局部特征尺度分解

摘要： 为了有效提取出滚动轴承振动信号的故障特征,提出一种基于分段三次Hermite插值?局部特征尺度分解PCHIP?LCD的故障特征提取方法.采用分段三次Hermite插值代替LCD中的三次样条插值(Cubic spline interpolation,CSI),提出了改进的LCD方法,完成振动信号x(t)分解,获得若干内禀尺度分量(Intrinsic scale components,ISCs);建立基于峭度和相关系数K?C组合权重指标的有效ISCs分量筛选规则,完成ISCs分量的选择和重构,获得重构信号xnew(t);对重构信号xnew(t)进行Teager能量算子(Teager energy operator,TEO)解调分析,获得TEO解调能量谱图,进而实现滚动轴承的故障特征提取.结果表明,该方法可增强对信号的包络拟合能力,提高信号的分解精度.

摘要： 分析谐振接地系统发生单相接地故障时各区段故障暂态零序电流的相似性特征,提出基于故障暂态零序电流Hilbert瞬时能量谱相似性自适应仿射传播聚类(adAP)的故障区段定位方法.所提方法对故障后首半个工频周期的故障线路各区段的故障暂态零序电流进行局部特征尺度分解(LCD),对得到的各频带波形进行Hilbert变换得到Hilbert瞬时能量谱.计算Hilbert瞬时能量谱两两间的动态时间弯曲距离,对动态时间弯曲距离构成的相似度矩阵进行adAP,根据Silhouette指标最高的聚类情况定位故障区段.在电弧故障、存在分布式消弧线圈系统、不同消弧线圈补偿度系统、噪声干扰、两点接地、采样不同步的场景下的仿真结果和现场数据验证结果表明,所提方法能克服工程应用中可能存在的影响,鲁棒性好、准确度高.

摘要： 针对滚动轴承振动信号具有非线性和非稳态的特点,故障特征精确提取困难的问题,提出了一种基于局部特征尺度分解(LCD)和递归定量分析(RQA)的滚动轴承故障诊断与健康评估方法.首先,利用LCD将滚动轴承振动信号分解为若干个内禀尺度分量(ISC);然后,对各ISC分量进行相空间重构并构建递归图;最后,通过提取递归图的定量特征参数进行故障诊断与健康评估.试验结果表明,试验数据的三维散点图可以很好地区分不同故障状态,试验数据的置信度则可以反映出轴承健康度随故障程度的加深在逐渐下降,该方法可以有效用于滚动轴承的故障诊断与健康评估.

摘要： 针对滚动轴承故障诊断中声信号信噪比较低、特征提取困难的问题,提出多重降噪轴承故障特征提取方法.该方法首先用最小熵解卷积对故障轴承声信号进行预处理来提高信噪比,然后利用局部特征尺度分解将处理后的信号分解为多个内禀尺度分量,进一步利用相关系数-峭度值原则,筛选出最佳内禀尺度分量进行重构,最后通过1.5维Teager能量谱提取轴承故障特征.仿真及实验结果表明,相较于单一使用最小熵解卷积或局部特征尺度分解等降噪方法,多重降噪方法可以在信噪比极低的情况下有效提取故障特征.

摘要： 针对光纤振动信号受噪声干扰严重、特征提取单一和识别时间长的问题,提出了改进的局部特征尺度分解和蚁群算法优化深度置信网络的识别方法。首先,采用三次B样条函数插值拟合均值曲线改进局部特征尺度分解算法,并对原始信号进行分解得到一系列内禀尺度分量之和。其次,利用峭度因子和能谱系数构成融合指标筛选有效分量。然后,分别提取有效分量在时域、频域和时-频域的熵值特征进行融合并降维。最后,将综合特征向量馈入蚁群优化后的深度置信网络进行训练和识别,提高算法效率和识别率。采用实测数据进行实验验证,结果表明,信噪比平均提升8 dB,信号平均识别率可达95.83%,平均识别时间为0.715 s。

摘要： 局部特征尺度分解(LCD)是为克服经验模态分解(EMD)中均值曲线构造的不足而提出的一种自适应信号分解方法,已被应用于机械故障诊断领域.但LCD存在与EMD类似的模态混叠问题,为此,基于均匀相位差掩膜信号构造,提出了自适应掩膜信号集成局部特征尺度分解(AMSELCD),该方法不仅能够将一个复杂信号自适应地分解为若干个本征模态函数和一个剩余项之和,而且能够有效地解决LCD的模态混叠现象.通过仿真信号分析,将AM-SELCD与现有多种抑制模态分解方法进行了对比,结果表明了所提方法的有效性和优越性.最后,针对滚动轴承和转子碰摩故障振动信号的调制特征,将所提AMSELCD方法应用于转子碰摩和滚动轴承的故障诊断,对比和实验分析结果进一步验证了所提方法的有效性和优越性.

摘要： 为有效提取出电动汽车电机轴承故障特征频率,将局部特征尺度分解、线性局部切空间排列和包络分析进行结合,用于电动汽车电机轴承的故障特征频率的提取.首先利用局部特征尺度分解对电动汽车电机轴承故障信号进行分解,得到若干个内禀尺度分量;然后利用线性局部切空间排列对由内禀尺度分量构成的矩阵进行降维处理,得到低维矩阵并以此进行信号重构;最后对重构信号进行包络谱分析,获得故障特征频率.仿真信号和实验信号的实验结果验证了方法的有效性.

摘要： 针对在工程实际中单通道滚动轴承故障信号的特征提取信息不全面、不准确等问题,提出了一种基于全矢谱(Full Vector Spetrum,FVS)技术的局部特征尺度分解(Local Characteristic-Scale Decomposition,LCD)和核独立分量分析(Kernel Independent Component Analysis,KICA)相结合的方法,并利用Hilbert包络分析提取故障特征.首先通过LCD将两个相互垂直方向的振动信号分解成一系列内禀尺度分量(Intrinsic Scale Component,ISC),其后将含故障特征信息更加明显的较高能量的ICS分量利用KICA分离故障信号与噪声信号,最后利用全矢包络分析处理有效分量信号,提取故障特征.通过实验验证,该方法提取滚动轴承的故障特征有效.

摘要： 本发明公开了一种基于多尺度全局特征和局部特征的图像分类方法，该方法利用图像中的文本信息，提取有效显著区域并计算显著区域中的颜色特征和空间分布特征，利用小波图像金字塔得到多尺度全局特征，利用四分树算法得到局部特征；最终结合多尺度全局特征和局部特征对图像进行分类，该方法的分类正确率可以到达88％。通过分别对分类前后的图像进行文本检测和识别的对比实验发现，图像分类能够有效提高图像中文本信息的检测与识别。

摘要： 本发明公开了选择集成的改进局部特征分解的微弱故障特征提取方法，具体包括：采集振动信号归一化处理；采用基于镜像延拓对称点的边界延拓方法对归一化信号两端进行延拓；采用SEILCD方法将延拓后信号分解为多个ISC分量；估计每个ISC分量在置信度95%和99%的能量；判断每个ISC分量是否属于噪声，若是噪声ISC分量则采用minmax阈值去噪方法对ISC去噪，否则采用AWOGS方法对ISC进行去噪；对去噪后ISC归一化正交并进行时频分析。本发明方法能够自适应选择LCD插值均值曲线以及自适应信号去噪，提高了复杂振动信号处理能力，有效增强故障特征，进而提高故障诊断的准确性和解释性。

摘要： 本发明提供的一种基于多尺度特征融合的可学习局部特征描述子的方法和一种基于多尺度特征融合的可学习局部特征描述子提取装置，通过构建图像匹配数据集，采集图像数据，将图像数据进行预处理后中心环绕切割，获取图像不同大小的尺寸，并转换成预处理后的图像，然后将预处理后的图像进行特征提取，获取三个尺寸对应的图像特征，对三个尺寸对应的图像特征进行特征融合并形成特征描述符，求误差值并根据损失函数更新，准确提取图像的采集野，实现对图像数据的高效采集。

摘要： 本发明公开了一种基于多尺度全局特征和局部特征的图像分类方法，该方法利用图像中的文本信息，提取有效显著区域并计算显著区域中的颜色特征和空间分布特征，利用小波图像金字塔得到多尺度全局特征，利用四分树算法得到局部特征；最终结合多尺度全局特征和局部特征对图像进行分类，该方法的分类正确率可以到达88％。通过分别对分类前后的图像进行文本检测和识别的对比实验发现，图像分类能够有效提高图像中文本信息的检测与识别。

摘要： 本发明公开了选择集成的改进局部特征分解的微弱故障特征提取方法，具体包括：采集振动信号归一化处理；采用基于镜像延拓对称点的边界延拓方法对归一化信号两端进行延拓；采用SEILCD方法将延拓后信号分解为多个ISC分量；估计每个ISC分量在置信度95%和99%的能量；判断每个ISC分量是否属于噪声，若是噪声ISC分量则采用minmax阈值去噪方法对ISC去噪，否则采用AWOGS方法对ISC进行去噪；对去噪后ISC归一化正交并进行时频分析。本发明方法能够自适应选择LCD插值均值曲线以及自适应信号去噪，提高了复杂振动信号处理能力，有效增强故障特征，进而提高故障诊断的准确性和解释性。

摘要： 本发明提供一种基于局部特征尺度分解(LCD)的滚动轴承故障诊断方法，从实验装置上采集滚动轴承的四种状态下的原始振动信号，利用LCD方法将原始信号分解成若干内禀尺度分量(ISCs)，通过计算峭度和K‑C相关系数筛选出有效的ISCs，完成有效ISCs分量的重构，获得重构故障信号，然后将重构后的信号进行包络解调，提取滚动轴承的故障特征，最后将提取的故障信息与故障理论值进行对比，判断轴承是否发生故障以及故障的类型。本发明提供的基于局部特征尺度分解的故障诊断方法易于实现，为轴承及旋转机械设备的安全运行提供了可靠的判断依据。

摘要： 本发明公开了一种基于局部特征尺度分解改进算法的均值曲线构建方法，采用四控制点插值方法计算均值点，并利用向内匹配极值点延拓法对信号进行端点效应抑制，从而使得得到的均值曲线更加贴合信号变化规律。

摘要： 本发明公开了一种基于局部特征尺度分解的斜拉索时变索力识别方法，属于土木工程与人工智能计算机视觉交互技术领域。本发明提供的方法利用局部特征尺度分解算法处理斜拉索振动信号，可以得到斜拉索各阶振动信号分量；希尔伯特‑黄变换(HHT)式对信号的一种解调处理，通过计算瞬时相位，并对瞬时相位求导，能够提取信号的瞬时频率，利用HHT对拉索的第一阶振动模态进行处理，得到第一阶瞬时频率，带入索力‑基频公式可以得到斜拉索的时变索力。

摘要： 本发明提出一种基于局部特征尺度分解和波形指数的结构损伤预警方法，属于结构损伤识别领域，该方法利用局部特征尺度分解技术将加速度响应信号分解为多个内禀尺度分量，选择对结构损伤较敏感的内禀尺度分量，参照信号波形处理技术中的波形指数的定义计算其波形指数，利用结构损伤前后内禀尺度分量波形指数的变化量构造结构损伤预警指标，进行结构损伤预警，该方法能够有效克服经验模态分解和局部均值分解存在的无效分量多、端点效应和模态混叠问题，可操作性强，提高了预警准确度。

摘要： 本发明提出了一种基于局部特征尺度分解(LCD)‑近似熵(APEn)和流形距离的滚动轴承健康评估方法，首先，原始振动信号通过LCD分解成若干个内禀尺度分量(ISCs)，然后计算每个ISC分量的近似熵，最终求这些分量的近似熵和正常数据近似熵之间的流形距离，然后将计算出来的流形距离归一化为置信度(CV)来表示滚动轴承的健康度。滚动轴承的正常运行在现代工业复杂机械系统中显得尤为重要，因此对滚动轴承进行性能评估在机械系统的预测和健康评估中具有重要意义，然而由于轴承振动信号的非线性和非稳态的特点，对轴承振动信号的特征进行精确的提取尤为困难，本发明所提方法可以精确提取信号局部特征。结果表明本发明所提方法可以有效地评估滚动轴承的健康度。