题极大影响了识别性能。为此文章利用不同噪声来源造成的模型失配先验信息,在模型空间针对不同信噪比的测试样本补偿PPCA模型参数,以达到稳健识别的目的。另一方面,利用2种方法通过直接估计测试样本的噪声功率省去最优化计算的步骤,避免了求解最优补偿参数时需要大量计算的问题,提高了识别效率。最后,利用最大后验概率确定目标所属类别,证明了2种方法在信噪比低于20 d B时的可行性。展开更多
针对基于三电平变换器的电磁法发射机中功率开关器件开路故障特点和复杂工作环境,提出了针对性的故障诊断方法。该方法以变换器输出电压为原始信号,利用变采样频率的小波包分析方法提取特征向量,以提高对信号频率的分辨准确度。然后利...针对基于三电平变换器的电磁法发射机中功率开关器件开路故障特点和复杂工作环境,提出了针对性的故障诊断方法。该方法以变换器输出电压为原始信号,利用变采样频率的小波包分析方法提取特征向量,以提高对信号频率的分辨准确度。然后利用核主成分分析对特征向量进行降维,可以简化分类器的结构,提高诊断时间。采用概率神经网络建立故障分类器,可以提高诊断方法的鲁棒性。在一台5 k W电磁法三电平变换器实验样机上进行实验和分析,实验结果表明该方法可以准确地进行故障诊断,有较好的诊断准确度、实时性和较强的鲁棒性,具有一定的工程应用价值。展开更多
针对回转支承故障特征微弱以及难以提取的特点,提出一种基于概率主成分分析(probabilistic principal component analysis,PPCA)的多领域特征提取方法。该方法从振动信号的时域和时频域中提取出多个能够表征回转支承运行状态的特征向量...针对回转支承故障特征微弱以及难以提取的特点,提出一种基于概率主成分分析(probabilistic principal component analysis,PPCA)的多领域特征提取方法。该方法从振动信号的时域和时频域中提取出多个能够表征回转支承运行状态的特征向量,并将其组成高维特征集。采用PPCA从高维特征集中提取出最能够反映回转支承寿命状态信息的特征量,将其输入粒子群算法优化的支持向量机中进行寿命状态的识别。通过回转支承全寿命实验证明,基于PPCA的特征提取方法优于传统的主成分分析(principal component analysis,PCA),其相应的寿命状态识别精度提高了约8%,并且多领域、多变量的特征更能全面反映回转支承的性能退化趋势。与传统的特征提取方法相比,所提方法能够更全面有效地反映复杂恶劣环境下回转支承的故障信息,因此可以用于回转支承的健康监测领域。展开更多
文摘高信噪比情况下,利用概率主成分分析(PPCA,probabilistic principal component analysis)模型识别雷达高分辨距离像(HRRP,high resolution range profile)取得了较高的识别率。但在实际工作环境中,测试阶段获取的HRRP常为低信噪比样本,由此造成的模型失配问题极大影响了识别性能。为此文章利用不同噪声来源造成的模型失配先验信息,在模型空间针对不同信噪比的测试样本补偿PPCA模型参数,以达到稳健识别的目的。另一方面,利用2种方法通过直接估计测试样本的噪声功率省去最优化计算的步骤,避免了求解最优补偿参数时需要大量计算的问题,提高了识别效率。最后,利用最大后验概率确定目标所属类别,证明了2种方法在信噪比低于20 d B时的可行性。
文摘针对基于三电平变换器的电磁法发射机中功率开关器件开路故障特点和复杂工作环境,提出了针对性的故障诊断方法。该方法以变换器输出电压为原始信号,利用变采样频率的小波包分析方法提取特征向量,以提高对信号频率的分辨准确度。然后利用核主成分分析对特征向量进行降维,可以简化分类器的结构,提高诊断时间。采用概率神经网络建立故障分类器,可以提高诊断方法的鲁棒性。在一台5 k W电磁法三电平变换器实验样机上进行实验和分析,实验结果表明该方法可以准确地进行故障诊断,有较好的诊断准确度、实时性和较强的鲁棒性,具有一定的工程应用价值。
