局域均值分解

摘要： 以典型旋转机械为研究对象,通过研究局部平均分解、形态学滤波、噪声辅助多重经验模式分解和多重经验模式分解等时,频率方法和旋转机械的微弱、复合故障诊断的应用,研究机械故障的诊断、为性能劣化状态识别和趋势预测提供了新的有效手段,并且调高其应用方面的价值和实用性。

摘要： 针对埋地钢质管道损伤不开挖检测问题,提出一种非接触式谐波磁场检测方法。利用调频载波原理将高频信号叠加到低频信号上构建谐波激励信号,通过聚焦阵列增强激励信号的空间辐射能量和靶向性;采用三维矢量隧道磁阻差分传感器阵列对磁场信号进行采集。采用双稳随机共振(SR)算法增强目标信号能量并采用局域均值分解(LMD)算法进行自适应时频分析。仿真与实验结果表明,该检测方法能够对缺陷信号进行有效提取与辨识,实现埋地管道损伤的不开挖检测。

摘要： 为了对变电站瓷支柱绝缘子状态进行有效评估,提出了一种将局域均值分解方法(Local Mean Decomposition,LMD)、主成分分析方法(Principal Components Analysis,PCA)和样本熵相结合的瓷支柱绝缘子振动信号故障诊断方法.首先,将瓷支柱绝缘子振动信号进行局域均值分解,得到PF(乘积函数)分量,利用主成分分析方法,提取主PF分量;其次,计算其样本熵作为表征瓷支柱绝缘子状态的特征向量,利用支持向量机(SVM)对输入的向量进行分类训练;最后,将测试样本特征向量输入训练好的SVM中进行分类识别.结果 表明,该方法能有效提取瓷支柱绝缘子的故障特征并实现准确的故障分类.

摘要： 针对成品油管道泄漏点定位精度不高的缺陷,提出一种基于改进灰狼算法的成品油输送管道泄漏定位方法.该方法建立超声波波速信号与管道内部压力信号的数学关系,将超声波波速信号进行局域均值分解,信号经过消噪处理后采用了小波变换进而提取出信号拐点.通过获得成品油输送管道首末站超声波波速变化的拐点时间,建立目标函数,通过改进灰狼算法估计泄漏点位置.结果表明,所提方法能够进行成品油输送管道的泄漏点准确定位.

摘要： 采用局域均值分解(LMD)提取强噪声背景下的滚动轴承的故障特征效果并不理想,针对该问题,将多点优化最小熵解卷积(MOMEDA)与局域均值分解(LMD)相结合,进行了滚动轴承微弱故障信号处理研究.首先,利用局域均值分解(LMD)对外圈故障轴承的振动信号进行了信号重构;其次,利用多点优化最小熵解卷积(MOMEDA)滤波,进行了包络分析来提取故障特征;最后,将所提出的方法与局域均值分解(LMD)重构后,用最小熵解卷积(MED)滤波故障特征提取方法进行了对比;此外,采用所提方法分析了内圈故障.研究结果表明:所提出的方法对微弱故障特征提取有更好的适用性,能在包络谱中看到多倍频峰值,且峰值附近干扰很少;仿真与试验结果验证了方法的有效性.

摘要： 针对刀具故障诊断信号信噪比低、诊断结果不准确等问题,采用局域均值分解(LMD)结合排列熵(PE)来处理采集到的刀具加工时的振动信号,然后将提取到的特征向量输入到训练好的长短期记忆神经网络(LSTM)中得到诊断结果,为了提高LSTM的诊断效率,结合卷积神经网络(CNN)对LSTM进行了改造;试验表明,文章提出的方法诊断准确率比BP神经网络提高了将近12％,改进LSTM网络比传统LSTM的诊断时间缩短了50％.

摘要： 局部均值分解(local mean decomposition,LMD)在分析非线性、非平稳信号时具有特有的分析能力,特别适合泵站机组摆度信号的分析.但是在信号分解为固有旋转分量的过程中,由于局域均值和包络估计函数在数据端点存在误差,会产生端点效应,严重时导致信号分解结果失真.针对这一问题,从全面考虑曲线幅值和几何形状相似性出发,提出基于灰色B型关联度和欧氏距离的端点效应抑制方法.为评价该端点效应抑制方法的抑制效果,提出分解前后的信号能量变化的评价标准.通过与原始局域均值分解算法、镜像映射法和波形匹配法等传统方法相比,验证该方法的有效性和优越性.仿真信号和泵站主轴摆度实测信号的应用表明,该方法能够有效地抑制端点效应,提高LMD分解过程中重构信号精度,更好地提取泵站机组摆度信号故障特征.

摘要： 为解决风速间歇性、波动性等缺点对风力发电稳定性的影响,该文提出局域均值分解与时间序列相结合的方法,建立模型对风速进行预测.首先局域均值分解将风速数据分解为若干个瞬时频率乘积函数分量,再将各分量分别建立时间序列模型,得到各分量的预测值,并叠加各个分量的预测值以获得风速数据的预测值,最后对模型得到预测值与实际风速值、EMD-ARMA模型预测值、ARMA模型预测值进行对比,并进行误差分析.仿真结果表明:局域均值分解与时间序列相结合建立的模型预测误差相对较低.

摘要： 针对小波软、硬阈值函数存在恒定偏差和不连续性的缺点, 以及最小二乘支持向量机核函数参数选择困难等问题, 提出了一种基于指数小波阈值与PSO-DP-LSSVM的发动机轴承故障诊断方法.利用指数小波阈值函数对原信号进行分解并重组, 提取降噪后各个分量的能量特征; 采用自适应的DP 算法丰富PSO算法的解空间, 并采用动态的参数控制,使其更容易获得最优解; 将能量特征输入参数已定的LSSVM中, 对信息进行训练和预测.结果表明: 该方法能快速有效地对故障轴承信号进行自适应的故障诊断及分类.

摘要： 管道防腐层缺陷类型识别是管道防腐层健康检测和安全运行的重要研究方向.利用非线性超声导波获取管道防腐层导波缺陷信号并采用局域小波分解方法获得回波信号,针对回波信号峰度系数、偏度系数、离散系数、形状系数和小波包能量系数对于不同类型防腐层缺陷的敏感程度不同,提出一种基于主成分分析的SVM防腐层缺陷分类方法,同时引入动态扰动粒子群算法,获得SVM最优的惩罚系数C和RBF核函数g值.结果 表明:算法能够实现孔洞、裂纹和凹坑三类管道防腐层缺陷的有效分类,与传统SVM分类相比,准确率提高了12.9％,为管道防腐层缺陷检测提供了有效的分类方法.

摘要： 列车轴承故障诊断是保证铁路运营安全的重要手段,轴承振动信号的处理方法是实现故障诊断的关键.局域均值分解方法是一种自适应的信号处理方法,对于非线性非平稳信号的解调具有良好的性能.利用在测试测量领域广泛使用的LabVIEW进行了局域均值分解方法的编程,将该方法与虚拟仪器技术结合搭建了一套高速、可靠、可移植性强的系统,通过仿真信号和轮对实验的验证,证明该方法适用于工程实践.

摘要： 针对目前水闸枢纽供电电压偏高和异步电机启闭对电能质量造成一定影响的问题.改进局域均值分解法(LMD),结合Hillbert变换分析准确得出电能质量的瞬时频率.采用Matlab仿真实验进行验证,结果表明:端点效应抑制效果显著,该方法可有效分析电能质量中的谐波,是对水闸枢纽的电压检测的有益补充.

摘要： 为提取多源故障信号特征,实现复合故障诊断,提出了一种基于改进的形态学滤波算法和独立分量分析的信号分离及特征提取方法.首先,通过自适应形态学滤波算法处理故障信号,降低噪声,提取故障信号特征;然后,通过局域均值分解使单通道信号分解成多个特征信号;最后,运用独立分量分析对多个特征信号进行盲源分离,实现故障识别和分离.以轴承复合故障为研究对象进行验证,分析结果表明:所提方法可以有效分离滚动轴承外圈与滚动体复合故障信号,实现了复合故障诊断.

摘要： 针对滚动轴承的故障振动信号呈现非线性和非平稳特性,提出一种基于局域均值分解(Local mean decomposition,简称LMD)和线性调频Z变换(Chirp Z Transform,简称CZT)的自适应故障诊断方法.该方法首先对信号进行局域均值分解,得到若干个具有物理意义的乘积函数PF(Product Function,简称PF)分量之和,然后运用线性调频Z变换方法对包含主要故障信息的PF分量进行局部细化分析,针对获得信号的幅值和频率信息进行故障诊断.利用该方法对仿真信号以及滚动轴承外圈故障信号进行实验研究的结果表明,基于LMD和CZT的故障诊断方法具有较高的故障识别率,能够有效提取旋转机械故障信号特征.

摘要： 内圈点蚀、外圈压痕和滚动体磨损是滚动轴承常见典型故障,为实现其快速、准确诊断,本文提出基于振动信号局域均值分解(Local mean decomposition,LMD)的PF分量能量特征和神经网络相结合的滚动轴承诊断方法.首先对振动信号进行局部均值分解,将其分解为若干个PF分量,以获得的PF分量能量特征作为神经网络输入进行滚动轴承的故障类型的识别,同时引入遗传算法对神经网络结构参数进行优化,以进一步提高故障识别诊断速度和准确率.结果表明,该方法用于轴承典型故障诊断有着更高的诊断速率和故障识别率.

摘要： 经验模态分解(EMD)及局域均值分解(LMD)都是转子故障诊断领域时频分析的有效方法.EMD为非平稳信号进行有意义的Hilbert变换起到了桥梁的作用,但是却会因此而产生了不能解释的负频率.而LMD将一个复杂的多分量信号分解为若干个瞬时频率有物理意义的乘积函数(Production Function PF),并且其局部均值函数与包络估计函数都是采用平滑处理的方法形成的避免了EMD方法中的过包络与欠包络现象.本实验通过采用LMD与EMD方法对两类常见的转子故障信号的分析比对,实验结果得出LMD在低频和频率变化波动大的故障信号中比EMD效果更佳明显.

摘要： 一基于非局域均值的Bayer域图像降噪的系统及其方法，首先通过方差稳定化正变换将图像中的噪声转换为高斯噪声；并通过积分图快速计算像素点的统计值以便对其做出预判，对于通过相似度预判的参考点则进行相似度权重计算，并对其进行非局域均值滤波，并将通过非局域均值滤波的图像进行噪声补偿处理，最后通过方差稳定化变换获得降噪的图像。因此，通过该方法可以去除图像中的噪声并能很好的保持图像的纹理细节，使得图像看起来更加自然。

摘要： 本发明公开了一种经验模态分解‑局部均值分解联合方法，涉及信号处理技术领域，该方法包括：S1：针对非线性非稳定的原始信号，进行经验模态分解，得到所有的固有模态函数；S2：以所有的固有模态函数作为输入，使用局部均值分解方法进行分解，得到瞬时频率物理意义明确的处理信号。采用本发明的技术方案能够克服以往由希尔伯特‑黄变换产生的负频率问题，同时具备强鲁棒性并且得到的瞬时频率物理意义明确，从而能够适用于处理自然界及工程领域的复杂非线性非稳定信号。

摘要： 本发明提供一种基于自适应非局域均值的小波去噪方法，包括：步骤S110：对含噪声图像的各颜色通道执行如下步骤：步骤S111：采用小波变换算法提取该颜色通道下含噪声图像的低频小波分量和高频小波分量：步骤S112：根据构建的边缘判别算子计算高频小波分量搜索窗口内的邻域校准噪声；步骤S113：根据领域校准噪声，在搜索窗口内，依次计算参考窗口与目标邻域窗口的相似度，并基于相似度确定目标小波系数的加权系数；步骤S114：根据目标小波系数的加权系数，更新目标小波系数，基于所更新的目标小波系数，利用小波逆变换算法得到该颜色通道下含噪声图像的去噪图像；步骤S120：合成各颜色通道下的去噪图像得到含噪声图像的去噪图像。本发明改善小波去噪。

摘要： 本发明电价预测的技术领域，更具体地，涉及一种基于局域均值分解及优化RBF神经网络的短期电价预测方法，首先获取电价历史数据并对数据做预处理；然后利用局域均值分解将历史电价数据分解成一系列拥有物理意义的PF分量；接着采用纵横交叉算法优化径向基神经网络的预测模型对所有PF分量进行提前0.5h预测；最后叠加所有PF分量的预测值，得到实际预测结果。本发明利用局域均值分解来减少电价序列的非平稳性和非线性问题，采用纵横交叉算法优化径向基神经网络组成混合模型进行提前预测，弥补了神经网络易陷入局部最优的缺陷，提高了神经网络的泛化能力，降低了电价序列复杂特性对预测结果的影响，提高了短期电价预测的精度。

摘要： 本发明公开了一种积分延拓抑制局域均值分解端点效应的方法，步骤是：1)接收原始信号数据并进行预处理；2)获得原始信号中所有的极值点值和左、右延拓时相似波形的起、终点值；3)构建信号左延拓的特征波形；4)利用步骤2)起点值构建左延拓的相似波形；5)计算左延拓特征波形和相似波形的积分值；6)获取左延拓的匹配波形；7)对信号进行左延拓；8)按照步骤3)至7)的方法对信号进行右延拓；9)对延拓后的信号进行局域均值分解得到最终分析结果。本发明基于信号内部的特定规律进行信号延拓，延拓后的波形更能保持原有的趋势，获得了良好的抑制局域均值分解端点效应的效果；同时避免缺乏对信号整体的认识和复杂信号的不适应性。

摘要： 一种基于LMD和LSTM的风速预测方法，将实际风速分解为多个分量，降低预测难度，并结合LSTM建立时序模型进行风速预测；包括如下步骤，(1)稳态数据提取；(2)基于LMD的风速特征提取；(3)建立基于LSTM的风速预测模型；将LMD与LSTM相结合，利用组合预测具备两种算法有点的特征，提高了风速预测精度；局域均值分解法分解数据，可有效消除模态混叠，提高模型预测精度；利用LSTM出色的时间序列特征提取能力，可以有效将这种风速预测方法推广到复杂地理特征的不同站点的风速预测，从时间和空间上提高风速预测的准确性。

摘要： 本发明电价预测的技术领域，更具体地，涉及一种基于局域均值分解及优化RBF神经网络的短期电价预测方法，首先获取电价历史数据并对数据做预处理；然后利用局域均值分解将历史电价数据分解成一系列拥有物理意义的PF分量；接着采用纵横交叉算法优化径向基神经网络的预测模型对所有PF分量进行提前0.5h预测；最后叠加所有PF分量的预测值，得到实际预测结果。本发明利用局域均值分解来减少电价序列的非平稳性和非线性问题，采用纵横交叉算法优化径向基神经网络组成混合模型进行提前预测，弥补了神经网络易陷入局部最优的缺陷，提高了神经网络的泛化能力，降低了电价序列复杂特性对预测结果的影响，提高了短期电价预测的精度。

摘要： 本发明公开的基于二维局域均值分解‑SIFT算法的图像特征提取方法，涉及图像处理技术领域，通过采用二维局域均值分解方法，将待特征提取图像的二维函数分解为若干个二维生产函数和一个趋势项，对SIFT算法进行优化并根据优化后的SIFT算法，分别对各个二维生产函数分量和趋势项进行图像特征提取，提高了图像特征提取方法的效率及效果，使得图像特征提取方法易于实施和推广，解决了现有图像特征提取方法存在的效率低、效果差且不易实施和推广的缺陷。

摘要： 本发明公开了一种积分延拓抑制局域均值分解端点效应的方法，步骤是：1)接收原始信号数据并进行预处理；2)获得原始信号中所有的极值点值和左、右延拓时相似波形的起、终点值；3)构建信号左延拓的特征波形；4)利用步骤2)起点值构建左延拓的相似波形；5)计算左延拓特征波形和相似波形的积分值；6)获取左延拓的匹配波形；7)对信号进行左延拓；8)按照步骤3)至7)的方法对信号进行右延拓；9)对延拓后的信号进行局域均值分解得到最终分析结果。本发明基于信号内部的特定规律进行信号延拓，延拓后的波形更能保持原有的趋势，获得了良好的抑制局域均值分解端点效应的效果；同时避免缺乏对信号整体的认识和复杂信号的不适应性。

摘要： 本发明公开了一种基于局域均值分解的信号去噪方法，该方法步骤包括对带噪信号执行局域均值分解、对所获得的积函数（PF）分量进行幅值阈值化滤波处理、重构真实的源信号以实现噪声取消、借助仿真实验进行对比、通过实际信号噪声消除实验验证LMD基信号去噪方法的有效性。本发明消除了观测信号中的噪声干扰，借助一系列仿真及实验，通过与现有的基于小波变换（WT）的信号去噪方法以及近年来出现的基于经验模态分解（EMD）的信号去噪方法进行对比，验证了所提出的LMD基信号去噪方法的有效性，方法简单、利用LMD基去噪算法的去噪效果优势明显，具有较好的综合性能，可以实现带噪信号的二次精细去噪，噪声消除效果好。