改进的EMD方法在车辆振动信号提取中的应用(英文)

为了能在强噪声背景下准确地进行振动信号的特征提取,对经验模式分解进行了研究和改进,并将其应用于车辆振动信号的特征提取中。首先对系统中各输入信号进行了多次自相关处理,有效地降低信号中的噪声。然后对处理的信号进行经验模式分解,得到了各固有模态函数分量。最后对感兴趣的固有模态函数分量进行希尔伯特变换和谱分析,从而得到信号的特征信息。仿真和试验分析说明了改进的经验模式分解方法的可行性,并且对同类工程问题具有一定的参考价值。     

基于EMD和SVM的滚动轴承故障诊断方法

将支持向量机(SupportVectorMachine,简称SVM)、经验模态分解(EmpiricalModeDecomposition,简称EMD)方法和AR(Auto-Regressive,简称AR)模型相结合应用于滚动轴承故障诊断中。该方法首先对滚动轴承振动信号进行经验模态分解,将其分解为多个内禀模态函数(IntrinsicModeFunction,简称IMF)之和,然后对每一个IMF分量建立AR模型,最后提取模型的自回归参数和残差的方差作为故障特征向量,并以此作为SVM分类器的输入参数来区分滚动轴承的工作状态和故障类型。实验结果表明,该方法在小样本情况下仍能准确、有效地对滚动轴承的工作状态和故障类型进行分类,从而实现了滚动轴承故障诊断的自动化。      

EMD的频带滤波筛分方法

Hilbert—Huang（HHT）变换方法由经验模态分解（EMD）及Hilbert变换两部分组成,能在时频域上正确地描述非平稳非线性信号的局部特征。但由于模态混淆,当信号组合分量的频率太接近时,HHT常不能正确分解窄带信号。针对这一情况,提出了EMD筛分过程的一种新的改进方法——频带滤波HHT方法,并运用此方法成功分解了双自由度线性体系反应的窄带信号。     

基于奇异值分解的关系相似度计算方法

关系相似度计算在信息检索等领域有重要的应用.目前,关系相似度主要通过向量空间模型计算,但数据稀疏严重影响计算效果.为此提出以上下文模板表示特征,并通过对特征矩阵的奇异值分解降维消除噪声,冉通过向量余弦夹角计算关系相似度.实验表明,该算法比传统的向量空间模型算法在分类准确率方面有明显提高.     

残差超复数偶对分解的多光谱和全色图像融合方法

提出一种残差超复数偶对分解的多光谱和全色图像融合方法。用超复数分别对多光谱图像和全色图像的残差图像建模,并对多光谱图像的超复数残差模型沿彩色空间的灰度轴方向分别进行超复数偶对分解,得到包含亮度信息的单部分和包含色度信息的复部分。分析表明用高分辨率全色图像的超复数残差图像来替换低分辨率多光谱图像分解后得到的复部分,可以恢复出高分辨率的多光谱图像的残差,从而实现多光谱图像和全色图像的融合。仿真结果验证了所提方法的有效性,同时验证了该方法不存在人眼可见的光谱畸变。各种现有图像融合评估方法的评估结果表明:该方法优于亮度、色度、饱和度(IHS)、主元分析（PCA）和小波变换的融合方法。     

定日镜表面风压的重构与预测

在利用风洞试验研究结构表面风压时,测点数量往往不能满足结构计算要求,为了得到未布置测点处的风压时程,需要进行插值预测。文章结合风洞试验同步采集到的风压时程数据,利用本征正交分解(POD)技术分析了定日镜表面风场分布特点;根据风压相关系数矩阵经POD分解后成为时间主坐标与空间本征向量这一特点,编制了Matlab程序,实现其与Surfer软件接口,选取距离反比法、三角形线性插值法和克里金法(Kriging)等不同插值方法对本征向量进行空间插值;研究了参与模态阶数对重构风压序列精度的影响,并计算了预测点风压时间序列。结果表明:随着参与重构的模态数量增加,重构与测量风压序列逐渐接近;在三种插值预测方法中三角形线性插值法和克里金法预测效果优于距离反比法。     

基于FRFT的雷达信号chirp基稀疏特征提取 及分选

 特征分析是雷达信号分选识别的基础,利用稀疏分解思想对新体制雷达信号进行特征提取是一个新的研究方向。本文以分数阶Fourier变换的核函数作为稀疏分解的chirp基函数,将具有相近特征参数的chirp基函数构成基函数族用于稀疏分量提取,推导了在分数阶Fourier域基于匹配跟踪的chirp基函数族稀疏分解公式,然后利用chirp基稀疏分量的调频率和初始频率构成特征参数序列,将雷达信号脉冲分成5大类进行分选和识别,仿真分析验证了推导结果的有效性。结果表明对于具有线性或曲线时频特征的雷达信号在信噪比为-3 dB,采样频率为500 MHz,观测时间为2 μs,调频率不超过100 MHz/μs时,仍然具有95%的正确分选概率。     

基于TV-L1模型的多尺度遥感影像分解方法

TV—L^2模型是一种有效的遥感影像分解方法,但采用TV—L^2模型进行遥感影像分解会出现分解不彻底的情况。基于TV—L^1模型的多尺度遥感影像分解方法是一种将TV—L^1模型和多尽度方法结合起来对遥感影像进行分解的遥感影像分解方法。实验证明,基于TV—L^1模型的多尺度遥感影像分解方法继承了Tv—^L2模型利用全变分分解的优点,解决了TV—L^2模型分解不彻底的问题,并且通过尺度调节实现了多尺度分解。实验结果表明,该方法在遥感影像分解中取得了理想的效果,可以进一步地扩展应用。     

神经元耦合系统同步条件的几点注记

研究了2个双向电突触耦合的完全相同的Hindmarsh-Rose神经元模型的完全同步问题.电突触耦合是神经元之间用于通讯的主要方式之一,它的最大功能是使神经元集群发生同步放电活动.以往对于耦合神经系统同步的研究,大多是利用数值方法,缺乏确凿的理论依据,对于多个神经元耦合的情形,也没有有效的方法.提出了2种判断完全同步的新方法——李雅普诺夫函数法和模式分解法,与传统的条件李雅普诺夫指数方法只能给出完全同步发生的必要条件相比,得到同步发生的充要条件和充分条件,并给出严格的理论证明.方法可应用到多个振子耦合和非对称耦合的系统中.计算机数值模拟对方法的有效性进行了验证.      

纳米NiO/CNTs复合粒子的制备及其对AP和AP/HTPB热分解的影响

以碳纳米管(CNTs)为载体,采用化学沉淀法制备了不同摩尔比的NiO/CNTs复合粒子,采用透射电子显微镜、X-ray衍射仪、扫描电子显微镜、X射线能谱、比表面积分析仪等表征手段对产物的结构进行了表征,并用差示扫描量热仪研究了NiO/CNTs复合粒子对AP及AP/HTPB推进剂热分解的催化作用。结果表明:NiO/CNTs复合粒子结晶好、包覆均匀、比表面积大。NiO/CNTs(nNiO:nCNTs=1:4)复合粒子可使AP和AP/HTPB推进剂的高温分解峰温分别降低了92.24℃和42.2℃,使总表观分解热分别增加了1 086 J/g和730 J/g,表现出显著的催化性能,其催化性能明显优于纯纳米NiO和纯CNTs。碳纳米管的独特结构和载体支撑作用是NiO/CNTs复合粒子的催化性能强于纳米NiO的主要原因。