CN107885940A - 一种用于分布式光纤振动传感系统的信号特征提取方法 - Google Patents
一种用于分布式光纤振动传感系统的信号特征提取方法 Download PDFInfo
- Publication number
- CN107885940A CN107885940A CN201711100973.2A CN201711100973A CN107885940A CN 107885940 A CN107885940 A CN 107885940A CN 201711100973 A CN201711100973 A CN 201711100973A CN 107885940 A CN107885940 A CN 107885940A
- Authority
- CN
- China
- Prior art keywords
- hilbert
- signal
- optical fiber
- imf
- sensing system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种用于分布式光纤振动传感系统的信号特征提取方法,其实现主要包括:改进总体经验模态分解(MEEMD)处理过程为读取原始数据,进行振动信号定位以及相位解调;引入均值为零的两组白噪声,分别进行EMD分解;对第一个IMF分量进行排列熵计算;将熵值与设定的阈值比较,高于设定的阈值,重复上述步骤直到低于阈值;对剩余数据进行EMD分解,获得振动信号剩余的IMF分量;对IMF分量进行Hilbert分析,得到振动信号模式识别的特征向量。运用本发明提出的方法,可以解决传统分解方法中的模态混叠以及伪分量等问题,简化了处理过程,提高了重构精度,降低了数据处理时间,对提高分布式光纤振动传感系统模式识别实时性以及准确性具有重要意义。
Description
技术领域
本发明属于分布式光纤传感领域,涉及振动信号模式识别中的一种新的特征提取方法,具体是指一种用于分布式光纤振动传感系统的基于改进总体经验模态分解MEEMD的振动信号特征提取方法。
背景技术
振动是现实生活中一种常见的现象,在工程应用和科学研究中,特别是在基础设施安全监测方面具有广泛应用。传统的振动检测手段主要是基于压电、电容和电感等电子检测技术,易遭受电磁辐射等外界环境干扰,使用寿命短且维护费用高,不符合现代工程测量的实际需要。随着传感器技术的不断进步,以光纤传感技术为基础的新型传感器正逐步取代传统传感器,在现代人工智能测量领域扮演越来越重要的角色。
分布式光纤振动传感系统可以实现长距离振动信号的传感与传输,通过检测传感光纤各部分后向瑞利散射干涉光的光强变化及相位变化,实现对外部侵扰活动的定位以及频率的解调,具有测量精度高、测量范围广、性能安全等优点,可以长期工作在恶劣的环境中,在周界安防、石油管道和轨道交通安全监测等领域具有广泛的应用。
随着应用需求的不断细化,仅仅对振动入侵信号进行检测和定位已经无法满足实际需求,因此,如何对振动信号特征进行精准、快速地提取成为分布式光纤振动传感系统的关键问题。初期的特征提取方法主要有过零率检测、信号持续时间检测等方法,由于各种振动信号的频率以及持续时间有相互重叠的部分,信号的特征差异并不明显,导致信号识别的准确率不高;此外,还有比较常用的短时能量法、短时傅里叶法等,将振动信号分成不同的小段,从而进行细化分析,获得振动信号的时频、能量特征信息,但是其计算量较大,实时性不好,且不适于非平稳随机振动信号的特征提取。随着研究的不断深入,目前振动信号特征提取的方法更加智能化与多样化,其中,经验模态分解(EMD)是比较常用的一种方法,通过对原始信号的分解,将振动信号分解成不同的固有模态(IMF)分量,进而得出振动信号的不同特征分量。国内发明专利(CN103617684A)公开了一种基于EMD的周界振动入侵识别算法,通过EMD方法分解获得的IMF分量与过零率方法相结合,对振动信息进行提取。但其在分解过程中存在模态混叠等问题,导致获得的IMF分量存在误差,降低了振动信息模式识别的准确率。
发明内容
为克服上述现有技术的不足,本发明提供了一种用于分布式光纤振动信号特征提取方法,能够更加快速与准确地提取振动信号的瞬时频率以及瞬时能量,解决了EMD方法中的模式混叠问题和伪分量问题,简化运算过程,减少运算时间,对于提高分布式光纤振动传感系统实时性和模式识别的准确性有重要意义。
本发明所采用的技术方案是:分布式光纤振动信号特征提取方法的流程图如图1所示,其特点是:改进总体经验模态分解(MEEMD)处理过程为从数据采集卡中读取原始数据;原始数据进行预处理,即振动信号定位以及相位解调;对解调后的数据引入白噪声,即加入均值为零的两组白噪声,并对引入白噪声的两组数据分别进行EMD分解,对两组数据的第一个IMF分量进行求和、累加、平均运算,将结果作为第一个IMF分量值;对第一个IMF分量进行排列熵计算,即通过互信息法确定的嵌入维度和伪近邻法确定的延迟时间,将时间序列所对应的数字序列进行延时空间重构,将每一个经过延时重构的向量,按照数值由小到大进行重新排列,最终获得排列熵值;将熵值与设定的阈值进行比较,若高于设定的阈值,重复上述步骤直到低于阈值;原始数据去除第一个IMF分量,将剩余数据进行EMD分解,获得振动信号剩余的IMF分量;对IMF分量进行Hilbert变换,得到Hilbert谱,对Hilbert谱进行时间积分,得到Hilbert边际谱,Hilbert谱的平方累加求和运算得到能量图,上述向量值作为振动信号模式识别的特征向量。
一种用于分布式光纤振动传感系统的信号特征提取方法,涉及了一种MEEMD改进总体经验模态方法:
(1)在解调后持续时间为T的非平稳随机时间序列x(t)引入均值为零的白噪声信号np(t)和-np(t),得到两组信号:
其中,ap表示第p次引入噪声信号的幅值,p=1,2,...,Nnoise,Nnoise表示引入噪声的总次数;
(2)对和分别进行EMD分解,得到第一组IMF分量序列集合和将两组信号进行累加、平均、求和计算后,得到第一组IMF分量r1(t);
(3)根据延迟时间和嵌入维数对r1(t)进行延时空间重构,得到如下序列:
式中,t=1,2,..,k,...,N,N为数字序列总长度,τ为序列延迟长度,m为空间重构维数。
(4)将r(k)的m个向量r1(k)={r1(k),r1(k+τ),...,r1(k+(m-1)τ)}按照数值由小到大进行重新排列,得到一组新的序列S(g)={j1,j2,...,jm},其中,j1,j2,...,jm表示重构向量中各个元素所在列的索引号,g=1,2,...,k,k≤m!,若存在s(k+(jp-1)τ)=s(k+(jq-1)τ)时,则按j值得大小进行排列。m个不同的符号[j1,j2,...,jm]共有m!种不同的符号组合;
(5)计算每一种符号序列出现的概率P1,P2,...,Pk;
(6)计算r(k)的排列熵值:
Hp的大小表示序列的随即程度的大小,Hp越大说明时间序列的随机性越强。
(7)将求得的排列熵值与设定的阈值相比较,若超出阈值,则将IMF值作为原始信号,重复执行(1)-(6),直到所求排列熵小于阈值,此时为第一个IMF1信号;
(8)原始信号去除第一个IMF1分量后,将剩余数据进行EMD分解,最终得到振动信号的各个IMF分量。
一种用于分布式光纤振动传感系统的信号特征提取方法,涉及了排列熵延迟时间τ的确定,具体是指一种互信息计算方法:将第一个IMF分量r1(t)作为原始数据序列记为R,Q作为r1(t)的时间延迟T数据序列r1(t+T),两者互信息计算公式是
式中,Psq(si,qj)为当S=si,Q=qj时,重构图中的联合分布概率,Ps(si),Pq(qj)为边缘分布的概率,延迟时间是当互信息函数第一次达到极小值点时对应的时间。
一种用于分布式光纤振动传感系统的信号特征提取方法,涉及了排列熵嵌入维数m的确定,具体是指一种伪近邻法:对r1(t)的时间序列计算虚假最近邻点的比例,然后逐渐增加m,直到伪近邻点不再随着m的增加而减少时,此时所对应的m为最小嵌入维数。
与现有技术相比,本发明的有益效果是:
(1)首次提出MEEMD方法用于分布式光纤振动传感器特征提取;
(2)针对后向瑞利散射光非平稳特点,解决了模态混淆和伪分量的问题,提高特征提取精度,从而提高模式识别准确率;
(3)通过优化白噪声的叠加引入次数,简化算法计算流程,减少了运算量,提高了运算时间,对系统实时性具有重要意义。
附图说明
图1MEEMD算法流程图。
图2解调后的原始信号图。
图3EMD分解流程图。
图4EMD算法分解IMF分量图。
图5MEEMD算法分解IMF分量图。
图6Hilbert谱图。
图7Hilbert边际谱图。
图8能量图。
具体实施方式
一种用于分布式光纤振动传感系统的信号特征提取方法的具体实现方式主要分为振动信号采集、信号分解以及Hilbert分析。
采用分布式光纤振动传感系统进行振动测试,传感光纤长度约为7.6km,由长度分别为5km和2.5km的两盘裸纤,以及熔接于两盘裸纤间的100m铠装振动敏感光缆组成,将两盘裸纤放置于泡沫隔音箱中,铠装振动敏感光缆分布式布放于地面和金属网上。系统的光脉冲重复频率为10k Hz,脉冲宽度60ns。以连续踩踏作为振动事件为例,对施加于铠装振动敏感光缆的振动信号进行连续采集,解调后的原始信号图如图2所示。
对解调后的原始信号进行EMD分解,分解流程图如图3所示,其具体步骤是:找出待测非平稳信号的所有局部极大值和局部极小值;采用三次样条函数对极值点进行拟合,将局部最大值串联成上包络线,局部最小值串联成下包络线;求取上包络线和下包络线的均值;原始信号与均值包络线相减,若满足IMF成立条件,则作为IMF分量;若不满足条件,则将差值作为原始时间序列,重复执行上述步骤;每次将剩余量重复执行,直到最后一剩余量成为单调函数,无法进行分解时,结束分解过程,最终获得振动信号的IMF分量,如图4所示。
对解调后的原始信号进行MEEMD分解,在原始信号中添加两组白噪声,白噪声的幅值一般选取原始信号标准差(SD)的0.2至0.3倍,也可根据原始信号的特点适当调整;然后进行EMD分解,通过对两组信号累加平均后,获得IMF分量,对获得的分量进行排列熵计算,通过实验确定嵌入维数m=6时,最能反映振动信号的细微变化,延迟时间对时间序列的计算影响较小,通过实验选取延迟时间为1;通过排列熵值控制添加白噪声的次数,设定阈值为0.7,当达到阈值后,对剩余信号进行EMD分解,得到IMF分量,最终将振动信号分解为5层,如图5所示,可以看出模态混叠问题和伪分量问题得到明显抑制,算法整体步骤得到优化,提升了运算速度。
EMD的分解结果与MEEMD的分解结果相比,可以看出经过MEEMD分解的各IMF分量,分解结果中伪分量几乎不存在,消除了模态混叠问题,且具有较高的处理效率,对提高振动信号特征提取精度以及数据处理效率都有重要意义,适用于实时在线监测的分布式光纤扰动信号的特征提取。
将获得的IMF分量进行Hilbert分析,分别计算Hilbert谱、边际谱以及能量图,作为振动信号的特征向量。计算方法如下:
(1)Hilbert谱:将获得的每一个IMF分量进行Hilbert变换,获得每个IMF分量的幅值和相位信息,x(t)表示随机事件序列,y(t)表示求得的对应解析信号,
构造解析函数z(t)
z(t)=x(t)+jy(t)=a(t)ejΦ(t) (2)
其中相位函数
而相位函数的导数即为瞬时频率
采用三维图形的方式表达时间、频率和幅值之间的关系,在Matlab中,通过hilbert函数得到IMF分量的振幅和频率值,通过spectrogram函数进行短时傅里叶变换得到Hilbert频谱H(w,t),通过surf函数将一维数组变成二维数组显示,如图6所示。
(2)边际谱:对Hilbert谱H(w,t)进行时间积分,通过hhspectrum函数对IMF分量求取振幅和频率,提取瞬时频率信息进行累加求和,得到希尔伯特边际谱h(w),如图7所示,从统计意义上表征了整组数据每个频率点的累计幅值分布,可以看出振动信号频率集中在低频部分。
其中,T为采集时间序列的持续时间,h(w)表示T时间长度内累积的幅值。
(3)能量图:将Hilbert谱进行平方累加求和,得到每一个IMF分量的能量图
D表示Cj(i)的点数,ES为各IMF分量对应的归一化能量,如图8所示,横坐标表示每一个IMF分量,纵坐标表示每个IMF归一化后能量。
通过上述方法,对踩踏振动信号进行特征提取,分别采用EMD分解算法和MEEMD分解算法对同组数据进行处理,通过对比分解后IMF分量,可以看出本发明的提出及实验应用,能够准确提取振动信号的频率以及能量特征,解决了EMD方法中存在的模式混叠问题以及伪分量问题,简化运算过程,减少运算时间,计算消耗时间为3.301秒,相对EMD方法提高3.509秒,降低信号重构误差,信号重构误差为0.0193,相对于EMD方法降低80%的误差,提高特征向量准确率,本发明对分布式光纤振动传感系统模式识别准确性以及实时性有重要意义。
Claims (3)
1.一种用于分布式光纤振动传感系统的信号特征提取方法,其特征在于:改进总体经验模态分解(MEEMD)处理过程为从数据采集卡中读取原始数据;原始数据进行预处理,即振动信号定位以及相位解调;对解调后的数据引入白噪声,即加入均值为零的两组白噪声,并对引入白噪声的两组数据分别进行EMD分解,对两组数据的第一个IMF分量进行求和、累加、平均运算,将结果作为第一个IMF分量值;对第一个IMF分量进行排列熵计算,即根据嵌入维度和延迟时间,将时间序列所对应的数字序列进行延时空间重构,将每一个经过延时重构的向量,按照数值由小到大进行重新排列,最终获得排列熵值;将熵值与设定的阈值进行比较,若高于设定的阈值,重复上述步骤直到低于阈值;原始数据去除第一个IMF分量,将剩余数据进行EMD分解,获得振动信号剩余的IMF分量;对IMF分量进行希尔伯特(Hilbert)分析,获得振动信号特征向量。
2.根据权利要求1所述的一种用于分布式光纤振动传感系统的信号特征提取方法,其特征在于:所述的确定信号的嵌入维度和延迟时间,采用的方法分别是互信息法和伪近邻法对二者进行计算。
3.根据权利要求1所述的一种用于分布式光纤振动传感系统的信号特征提取方法,其特征在于:所述的Hilbert分析,其实现的过程是:将IMF分量进行Hilbert变换,得到Hilbert谱;对Hilbert谱进行时间积分,得到Hilbert边际谱;Hilbert谱的平方累加求和运算得到能量图,最终将Hilbert谱、Hilbert边际谱和能量图作为振动信号模式识别的特征向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711100973.2A CN107885940A (zh) | 2017-11-10 | 2017-11-10 | 一种用于分布式光纤振动传感系统的信号特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711100973.2A CN107885940A (zh) | 2017-11-10 | 2017-11-10 | 一种用于分布式光纤振动传感系统的信号特征提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107885940A true CN107885940A (zh) | 2018-04-06 |
Family
ID=61779990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711100973.2A Withdrawn CN107885940A (zh) | 2017-11-10 | 2017-11-10 | 一种用于分布式光纤振动传感系统的信号特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107885940A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110160789A (zh) * | 2019-05-08 | 2019-08-23 | 新疆大学 | 一种基于ga-enn的风电机组轴承故障诊断方法 |
CN110617775A (zh) * | 2019-09-26 | 2019-12-27 | 杭州鲁尔物联科技有限公司 | 一种基于视觉感知的桥梁挠度的监测方法、装置及系统 |
CN110680308A (zh) * | 2019-11-04 | 2020-01-14 | 北京理工大学 | 基于改进emd与阈值法融合的心电信号去噪方法 |
CN111161171A (zh) * | 2019-12-18 | 2020-05-15 | 三明学院 | 爆破振动信号基线漂零校正和消噪方法、装置、设备及系统 |
CN111337276A (zh) * | 2020-01-07 | 2020-06-26 | 南京理工大学 | 一种城轨列车车轮振动信号的故障特征提取方法 |
CN111896095A (zh) * | 2020-06-09 | 2020-11-06 | 山东大学 | 一种基于hht变换的分布式光纤双m-z干涉仪的振动定位方法 |
CN112115851A (zh) * | 2020-09-16 | 2020-12-22 | 北京邮电大学 | 一种基于cmeemd-gaiw-sw-dfa的分布式光纤信号听觉信息融合方法 |
CN112464777A (zh) * | 2020-11-20 | 2021-03-09 | 电子科技大学 | 一种光纤振动源垂直距离智能估算方法 |
CN112923867A (zh) * | 2021-01-21 | 2021-06-08 | 南京工程学院 | 一种基于频谱显著性的傅里叶单像素成像方法 |
CN113217102A (zh) * | 2021-05-18 | 2021-08-06 | 广西中金岭南矿业有限责任公司 | 声发射信号特征提取方法、识别方法、装置及存储介质 |
CN114088400A (zh) * | 2021-11-01 | 2022-02-25 | 中国人民解放军92728部队 | 一种基于包络排列熵的滚动轴承故障诊断方法 |
CN114714157A (zh) * | 2022-03-23 | 2022-07-08 | 大连大学 | 一种基于时变滤波经验模态分解与瞬时能量比的磨削颤振监测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7139668B2 (en) * | 2003-05-12 | 2006-11-21 | Simmonds Precision Products, Inc. | Wire event detection |
CN102650658A (zh) * | 2012-03-31 | 2012-08-29 | 机械工业第三设计研究院 | 一种时变非平稳信号时频分析方法 |
CN104568024A (zh) * | 2015-01-21 | 2015-04-29 | 山东理工大学 | 振动式流量计特征信号提取方法 |
CN104573248A (zh) * | 2015-01-16 | 2015-04-29 | 东南大学 | 基于emd的光纤陀螺温度漂移多尺度极限学习机训练方法 |
CN104849050A (zh) * | 2015-06-02 | 2015-08-19 | 安徽工业大学 | 一种基于复合多尺度排列熵的滚动轴承故障诊断方法 |
CN104931197A (zh) * | 2015-06-29 | 2015-09-23 | 吉林大学 | 基于eemd的自动平衡机振动信号处理方法 |
US20160258991A1 (en) * | 2015-03-02 | 2016-09-08 | Hangzhou Shekedi Biotech Co., Ltd | Method and System of Signal Processing for Phase-Amplitude Coupling and Amplitude-Amplitude coupling |
CN105954695A (zh) * | 2016-04-20 | 2016-09-21 | 国家电网公司 | 一种基于同步的同质传感器突变参数识别方法与装置 |
CN105956526A (zh) * | 2016-04-22 | 2016-09-21 | 山东科技大学 | 基于多尺度排列熵的低信噪比微震事件辨识方法 |
CN107063306A (zh) * | 2017-04-14 | 2017-08-18 | 东南大学 | 一种基于改进的eemd和排列熵的光纤陀螺振动补偿算法 |
CN107256635A (zh) * | 2017-07-14 | 2017-10-17 | 浙江大学 | 一种智能交通中基于分布式光纤传感的车辆识别方法 |
-
2017
- 2017-11-10 CN CN201711100973.2A patent/CN107885940A/zh not_active Withdrawn
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7139668B2 (en) * | 2003-05-12 | 2006-11-21 | Simmonds Precision Products, Inc. | Wire event detection |
CN102650658A (zh) * | 2012-03-31 | 2012-08-29 | 机械工业第三设计研究院 | 一种时变非平稳信号时频分析方法 |
CN104573248A (zh) * | 2015-01-16 | 2015-04-29 | 东南大学 | 基于emd的光纤陀螺温度漂移多尺度极限学习机训练方法 |
CN104568024A (zh) * | 2015-01-21 | 2015-04-29 | 山东理工大学 | 振动式流量计特征信号提取方法 |
US20160258991A1 (en) * | 2015-03-02 | 2016-09-08 | Hangzhou Shekedi Biotech Co., Ltd | Method and System of Signal Processing for Phase-Amplitude Coupling and Amplitude-Amplitude coupling |
CN104849050A (zh) * | 2015-06-02 | 2015-08-19 | 安徽工业大学 | 一种基于复合多尺度排列熵的滚动轴承故障诊断方法 |
CN104931197A (zh) * | 2015-06-29 | 2015-09-23 | 吉林大学 | 基于eemd的自动平衡机振动信号处理方法 |
CN105954695A (zh) * | 2016-04-20 | 2016-09-21 | 国家电网公司 | 一种基于同步的同质传感器突变参数识别方法与装置 |
CN105956526A (zh) * | 2016-04-22 | 2016-09-21 | 山东科技大学 | 基于多尺度排列熵的低信噪比微震事件辨识方法 |
CN107063306A (zh) * | 2017-04-14 | 2017-08-18 | 东南大学 | 一种基于改进的eemd和排列熵的光纤陀螺振动补偿算法 |
CN107256635A (zh) * | 2017-07-14 | 2017-10-17 | 浙江大学 | 一种智能交通中基于分布式光纤传感的车辆识别方法 |
Non-Patent Citations (3)
Title |
---|
YUAN YAO等: "The multi-dimensional ensemble empirical mode decomposition(MEEMD)", 《J THERM ANAL CALORIM(2017)》 * |
田波等: "基于改进EEMD-SE-ARMA的超短期风功率组合预测模型", 《电力系统保护与控制》 * |
肖剑: "水电机组状态评估及智能诊断方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110160789A (zh) * | 2019-05-08 | 2019-08-23 | 新疆大学 | 一种基于ga-enn的风电机组轴承故障诊断方法 |
CN110160789B (zh) * | 2019-05-08 | 2021-11-02 | 新疆大学 | 一种基于ga-enn的风电机组轴承故障诊断方法 |
CN110617775A (zh) * | 2019-09-26 | 2019-12-27 | 杭州鲁尔物联科技有限公司 | 一种基于视觉感知的桥梁挠度的监测方法、装置及系统 |
CN110680308A (zh) * | 2019-11-04 | 2020-01-14 | 北京理工大学 | 基于改进emd与阈值法融合的心电信号去噪方法 |
CN111161171B (zh) * | 2019-12-18 | 2023-04-07 | 三明学院 | 爆破振动信号基线漂零校正和消噪方法、装置、设备及系统 |
CN111161171A (zh) * | 2019-12-18 | 2020-05-15 | 三明学院 | 爆破振动信号基线漂零校正和消噪方法、装置、设备及系统 |
CN111337276A (zh) * | 2020-01-07 | 2020-06-26 | 南京理工大学 | 一种城轨列车车轮振动信号的故障特征提取方法 |
CN111896095A (zh) * | 2020-06-09 | 2020-11-06 | 山东大学 | 一种基于hht变换的分布式光纤双m-z干涉仪的振动定位方法 |
CN112115851A (zh) * | 2020-09-16 | 2020-12-22 | 北京邮电大学 | 一种基于cmeemd-gaiw-sw-dfa的分布式光纤信号听觉信息融合方法 |
CN112115851B (zh) * | 2020-09-16 | 2022-02-08 | 北京邮电大学 | 一种基于cmeemd-gaiw-sw-dfa的分布式光纤信号听觉信息融合方法 |
CN112464777A (zh) * | 2020-11-20 | 2021-03-09 | 电子科技大学 | 一种光纤振动源垂直距离智能估算方法 |
CN112464777B (zh) * | 2020-11-20 | 2023-04-18 | 电子科技大学 | 一种光纤振动源垂直距离智能估算方法 |
CN112923867A (zh) * | 2021-01-21 | 2021-06-08 | 南京工程学院 | 一种基于频谱显著性的傅里叶单像素成像方法 |
CN112923867B (zh) * | 2021-01-21 | 2023-06-23 | 南京工程学院 | 一种基于频谱显著性的傅里叶单像素成像方法 |
CN113217102A (zh) * | 2021-05-18 | 2021-08-06 | 广西中金岭南矿业有限责任公司 | 声发射信号特征提取方法、识别方法、装置及存储介质 |
CN114088400A (zh) * | 2021-11-01 | 2022-02-25 | 中国人民解放军92728部队 | 一种基于包络排列熵的滚动轴承故障诊断方法 |
CN114088400B (zh) * | 2021-11-01 | 2024-04-09 | 中国人民解放军92728部队 | 一种基于包络排列熵的滚动轴承故障诊断方法 |
CN114714157A (zh) * | 2022-03-23 | 2022-07-08 | 大连大学 | 一种基于时变滤波经验模态分解与瞬时能量比的磨削颤振监测方法 |
CN114714157B (zh) * | 2022-03-23 | 2023-05-30 | 大连大学 | 一种基于时变滤波经验模态分解与瞬时能量比的磨削颤振监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107885940A (zh) | 一种用于分布式光纤振动传感系统的信号特征提取方法 | |
Wang et al. | Research and application of improved adaptive MOMEDA fault diagnosis method | |
Liang et al. | Maximum average kurtosis deconvolution and its application for the impulsive fault feature enhancement of rotating machinery | |
Wu et al. | A novel DAS signal recognition method based on spatiotemporal information extraction with 1DCNNs-BiLSTM network | |
CN105261136B (zh) | 一种光纤监测报警系统中屏蔽天气干扰的方法及装置 | |
CN104483049A (zh) | 基于ar模型与马氏距离的光纤光栅传感动态载荷辨识方法 | |
Li et al. | Adaptive energy-constrained variational mode decomposition based on spectrum segmentation and its application in fault detection of rolling bearing | |
CN103116957B (zh) | 一种光纤周界安防系统屏蔽气候影响的方法 | |
Sheng et al. | Applications in bearing fault diagnosis of an improved Kurtogram algorithm based on flexible frequency slice wavelet transform filter bank | |
CN107957566A (zh) | 基于频率选择奇异谱分析的磁共振测深信号提取方法 | |
Liu et al. | A combined events recognition scheme using hybrid features in distributed optical fiber vibration sensing system | |
CN110320040A (zh) | 一种基于iitd和amckd的滚动轴承故障特征提取方法 | |
CN106644325A (zh) | 水工建筑物的安全隐患检测系统 | |
CN109120336B (zh) | 基于相位敏感光时域反射传感器的防误警漏警方法 | |
CN104376306A (zh) | 基于滤波器组的光纤传感系统侵犯识别分类方法及分类器 | |
Sun et al. | Man-made threat event recognition based on distributed optical fiber vibration sensing and SE-WaveNet | |
Pratumnopharat et al. | Extracting fatigue damage parts from the stress–time history of horizontal axis wind turbine blades | |
Qi et al. | A method for reducing transient electromagnetic noise: Combination of variational mode decomposition and wavelet denoising algorithm | |
Li et al. | A new adaptive parallel resonance system based on cascaded feedback model of vibrational resonance and stochastic resonance and its application in fault detection of rolling bearings | |
Takalo et al. | Properties of AE data and bicolored noise | |
Wu et al. | Monitoring of the transmission line galloping with a novel distributed optical fibre sensor and its statistical data analysis | |
CN106645985A (zh) | 一种基于人工神经网络的雷电流反演方法 | |
CN115265750A (zh) | 一种光纤分布式声波传感系统及方法 | |
CN107615028A (zh) | 温度测量装置、温度测量方法和温度测量程序 | |
CN110135645B (zh) | 架空输电线路全光纤动静态监测和趋势预测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180406 |
|
WW01 | Invention patent application withdrawn after publication |