LMD

摘要： 针对柱塞泵故障特征难以提取、故障分类困难、故障诊断准确度不高的问题,提出局部均值分解(LMD)样本熵和支持向量机(SVM)结合的柱塞泵故障诊断方法研究。采集柱塞泵四种状态(正常、松靴、配流盘磨损、滑靴磨损)的多测点振动信号,将振动信号进行LMD分解和重构,提取重构信号的样本熵与原始信号标准差作为特征向量,将其输入SVM中进行训练和诊断,并与原始信号的特征向量诊断结果进行比较,诊断准确度可达99.5%以上。最后将SVM诊断结果与BP神经网络进行比较,结果表明SVM具有更高的速度和准确度。

摘要： 在基于三次样条插值的局部均值分解方法(local mean decomposition based on cubic spline interpolation,CSI-LMD)中,三次样条插值在获取被测信号的包络线时缺乏灵活性,是影响该方法分解信号准确性的一个重要因素。有理样条插值作为三次样条插值的一般形式,可以通过其极点参数调节插值曲线的松紧度,灵活适应不同类型的被测信号。为提高LMD分解信号的准确性,采用有理样条插值代替三次样条插值,并结合二分法原理确定有理样条插值函数的最优极点参数值。通过对单一电能质量扰动信号和复合电压暂降扰动信号的时频分析,验证了基于有理样条插值的LMD方法(LMD based on rational spline interpolation,RSI-LMD)在检测和分析电压暂降扰动信号方面的有效性。

摘要： 针对机械传动设备行星齿轮箱极易发生故障的问题,减少行星齿轮箱故障诊断中传感器的布置数量,进而降低成本,在此提出一种基于局域均值分解(LMD)信息熵与相关分析相结合的行星齿轮箱测点优化方法。首先,使用LMD算法分解5种工况的振动测试信号;其次,用分解出的各分量与原始数据之间的相关系数筛选出包含主要故障信息的PF分量,并提取它们的信息熵特征,构造成样本特征向量;最后,对每种工况不同测点的信息熵特征向量进行相关性分析计算。统计分析各测点之间的相关性指标,对各测点进行筛选从而达到测点优化的目标。

摘要： 针对高压隔膜泵单向阀故障振动信号的非平稳特性,提出基于局部均值分解法(LMD)和灰色关联度理论相结合的故障诊断方法。首先,利用LMD将高压隔膜泵单向阀不同运行状态下的振动信号分解成多个乘积函数。然后,计算所有乘积函数的互相关系数,并从中选择互相关程度高的乘积函数来提取相应的特征向量。最后,引入灰色关联度理论,构建单向阀故障诊断识别模型,并与基于经验模态分解法(EMD)以及基于混合特征建模、单一特征建模得到的结果进行了对比分析。实验表明,所提出的方法可以较好地分解单向阀故障信号,并有效地识别了小样本条件下的单向阀故障信号。

摘要： 针对蚁群算法容易陷入局部最优、网络流量预测准确性不高的问题,提出一种基于局部均值分解(LMD)改进蚁群优化高斯过程回归(GPR)的预测算法。考虑到网络流量的复杂性,使用LMD将网络流量分解成多个相关的子序列;通过GPR对网络流量子序列进行建模分析;用蚁群算法优化超参数,引入视线角度参数控制蚂蚁搜索时的视线范围,提高蚂蚁的局部搜索能力;通过莱维飞行更新蚂蚁搜索的步长,提高蚁群算法搜索的全局性。实验表明,改进后的蚁群算法搜索到了更优的值,与原有GPR算法相比,LMD分解后改进蚁群优化GPR的算法来预测网络流量,更好地拟合了网络流量的走向,提高了预测的效果,对维护网络安全具有一定的作用。

摘要： 针对旋转钻井过程中对钻头异常振动(横向振动、纵向振动、扭转振动)信号识别准确率低,效率差,导致钻具损坏甚至井眼报废的问题,提出一种基于局部均值分解(local mean decomposition,LMD)和脉冲神经网络的异常振动识别方法.首先,采用局部均值分解将微机电系统(Micro Electro Mechanical System,MEMS)加速度计信号分解为具有振动特征的PF分量;然后,从分解的乘积函数(Product function,PF)分量中提取随钻异常振动特征,并将提取到的加速度计振动特征编码为脉冲;其次,使用改进的学习规则训练脉冲神经网络对随钻异常振动进行识别.设计模拟实钻实验和仿真,训练后的脉冲神经网络可以对随钻振动的识别度达到99.39％,显示了该方法在实际应用中的巨大潜力.

摘要： 车载系统是电务系统中不可或缺的重要组成部分。为实现电务车载设备的反向管理、闭环管理、扁平管理,严格卡控车载作业标准和运行设备的状态,实现车载设备的零故障管理,我们使用了 LKJ 设备运行监测管理系统(简称 LMD)。

摘要： 旋转机械长期处于连续运转状态,很容易发生故障.而其一旦出现故障,不仅会影响企业生产的经济效益,甚至还会引发重大事故.因此,对旋转机械进行状态检测及故障诊断有着重要现实意义.课题组提出了一种基于LMD和支持向量机相结合的故障诊断方法.这一方法首先运用LMD信号处理方法进行故障特征提取,然后采用支持向量机对提取的特征进行状态识别、分类.课题组以滚动轴承为例,阐述了基于LMD和支持向量机的旋转机械故障诊断的应用.

摘要： 断路器操动机构中高频振动信号蕴含丰富的机械信息,为有效提取振动中高频分量进行诊断分析,提出了一种新的断路器操动机构机械故障诊断方法。此方法对采集到的振动信号时域波形通过CEEMDAN分解,并根据熵权法对其高频分量进行重构以得到去噪信号,将去噪后的信号进行LMD分解,对分解得到的PF分量求取多尺度排列熵作为KFCM识别算法的输入特征分量。经KFCM识别结果表明,此机械故障诊断方法对断路器操动机构转轴卡涩、底座松动、拒动等典型故障具有较高的识别率。

摘要： 本发明涉及一种基于LMD的冲击响应谱时域信号合成的方法及装置，所述方法包括：获取实测冲击信号的各PF信号分量的时间‑频率分布特性曲线中各采样时刻对应的采样频率；对所述采样频率进行聚类处理，获取各聚类中心对应的时间‑频率分布特性曲线；对所述各聚类中心对应的时间‑频率分布特性曲线的幅值进行修正；利用修正幅值后的各聚类中心对应的时间‑频率分布特性曲线合成冲击响应谱时域信号；本发明提供的技术方案，通过基于LMD的冲击响应谱时域信号合成的方法合成的冲击响应谱时域信号，具有较好的平坦度且波动较小，能够更好的模拟实际冲击环境。

摘要： 本发明公开一种基于LMD和脉冲神经网络的轴承故障诊断方法，应用于机械故障诊断和计算机人工智能技术领域，针对现有技术利用SNN在机械故障诊断领域的性能研究的匮乏；本发明首先利用LMD将轴承振动信号分解为若干个PF分量，计算出这些PF分量和原始振动信号的统计学特征；接着将计算出的统计学特征进行min‑max归一化，利用高斯群编码的方法将归一化后的特征向量编码为脉冲序列；然后搭建脉冲神经网络模型，利用改进的Tempotron算法对脉冲神经网络模型的输入层与输出层之间的突触权重进行学习，直至满足训练终止条件，再利用训练好的模型进行故障诊断；实验表明本发明方法的诊断精度远高于传统方法。

摘要： 本发明公开了一种基于改进LMD的微电网电能质量扰动信号检测方法，包括以下步骤：首先通过电子式互感器获取微电网扰动信号，对信号采用四点波形曲率匹配延拓，求取原始信号端点极值点分布情况；采用三次B样条函数插值计算局部均值函数和局部包络函数；通过自适应筛选停止准则判断最优筛选次数，分解得到所有的PF分量；根据PF分量求取瞬时幅值和瞬时频率；最终根据求得的瞬时幅值和瞬时频率重组得到原始信号的时频分布。本发明具有分析精度高，实时性高，识别效果好等特点，适用于微电网中的电能质量扰动信号的检测和分析。

摘要： 本发明属于信号处理技术领域，涉及一种极值定位波形延拓LMD信号分解方法，具体包括下述步骤：1、获取波形的所有极值点；2、估计端点处极值；3、利用估计值进行信号分解；本发明一种极值定位波形延拓LMD信号分解方法，该方法通过信号自身来满足自身估计，充分考虑了信号内部的变化规律以及每个极值点的信息，估计值符合原波形波动趋势，估计精度较高，可操作性较强。

摘要： 本发明涉及一种三电平削波与LMD算法结合的基音频率提取方法，属于音频信号处理技术领域。本发明在语音的基频提取中常用三电平削波对语音信号进行处理后再进行短时自相关来提取基频，目的在于去除基音周期以外的其他信息。首先找到语音数据最大峰值，根据其大小来设置阈值，再令数据值与设定的阈值相比，低于阈值的部分则确定为清音，高于阈值的部分则可用于提取基频。在基音频率的提取当中是一样的，选取能量最大的PF分量，用三电平削波将一些微小的干扰信息去除后再进行基音频率的提取，使得观察结果更明显的同时可以提高其准确性与有效性。

摘要： 本发明公开了一种基于相似三角波形匹配延拓的LMD端点效应改善方法，属于信号处理技术领域，以左端信号为例，包括：对任意信号，以端点、第一个极大值点与第一个极小值点组成样本三角波形，记为其对应的特征三角形，称为样本特征三角形；计算待匹配三角形起点或终点对应的时刻；计算得到三边比例值；计算得到匹配误差；将最小匹配误差与预设的最小匹配误差阈值进行对比，得到最优匹配波形，根据最优匹配波形对信号左端进行延拓；若未匹配到最优匹配波形，则根据信号中的极值点计算平均波形；利用平均波形对信号左端进行延拓，并利用三次样条插值法计算得到每个左端延拓信号中离散采样点的信号值。本发明解决了端点效应对LMD分解过程影响的问题。

摘要： 一种基于LMD与排列熵相结合的变压器绕组松动识别方法，其步骤如下：1、采集相关历史振动信号；2、对采集的振动信号进行LMD分解，取得各PF分量；3、计算相关系数法并选出相关系数高于所设定阈值的PF分量；4、提取各PF分量的排列熵作为特征向量；5、将振动信号分为训练和测试集，并对训练集的特征向量进行寻优；6、将寻优后的训练集输入到支持向量机进行训练，并用测试集进行测试以得到训练好后的支持向量机模型；7、用得到的支持向量机模型作为分类器对测试样本集进行分类识别。本发明可在变压器稳态运行前对变压器绕组松动状态进行识别，实现了变压器的故障诊断，为进行变压器振动信号特征提取与故障诊断提供了一种新的方法。

摘要： 本发明公开了一种LMD设备故障诊断方法及系统。利用LMD算法对设备振动信号进行分解，利用非线性判别算法去除分解噪声分量和趋势项，保留分形信号分量，采用分段Hermite插值函数对极值点进行插值，利用最小二乘法拟合包络，分离频率调制部分，利用DQ算法估计瞬时频率并计算相应的瞬时尺度，根据分析尺度确定振动信号去趋势结果，计算去趋势信号的多重分形谱，提取多重分形谱的左端点、右端点和极值点坐标作为设备运行状态的特征参数对设备运行状态进行识别，将上述算法部署到设备状态监测系统，能够准确区分设备运行状态，设备状态监测系统具有良好的柔性和便携性，便于工程应用。

摘要： 本发明公开了一种LMD多尺度波动分析状态监测方法及装置。利用LMD算法对设备振动信号进行分解，利用非线性判别算法去除噪声分量和趋势项，保留分形信号分量，采用Newton插值函数对每个分形信号分量的极值点进行插值，利用最小二乘法拟合包络，利用TEO算法估计瞬时频率并计算相应的瞬时尺度，根据分析尺度确定振动信号去趋势结果，计算多重分形谱，提取多重分形谱的左端点、右端点和极值点坐标作为设备运行状态的特征参数，识别设备运行状态，将上述算法部署到设备状态监测装置，能够准确区分设备运行状态，设备状态监测系统具有良好的柔性和便携性，便于工程应用。

摘要： 本实用新型提供一种LMD与LMR功能可造型耐磨光油生产装置，LMD与LMR功能可造型耐磨光油生产装置，包括：安装台；安装箱，所述安装箱固定安装在所述安装台上；加热器，所述加热器固定安装在所述安装台上；夹层，所述夹层固定安装在所述安装箱内；换热管，所述换热管固定安装在所述夹层内，且所述换热管与加热器相连通；温度计，所述温度计固定安装在所述安装箱内；原料箱，所述原料箱固定安装在所述安装台上；第一气泵，所述第一气泵固定安装在所述安装台上，且所述第一气泵的一端与原料箱相连通。本实用新型提供的LMD与LMR功能可造型耐磨光油生产装置具有使用方便、操作简单、搅拌效果好、便于收集VOC气体的优点。