针对轴承早期微弱故障特征信息易被噪声掩盖和现实中难以获得大量典型故障样本的实际情况,提出了基于多分辨奇异值分解(Multi-Resolution Singular Value Decomposition,MRSVD)和变量预测模型模式识别(Variable Predictive Model based ...针对轴承早期微弱故障特征信息易被噪声掩盖和现实中难以获得大量典型故障样本的实际情况,提出了基于多分辨奇异值分解(Multi-Resolution Singular Value Decomposition,MRSVD)和变量预测模型模式识别(Variable Predictive Model based Class Discriminate,VPMCD)的轴承故障智能诊断方法。利用MRSVD对轴承加速度振动信号进行多层分解,提取包含故障特征的细节信息,建立对数正态分布模型,凸显细节信息中的非高斯特性,计算对数均值和对数标准差构造特征向量,并采用VPMCD方法进行故障识别。将该方法应用于实际轴承外圈、内圈、滚动体局部微弱故障状态下的故障诊断,结果显示:故障识别精度达到98.75%,证明了该方法的可行性和有效性。展开更多
缆索索力是评判缆索承载能力和服役寿命的重要指标。基于声弹效应的超声导波缆索索力测定方法,在检测缆索缺陷的同时,真实反映缆索整体应力情况,是一种极具潜力的缆索索力测定方法。然而,在采用超声导波进行索力测定过程中,受缆索结构影...缆索索力是评判缆索承载能力和服役寿命的重要指标。基于声弹效应的超声导波缆索索力测定方法,在检测缆索缺陷的同时,真实反映缆索整体应力情况,是一种极具潜力的缆索索力测定方法。然而,在采用超声导波进行索力测定过程中,受缆索结构影响,导波波形复杂,难以准确提取声时测量需要的特征点。针对此问题,提出基于多分辨奇异值分解的桥梁缆索索力导波测定方法。该方法基于二分递推原理,构建一种新型二分递推矩阵,结合多分辨奇异值分解(MRSVD),采用滑窗处理方法对信号进行分段处理,获取一种新的回波声时定位特征量-奇异相关值(SCV),该特征量能够有效表征窗内信号与直达波信号之间的相关性。通过构建奇异相关值谱,实现缆索端部回波声时的高精度提取。为验证方法有效性,选用φ5-55丝平行钢丝索试件,在0~500 k N索力范围内开展缆索索力测定实验。实验结果表明,对于规格为φ5-55丝带锚头平行钢丝索,在不同索力条件下,该方法在降低噪声干扰同时,能有效提取缆索端部回波声时实现导波波速测量,并进行索力测定,索力测定结果与实际测量索力之间相对误差在10%以内,与互相关法相比,该方法在声时提取精度和抗干扰方面均表现出优势,为桥梁缆索索力测定提供新的特征提取途径。展开更多
为了从复杂工况下获取滚动轴承故障信息,提出了一种基于广义形态滤波和多分辨奇异值分解(MultiResolution Singular Value Decomposition,MRSVD)相结合的方法。首先利用广义形态学滤波方法对振动信号进行降噪预处理;然后利用MRSVD对降...为了从复杂工况下获取滚动轴承故障信息,提出了一种基于广义形态滤波和多分辨奇异值分解(MultiResolution Singular Value Decomposition,MRSVD)相结合的方法。首先利用广义形态学滤波方法对振动信号进行降噪预处理;然后利用MRSVD对降噪后的振动信号进行分解;最后通过峭度准则选取故障特征最丰富的细节信号,并对其进行Hilbert包络谱分析。将提出的方法应用于滚动轴承的故障检测,实验结果表明该方法能清晰地提取故障特征信息。展开更多
针对配电网行波定位中受噪声干扰导致波头标定困难和传统定位方法不适用于多分支配网结构的问题,提出基于多分辨率奇异值分解-变分模态分解MRSVD-VMD(multi-resolution singular value decomposition-variational mode decomposition)...针对配电网行波定位中受噪声干扰导致波头标定困难和传统定位方法不适用于多分支配网结构的问题,提出基于多分辨率奇异值分解-变分模态分解MRSVD-VMD(multi-resolution singular value decomposition-variational mode decomposition)的自适应波头标定算法和不受行波波速影响的T域定位算法。利用MRSVD和VMD分解故障行波,根据峭度值和峭熵比筛选有效分量,然后通过对称差分能量算子SDEO(symmetrical differencing energy operator)实现波头标定;最后利用行波到达时间筛选故障T域,实现故障点的区段定位和精确测距。仿真结果表明,MRSVD-VMD行波波头标定方法在不同噪声下能有效标定波头,T域定位算法排除波速影响,能实现多分支配电网故障的精确定位。展开更多
在奇异值分解(singular value decomposition,SVD)中提出了一种矩阵递推构造和分解算法,利用SVD实现了一种类似于小波包的信号分解方式,称之为多分辨SVD包.推导了多分辨SVD包的分解和重构算法,并提出一种用二维数组来存储这种包的三维...在奇异值分解(singular value decomposition,SVD)中提出了一种矩阵递推构造和分解算法,利用SVD实现了一种类似于小波包的信号分解方式,称之为多分辨SVD包.推导了多分辨SVD包的分解和重构算法,并提出一种用二维数组来存储这种包的三维数据的方法,避免了对内存的浪费.实例结果表明,这种包对信号的微弱变化具有优良的检测能力,其检测结果无幅值和相位失真,并能精确定位微弱变化的位置,这种包也能有效提取复杂信号中的弱故障特征,在这两方面均明显优于小波包的处理结果.展开更多
文摘针对轴承早期微弱故障特征信息易被噪声掩盖和现实中难以获得大量典型故障样本的实际情况,提出了基于多分辨奇异值分解(Multi-Resolution Singular Value Decomposition,MRSVD)和变量预测模型模式识别(Variable Predictive Model based Class Discriminate,VPMCD)的轴承故障智能诊断方法。利用MRSVD对轴承加速度振动信号进行多层分解,提取包含故障特征的细节信息,建立对数正态分布模型,凸显细节信息中的非高斯特性,计算对数均值和对数标准差构造特征向量,并采用VPMCD方法进行故障识别。将该方法应用于实际轴承外圈、内圈、滚动体局部微弱故障状态下的故障诊断,结果显示:故障识别精度达到98.75%,证明了该方法的可行性和有效性。
文摘缆索索力是评判缆索承载能力和服役寿命的重要指标。基于声弹效应的超声导波缆索索力测定方法,在检测缆索缺陷的同时,真实反映缆索整体应力情况,是一种极具潜力的缆索索力测定方法。然而,在采用超声导波进行索力测定过程中,受缆索结构影响,导波波形复杂,难以准确提取声时测量需要的特征点。针对此问题,提出基于多分辨奇异值分解的桥梁缆索索力导波测定方法。该方法基于二分递推原理,构建一种新型二分递推矩阵,结合多分辨奇异值分解(MRSVD),采用滑窗处理方法对信号进行分段处理,获取一种新的回波声时定位特征量-奇异相关值(SCV),该特征量能够有效表征窗内信号与直达波信号之间的相关性。通过构建奇异相关值谱,实现缆索端部回波声时的高精度提取。为验证方法有效性,选用φ5-55丝平行钢丝索试件,在0~500 k N索力范围内开展缆索索力测定实验。实验结果表明,对于规格为φ5-55丝带锚头平行钢丝索,在不同索力条件下,该方法在降低噪声干扰同时,能有效提取缆索端部回波声时实现导波波速测量,并进行索力测定,索力测定结果与实际测量索力之间相对误差在10%以内,与互相关法相比,该方法在声时提取精度和抗干扰方面均表现出优势,为桥梁缆索索力测定提供新的特征提取途径。
文摘为了从复杂工况下获取滚动轴承故障信息,提出了一种基于广义形态滤波和多分辨奇异值分解(MultiResolution Singular Value Decomposition,MRSVD)相结合的方法。首先利用广义形态学滤波方法对振动信号进行降噪预处理;然后利用MRSVD对降噪后的振动信号进行分解;最后通过峭度准则选取故障特征最丰富的细节信号,并对其进行Hilbert包络谱分析。将提出的方法应用于滚动轴承的故障检测,实验结果表明该方法能清晰地提取故障特征信息。
文摘针对配电网行波定位中受噪声干扰导致波头标定困难和传统定位方法不适用于多分支配网结构的问题,提出基于多分辨率奇异值分解-变分模态分解MRSVD-VMD(multi-resolution singular value decomposition-variational mode decomposition)的自适应波头标定算法和不受行波波速影响的T域定位算法。利用MRSVD和VMD分解故障行波,根据峭度值和峭熵比筛选有效分量,然后通过对称差分能量算子SDEO(symmetrical differencing energy operator)实现波头标定;最后利用行波到达时间筛选故障T域,实现故障点的区段定位和精确测距。仿真结果表明,MRSVD-VMD行波波头标定方法在不同噪声下能有效标定波头,T域定位算法排除波速影响,能实现多分支配电网故障的精确定位。
文摘在奇异值分解(singular value decomposition,SVD)中提出了一种矩阵递推构造和分解算法,利用SVD实现了一种类似于小波包的信号分解方式,称之为多分辨SVD包.推导了多分辨SVD包的分解和重构算法,并提出一种用二维数组来存储这种包的三维数据的方法,避免了对内存的浪费.实例结果表明,这种包对信号的微弱变化具有优良的检测能力,其检测结果无幅值和相位失真,并能精确定位微弱变化的位置,这种包也能有效提取复杂信号中的弱故障特征,在这两方面均明显优于小波包的处理结果.
