基于支持向量机的滚动轴承状态寿命模型

使用状态寿命(即状态良好、初始损伤、故障发展和即将失效4个寿命阶段)描述滚动轴承的使用寿命,并建立了滚动轴承的状态寿命评估模型.状态寿命评估模型建模的关键是振动信号的特征提取和状态的识别算法.针对滚动轴承振动的特点,提取小波包重构信号的频带能量构造特征向量,利用支持向量机作为辨识算法建立滚动轴承状态寿命评估模型,并讨论了模型参数确定等关键问题.滚动轴承全寿命试验验证了模型的有效性和可信性.      

基于时-频分析的LFM信号检测研究

线性调频(LFM)波形是现代雷达系统广泛采用的一种非平稳扩谱信号波形,具有良好的低截获概率特性,为此,现代电子侦察系统常采用时频分析技术检测和分析这类时变信号.介绍了短时傅里叶变换和WVD等线性和非线性时频分析方法,运用这些方法对LFM信号的检测进行了分析,揭示了LFM信号在二维时频平面上的分布特征,并运用Hough变换检测WVD时频平面上呈直线分布的LFM信号.计算机仿真结果证实了此方法的有效性.     

雷达信号环境模拟中波形产生单元的设计

针对复杂雷达信号环境模拟系统中对多输出、多调制形式的波形产生单元的迫切需求,综合了以小波变换为基础的脉内调制特征提取技术和以DDS技术为基础的直接数字调制波形合成法,借助于SOPC技术,设计完成了一种新的波形产生单元.     

稀疏泡状流中变形气泡的三维图像测量技术

研究气泡变形对于分析泡状流中气泡的受力和运动具有重要意义.设计了一种可确定稀疏泡状流中气泡空间坐标与变形参数的图像测量技术:原始图像经预处理和增强后,结合形态学方法识别出变形气泡投影的闭合轮廓.改进了分水岭方法对气泡投影进行分割,并用对称直线法确定投影中心改进Hough变换,得到椭球气泡模型的投影椭圆参数.提出了一种由两幅投影轮廓重构三维气泡模型的算法并分析了实验误差.该技术可较准确地测得气泡空间坐标和变形参数:投影椭圆的参数误差小于3个像素,气泡识别误差小于15%.     

基于切片熵权的WHT多LFM信号识别方法

为提高在低信噪比与先验信息不足条件下对线性调频(LFM)信号识别能力,借鉴信息论中的熵权法改进WHT(Wigner-Hough Transform),提出了一种基于切片熵权的WHTE(Wigner-Hough Transform based on Entropy)算法。推导出LFM信号的WHT与对应特性,将WHT变换域内极半径和角度切片的熵值来转换为权重因子,进而对每个切片进行加权处理,采用双层权重以弱化噪声与干扰项的影响,并推导出LFM信号与高斯白噪声在WHT维度内不同假设条件下的概率密度分布函数,构建了对于LFM信号WHT后恒虚警检测的完备流程。通过理论分析与公式推导论证了算法的可行性,并与WHT、分数阶傅里叶变换与周期WHT算法的仿真对比,验证了算法的有效性,凸显WHTE算法能够在强噪声背景下与没有先验支撑时实现对LFM信号的良好检测。     

基于小波变换和神经网络的直升机旋翼不平衡故障诊断方法

依据直升机旋翼不平衡故障空间与多点机体振动空间存在一对一映射关系的理论,采用某旋翼试验台设置桨距不平衡、质量不平衡以及后缘调整片不平衡的方法获取试验数据。利用小波变换和神经网络处理直升机机体振动信号,并对直升机旋翼单故障和复合故障进行诊断。最终实现了一种利用小波变换处理机体振动信号诊断旋翼不平衡故障的方法。     

低信噪比下相位编码信号脉内特征提取新方法

针对低信噪比条件下相位编码信号的相位估计容易受噪声影响的问题,提出了将自适应阈值消噪技术与小波变换结合起来的新方法.首先利用连续小波变换计算信号的小波谱,再对小波谱进行自适应阈值消噪处理,进而提取小波谱脊线,得到相位编码信号的脉内调制信息.计算机仿真验证了该方法的可行性.     

基于树形小波变换的断口图像识别

断口图像的识别是进行失效分析的一个重要组成部分,本文提出一种基于小波的断口识别方法,该方法采用树形小波对金属断口图像进行二级小波变换,剔除近似分量,对其余的各个频带输出的标准差作为断口识别的特征,并采用最小距离分类法进行分类,实验证明,此方法对细节丰富的断口的识别率很高。     

一种提取多边形特征的新方法

已有的提取多边形特征的方法都仅适合于刚体变换和相似变换,本文提出一种适合仿射变换的提取多边形特征的新方法。给出快速判别多边形顶点凹凸性和计算多边形简比的方法。首先提取多边形的拓扑特征??顶点数和多边形的凹凸性,可以对多边形进行定性识别,对噪音不敏感;其次提取多边形的几何特征———平行性、相互平行的边的比值以及简比等特征,可以对多边形进行定量分析,并能够反应多边形形状的细微差别;最后用实验进行验证,结果表明本文的特征提取方法简单有效。     

基于Contourlet变换的子带自适应图像去噪

Contourlet变换是继小波变换之后的又一新变换。由于Contourlet变换的多尺度和多方向特性,能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示.本文提出一种基于Contourlet变换子带自适应图像的新颖去噪算法。该算法核心是估计无噪期望信号的概率。即结合无噪子带系数的广义Laplacian模型和加性高斯白噪声的概率估计,分析每个子带信号概率为固定的情况。实验结果显示这种新的子带自适应图像去噪算法优于Bayesian wavelet shrinkage和ContourletHMT算法。