本征模函数

摘要： 卧式离心泵实际测量中背景噪声含量较大,故障特征常被淹没,导致机械故障诊断效果较差,为了实时、精准地获得其运行状态,或对其进行故障诊断,提出了一种基于互补集合经验模态分解(CEEMD)和优化最邻近(KNN)算法的卧式离心泵机械故障诊断方法。首先,采集了卧式离心泵机械故障加速度信号,使用CEEMD对信号进行了一次分解,得到了本征模函数(IMF),采用相关系数法得到了IMF相关系数,确定了相关分量与不相关分量;其次,通过改进小波阈值去噪方法对不相关分量进行处理,提取了重构信号可分析的时频故障特征;最后,搭建了离心泵实验台,采用上述故障诊断方法对离心泵机械故障进行了分类诊断。研究结果表明:经CEEMD降噪后,信号评价指标信噪比(SNR)为2.2571,比原来的去噪方法提升了0.4381;优化后KNN分类对于卧式离心泵的机械故障诊断准确率可达96.7%,能够有效识别离心泵故障,达到智能诊断的目的。

摘要： 针对故障诊断中各类数据样本分布不均衡时诊断效果较差的问题,在支持向量机方法的基础上引入了支持向量描述方法,并对支持向量描述方法向多元判决扩展的方法,以及各种扩展方法的局限性进行了研究.对现有支持向量描述方法的扩展方法进行了改进,提出了一种利用K相邻概率加权的多元判决支持向量数据描述方法;通过使用集合经验模态分解原信号,并计算了各本征模函数的信息量作为特征,利用第三方实验数据,对K相邻概率支持向量数据描述方法在各种故障类别的识别准确率进行了测试.研究结果表明:该方法可以有效地识别滚动轴承故障发生时的位置和严重程度;同时,通过与其他分类方法对比的方式,证明了该方法的优越性.

摘要： 针对磨削表面粗糙度声发射预测精度和可靠性较低的问题,对球墨铸铁磨削表面粗糙度的声发射智能预测进行了研究.在球墨铸铁QT7002平面磨削表面粗糙度声发射预测实验200组数据的基础上,提取了包含磨削声发射信号经验模态分解4个本征模函数的相关系数,和磨削声发射信号波形幅值、均方根值、方差、峰值频率、频谱峰值、功率谱峰值、峭度、偏度、AE信息熵等13个磨削声发射信号特征参数;建立了遗传优化的支持向量回归机GA-SVR和粒子群优化的支持向量回归机PSO-SVR这2个预测模型;在这200组磨削表面粗糙度声发射实验数据中,把随机提取的13个声发射信号特征参数输入到这2个预测模型中,进行了反复训练和预测,以提高其可靠性.研究结果表明:GA-SVR和PSO-SVR的磨削表面粗糙度声发射预测精度较高;这为磨削声发射在线智能监测汽车发动机球墨铸铁QT7002曲轴磨削表面粗糙度打下了基础.

摘要： 为了解决传感器故障识别过程中识别效率低和精度低的问题,提出了基于外部载荷位置预测的光纤传感器故障信号识别方法。通过合成外差算法和傅里叶变换解调和去噪传感器信号;采用本征模函数提取不同故障下信号特征,并将其分为状态信息和扰动分量两部分,计算二者之间的近似性,结合线性模型提取故障信号特征向量;利用系统灰色性故障识别方法和外部载荷位置预测传感器多角度负载并进行融合处理,构建灰色关联矩阵计算其与标准数据之间的贴近度,完成光纤传感器故障信号识别。仿真分析结果表明,所提方法在故障信号解调、去噪以及识别方面均具有明显的优势。对深入研究传感器起到了一定的推动作用。

摘要： 目的 针对颤振信号信噪比低、模态密集、非平稳的特点,发展一种能更好地应用于实际颤振试飞信号的时频分析方法.方法 采用近年来新发展的变分模态分解(Variational Mode Decomposition,VMD)方法把复杂信号分解为单一组分的本征模函数(Intrinsic Mode Function,IMF),再对其进行希尔伯特变换,求得每一阶本征模函数的瞬时幅值和瞬时频率,从而进行信号的时频分析.结果 仿真算例验证了基于VMD的时频分析方法在展现非平稳信号时频特征方面的有效性.将该方法应用于实际颤振试飞的异常振动数据,可得到准确清晰的时频图,很好地展示出外挂物的极限坏振荡过程.结论 该方法可作为颤振试飞信号时频分析的有力工具,有助于分析异常数据,确定故障来源,为后续问题解决提供支撑.

摘要： 针对目前提取呼吸波准确性不高的问题,本研究提出了一种从光电容积描记(photoplethysmogra-phy,PPG)信号中提取呼吸波的有效方法.在MIMIC Database中获取人体同时段的多路生理信号,包括PPG信号和呼吸波信号.首先,利用经验模态分解算法(empirical mode decomposition,EMD)对PPG信号进行分解,得到各层本征模函数(intrinsic mode function,IMF),选择合适的IMF分量重构出呼吸波信号;然后将重构的呼吸波信号与采用PPG信号同时段的原始呼吸波信号进行比较,结果显示,呼吸波信号速率的准确率均在90％以上,AR功率谱中的相关性系数均在85％以上,呼吸波信号相对相干系数也显示该方法的优越性.采用EMD算法可以有效地从PPG信号中提取呼吸波,这对于临床实践中的无创检测,医疗设备的改进具有重要意义.

摘要： 沉积物和营养盐的扩散与沉积过程受垂向流的影响,根据2015年10月13～22日"世越号"沉船打捞前及2017年5月10～16日沉船打捞后利用ADCP在沉船海域的定点流速观测资料,采用经验模态分解和功率谱分析的方法,研究了该海域海流垂向分量的变化规律及其与潮流的关系.研究结果表明,沉船海域垂向流速分量受涨落潮运动影响,垂向流速分量与东方向、北方向流速分量具有一定的相关性,对海流垂向分量影响较大的分潮主要为半日分潮和浅水分潮,上层水的涨、落潮流对垂向流影响程度高于下层水流;沉船打捞前垂向流与水平流的相关程度高于沉船打捞后,垂向流速分量的分布及变化规律明显受沉船的影响,打捞前垂向流的现象显得更加强烈.

摘要： 合理构建PM2.5浓度预测模型是科学、准确地预测PM2.5浓度变化的关键.传统PM2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足.本研究基于南京市2014-2017年PM2.5浓度时间序列数据,分析PM2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究.南京市样本数据PM2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度(天际、月际)构建GRNN模型更具有现实意义;同时,PM2.5PM10、NO2、O3、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义.改进后的EEMD-GRNN模型具有更高的PM2.5浓度预测精度,MAE、MAPE、RMSE和R2分别为6.17、18.41％、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56％、11.56、0.91.对于高浓度天(PM25浓度大于100 μg/m3)的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02％,相较于传统模型提高了9.03％.

摘要： 合理构建PM2.5浓度预测模型是科学、准确地预测PM2.5浓度变化的关键。传统PM2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM2.5浓度时间序列数据,分析PM2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度(天际、月际)构建GRNN模型更具有现实意义;同时,PM2.5对PM10、NO2、O3、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM2.5浓度预测精度,MAE、MAPE、RMSE和R2分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天(PM2.5浓度大于100μg/m^3)的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。

摘要： 为了实现管道内气固两相流颗粒相含量的在线测量,通过安装在管道截面网状结构上的传感器对管道内不同含量的气固两相流的声发射信号进行采集,通过集合经验模分解(EEMD)算法对采集到的信号进行10层分解,比较本征模函数(IMF)分量相对于原始信号的贡献率及其频域特性,建立了颗粒相含量与各个IMF分量之间的线性关系,并对该线性关系进行实验验证.结果表明:在给料量在4~20 g/s范围内,IMF1、IMF2和IMF3都能很好反映原始信号的某些频率内的特性,可以用来建立颗粒相含量与声发射信号之间的关系;其拟合函数误差均小于10%,平均误差小于5%,与小波包分析法进行对比,EEMD方法得到的结果更为精确.采集到的信号经EEMD分解后的3个分量,均可用以监测气固两相流中的颗粒相含量.%In order to realize online monitoring of particle concentration in gas-solid two-phase flow in pipe, the sensor installed on a wire mesh interface was applied to collect the acoustic emission (AE) signals of gas-liquid two phase flow with different particle concentrations. The signal was then decomposed by ensemble empirical mode decomposition (EEMD) algorithm, and the contribution ratio and frequency domain characteristics of the energy of the intrinsic mode function (IMF) was compared with the original signals. The linear relationship between the particle concentrations and IMFs was built up and then verified by actual cases. The results illustrate that, at the solid flow rate of 4 g/s to 20g/s, all the IMF1, IMF2 and IMF3 components can well reflect the characteristics of some frequency of the original signals, indicating they can be used to build the relationship between particle concentration and the acoustic emission signal. The error of the fitting function is lower than 10% and the average error is lower than 5%. Compared with the wavelet packet decomposition (WPD) method, the results obtained by the EEMD method are more accurate. Therefore, the three components decomposed by the EEMD are suitable for monitoring the particle concentration in the gas-solid two-phase flow.

摘要： 本文采用经验摸态分解(empirical mode decomposition，EMD)方法对采集于青藏高原和华北平原的温度、CO2通量数据的谱特性进行了比较分析，所使用的数据分别来自中国科学院地理科学与资源研究所拉萨农业试验站(29°41'N，91°20'E，3688m a.s.l.，青藏高原)1994年涡度相关观测记录和禹城农田综合试验站(36°57'N，116°36'E，28m a.s.l.，华北平原)2002年涡度相关观测记录.主要结果为:1，提取了不同海拔地域的温度和CO2通量数据序列所包含的本征模函数(intrinsic mode function，IMF)；2，对得自原始数据序列的IMF分量进行Hilbert变换，得到关于不同海拔地域温度及CO2通量数据的Hilbert谱；3，EMD分析表明不同海拔地域的温度和CO2通量数据具有不同的谱特性，并计算了各量的特征频率。

摘要： 经验模态分解是由美国国家宇航局的Huang等人于1998年首次提出的,该信号处理方法被认为是近年来对以傅立叶变换为基础的线性和稳态谱分析的一个重大突破。该方法既能对线性稳态信号进行分析,又能对非线性非稳态信号进行分析。本文将此方法应用于心电信号基线漂移的去除。

摘要： 经验模态分解是由美国国家宇航局的Huang等人于1998年首次提出的,该信号处理方法被认为是近年来对以傅立叶变换为基础的线性和稳态谱分析的一个重大突破。该方法既能对线性稳态信号进行分析,又能对非线性非稳态信号进行分析。本文将此方法应用于心电信号基线漂移的去除。

摘要： 经验模态分解是由美国国家宇航局的Huang等人于1998年首次提出的,该信号处理方法被认为是近年来对以傅立叶变换为基础的线性和稳态谱分析的一个重大突破。该方法既能对线性稳态信号进行分析,又能对非线性非稳态信号进行分析。本文将此方法应用于心电信号基线漂移的去除。

摘要： 经验模态分解是由美国国家宇航局的Huang等人于1998年首次提出的,该信号处理方法被认为是近年来对以傅立叶变换为基础的线性和稳态谱分析的一个重大突破。该方法既能对线性稳态信号进行分析,又能对非线性非稳态信号进行分析。本文将此方法应用于心电信号基线漂移的去除。

摘要： 经验模态分解是由美国国家宇航局的Huang等人于1998年首次提出的,该信号处理方法被认为是近年来对以傅立叶变换为基础的线性和稳态谱分析的一个重大突破。该方法既能对线性稳态信号进行分析,又能对非线性非稳态信号进行分析。本文将此方法应用于心电信号基线漂移的去除。

摘要： 本发明公开了一种本征模完全分离的光子晶体多模光纤，包括在水平和垂直方向上不对称的双折射纤芯、由圆形空气孔呈六角形阵列排列构成的内包层和纯二氧化硅构成的外包层；光纤支持大于10个本征模式，且任意两个相邻模式间有效折射率差均大于1×10

摘要： 本发明涉及一种本征模完全分离的退简并多模光纤。该退简并多模光纤包括双折射纤芯、应力区和包层。双折射纤芯提供形状结构双折射，采用椭圆纤芯或椭圆环形纤芯结构。应力区提供应力附加双折射，采用圆形(熊猫型)或扇环(领结型/蝴蝶型)结构。形状结构双折射和应力附加双折射相叠加，使得支持多通道本征模同时实现所有本征模间有效折射率差皆大于1×10

摘要： 本发明涉及使用模函数校验旋转、移位和符号扩展函数的方法和系统。本发明所公开的发现电路中的缺陷的方法包括：通过对一个操作数执行选定函数来产生该选定函数的第一结果，其中，该选定函数使用一个掩码。在执行了该函数后，产生该掩码的反掩码，计算该反掩码的模数。计算该选定函数的所述第一结果的模函数，获得第三结果。计算所述操作数的模数，获得第四结果，然后对所述第二结果和第三结果执行第二函数，获得第五结果。响应第五结果与第四结果的比较结果，传出指示电路中的缺陷的信号。

摘要： 本发明公开了一种本征模完全分离的光子晶体多模光纤，包括在水平和垂直方向上不对称的双折射纤芯、由圆形空气孔呈六角形阵列排列构成的内包层和纯二氧化硅构成的外包层；光纤支持大于10个本征模式，且任意两个相邻模式间有效折射率差均大于1×10

摘要： 本发明涉及一种本征模完全分离的退简并多模光纤。该退简并多模光纤包括双折射纤芯、应力区和包层。双折射纤芯提供形状结构双折射，采用椭圆纤芯或椭圆环形纤芯结构。应力区提供应力附加双折射，采用圆形(熊猫型)或扇环(领结型/蝴蝶型)结构。形状结构双折射和应力附加双折射相叠加，使得支持多通道本征模同时实现所有本征模间有效折射率差皆大于1×10

摘要： 本发明属于自动化控制技术领域，针对滑模控制的趋近速率慢以及产生抖振的问题，提出了一种分段的变速幂次趋近律，根据快速趋近律和幂次趋近律的特点，引入非线性函数来设计变速幂次组合函数的参数项，该趋近律确保了在每个阶段的都有快速收敛的特点，使得系统在趋近过程中的各个阶段都能实现快速收敛以及具有固定时间收敛特性。当系统存在模型不确定性和外部干扰时，该趋近律能使滑模变量在有限时间内收敛至稳态误差界内。并将该方法应用于小车倒立摆系统的稳定性控制中，仿真结果和数值分析验证了其有效性和优越性。

摘要： 本发明公开了一种新型的基于Barrier函数的自适应全局滑模容错控制方法。针对于四旋翼无人机系统发生执行器故障，将全局滑模面与基于Barrier函数的自适应滑模控制相结合，略去了传统Barrier自适应滑模运动阶段一的趋近过程，提升了算法的快速性与准确性。其次，使用Barrier函数自适应律调节切换项的增益，使得控制器增益可以及时准确地随着总扰动的幅值变化而变化，避免了过估计问题，从而减轻控制信号的抖振。本发明用于含有执行器故障的四旋翼无人机的Barrier自适应全局滑模容错控制。

摘要： 本发明公开一种超宽带特征模基函数分析目标宽频带电磁散射特性的方法，该方法能有效提高分析目标宽频带电磁散射特性的效率。首先，在待求频段最高频率点建模，将待分析目标分成多个子域，每个子域构造广义特征值方程，求解出每个子域的特征模；其次通过设置合适的门限值，选择对电流系数贡献较大的特征模作为该子域的特征模基函数，将所有子域的特征模基函数组合在一起，得到超宽带特征模基函数，该超宽带特征模基函数可以在整个频段复用；最后利用超宽带特征模基函数构造缩减矩阵方程，通过直接求解缩减矩阵得到电流权重系数，从而得到待求频点的目标表面电流，实现目标宽频带电磁散射特性快速分析。

摘要： 本发明公开了一种基于本征模函数相干分析的事件诱发电位提取装置，该发明的主要技术特点包括：通过脑电测试系统采集包含自发脑电和事件刺激下诱发脑电混合信号；将脑电混合信号经过预处理后输入本征模函数序列获取单元进行分解并获得合格的IMFs序列；然后将上述IMFs分量序列输入到IMFs相干分析及筛选单元，并结合刺激前自发脑电信号的特性，计算每个IMFs分量与该信号刺激前自发脑电的相干值，筛选并排除与自发脑电信号相干性最大的IMF分量；再将剩下的分量进行重组，所得重组信号即为事件诱发信号。本发明是基于脑电信号自身的局部特征来快速有效地提取到高质量的ERP信号，对先验知识和重复刺激次数无固定要求，相对传统叠加平均方法提取更高效和更准确。

摘要： 本发明公开了一种基于本征模函数相干分析的事件诱发电位提取装置，该发明的主要技术特点包括：通过脑电测试系统采集包含自发脑电和事件刺激下诱发脑电混合信号；将脑电混合信号经过预处理后输入本征模函数序列获取单元进行分解并获得合格的IMFs序列；然后将上述IMFs分量序列输入到IMFs相干分析及筛选单元，并结合刺激前自发脑电信号的特性，计算每个IMFs分量与该信号刺激前自发脑电的相干值，筛选并排除与自发脑电信号相干性最大的IMF分量；再将剩下的分量进行重组，所得重组信号即为事件诱发信号。本发明是基于脑电信号自身的局部特征来快速有效地提取到高质量的ERP信号，对先验知识和重复刺激次数无固定要求，相对传统叠加平均方法提取更高效和更准确。