含噪声的转子碰摩混沌信号分类识别

采用基于竞争学习和聚类分析的学习向量量化 ( LVQ)方法 ,研究转子碰摩混沌响应信号的神经网络分类识别问题 ,给出了相应的理论分析和计算结果 ,着重研究了 LVQ网络在不同噪声时的识别情况。分析结果表明 ,该方法可以实现转子碰摩混沌信号与其它响应信号的分类识别 ,并且具有良好的抗噪性能 ,为转子碰摩混沌信号的分类识别提供了一种较为直接的实时处理方法。     

转子碰摩振动响应的非线性时间序列分析

针对碰摩转子系统的非线性特性 ,采用动力学非线性时间序列分析的方法对其振动响应进行了分析研究。基于动力学重构的基本理论 ,对碰摩转子响应进行了状态空间重构。在此基础上 ,进一步对碰摩转子系统振动响应进行了相关维数的估计 ,不同的相关维数值表明了系统是处于周期或拟周期运动 ,还是处于含有拟周期的混沌运动 ,或者是明显的混沌运动。系统碰摩严重时的相关维数值会比碰摩较轻时的相关维数值大 ,进一步对实验数据的计算结果也证实了这一点。