一种近场机器多噪声源的定位方法

本文对均匀线阵接收一定距离的机器噪声源得到的空间协方差矩阵提出一种修正算法，以重构在相同方位上的远场近似空间协方差矩阵。利用这种方法，通过改变阵列中心位置便可确定机器多噪声源位置。计算机模拟实验证实了这种方法的可行性。     

一种这场机器多噪声源的定位方法

本文对均匀线阵接收一定距离的机器噪声源得到的空间协方差矩阵提出一种修正算法,以重构在相同方位上的远场近似空间协方差矩阵.利用这种方法,通过改变阵列中心位置便可确定机器多噪声源位置.计算机模拟实验证实了这种方法的可行性.     

基于多点合作目标的多线阵CCD空间物体姿态测量

为了精确测量悬浮试验场内姿态快速变换的空间物体的姿态角参数,提出了一种采用3个线阵CCD相机同时测量多个点合作目标的姿态测量方法,以解决传统的线阵CCD姿态测量系统中相机位置间的约束条件过多造成的非线性系统误差及校准参数多的问题.该方法采用柱面透镜和线阵CCD组成的3个一维相机,对被测物体上的多个点合作目标同时进行测量;并针对测量原理对姿态角限制的问题,采用模拟计算的方法进行姿态角测量范围的计算.由神经网络校准线阵CCD相机,直接给出点合作目标的空间三维坐标,并通过建立基于Rodrigues参数姿态解算模型求解被测物体的姿态角.实验结果表明,本文方法得到的空间点位置测量精度及空间姿态解算精度高于原线阵CCD姿态测量方法,验证了该姿态测量方法进行姿态测量的可行性和有效性.     

热电厂高压给水泵组噪声源的识别

应用偏相干分析技术识别噪声源,是将一台机器或设备模拟成多输入、单输出系统,使用偏相干函数从总输出谱中分离出各声源的自功率谱,从而得到运行机器噪声源的重要信息,为降噪设计提供依据。本文介绍了在工业现场应用偏相分析技术进行的20万千瓦发电机组高压给水泵组的声源识别。测试分析结果表明,偏相干方法对识别互相间相干的噪声源是一种有效的方法,即使在电厂背景噪声较高的情况下也具有较强的功能和实用性。     

半自由场波叠加噪声源识别方法研究

提出了一种适合半自由场条件下进行噪声源识别的方法，通过仿真和实验验证了半自由场波叠加噪声源识别方法的正确性。根据波叠加方法的原理，声源产生的空间声场可以用其内部的一系列虚源点来等效代替，而虚源源强可以通过匹配场点的声压来获得，进而由这些虚源重建任意场点的各种声学量。通过阵列获取声压场，结果表示成声压等值线图、三维视图或声强矢量图，便于直观地判别出声源的位置、大小和传播路径。半自由场渡叠加噪声源识剐方法可以在半自由场条件下对任意形状物体进行噪声源识别。     

一种三线阵测绘相机CCD像面的装调方法

为了保证三线阵测绘相机装调后相机之间的空间位置关系,保证三线阵测绘相机应用时的测绘精度和图像质量,对三线阵测绘相机CCD像面的装调方法进行研究.首先,根据测绘精度和图像质量的要求,明确了三线阵测绘相机的装调指标.其次,确定了装调方案,对装调要点进行了叙述,为三线阵测绘相机的装调提供了一种装调方法.实际装调检测结果表明,应用该方法可以将相机之间空间位置关系安装到α≤3"、β≤5"、γ≤5".该方法可以满足三线阵测绘相机之间的空间位置关系装调,具有实际应用价值.     

声学故障诊断中的宽带相关噪声信号分离方法

为了提取混合噪声中待诊设备的噪声信号，利用传声器组构造线性测量阵列流型，建立多声源机器系统的宽带相关噪声混合模型。使用聚集变换技术消除频率对参数估计的影响，并同时消除相关信号功率谱矩阵的奇异性，采用宽带相关MUSIC法估计噪声方差与声源方位，从混合信号频谱中分离噪声源信号频谱。该方法可减小其他噪声源信号的干扰，提高待检设备噪声信号的信噪比。实验结果验证了模型与算法的可行性。     

基于MEEMD-AIC的簇绒地毯织机噪声源识别方法

簇绒地毯织机噪声信号由多个噪声源信号混叠而成,为实现簇绒地毯织机噪声源识别,提出了一种基于改进集总平均经验模态分解(modified ensemble empirical mode decomposition,简称MEEMD)和赤池信息量准则(Akaike information criterion,简称AIC)的噪声源识别方法。首先,利用MEEMD将测得的噪声信号分解为有限个本征模态函数(intrinsic mode function,简称IMF)分量;其次,对分量矩阵的协方差矩阵进行奇异值分解(singular value decomposition,简称SVD),得到矩阵特征值;然后,利用AIC准则估计有效分量的个数,同时结合能量特征指标和皮尔逊相关系数法筛选出有效分量;最后,对筛选出的有效分量逐一进行时频分析,实现簇绒地毯织机噪声源识别。结果表明,耦联轴系中钩轴振动是簇绒地毯织机最主要的噪声源,该方法适用于簇绒地毯织机噪声源识别,对实现簇绒地毯织机主动降噪提供了理论支持。     

波叠加法在机械噪声故障特征提取中的应用研究

声学故障诊断中,测量到的噪声信号是现场所有声信号的混合.为提取待诊设备噪声故障特征,建立机器系统的多声源宽带相关混合声场模型,使用波叠加法重建源表面为任意形状的空间声压场分布,计算出未知声源的数目与位置.提出的算法具有计算速度快、重建精度高,能够消除其他噪声源信号的干扰,从较小的信噪比的观测信号中分离待监测源信号的功率谱,有效提取机械噪声故障特征.实验结果验证模型与算法的可行性.     

基于改进EKF算法的锂电池SOC估算

采用传统EKF算法对电池SOC估算时,系统噪声先验特性未知及电池模型误差会影响电池SOC估算的精度。论文提出一种基于改进EKF算法的锂电池SOC估算方法:通过建立电池等效电路模型,联合安时积分法原理,得到系统的状态空间方程;接着引入数据校正的思想,运用Cauchy鲁棒函数,以EKF观测方程的真实值与估计值之间的残差为依据,实时矫正了滤波状态噪声协方差阵Q,且在SOC区间内通过观测噪声协方差阵R进行了动态调整,使算法具有更强的鲁棒性。仿真结果表明,与传统的EKF算法相比,改进后的EKF算法估算误差降低了3.5%,且算法的平均误差保持在0.68%左右,验证了该方法的有效性及精确性。     

Acoustic source localization in a reverberant environment by average beamforming

This paper presents a strategy for the application of acoustic beamforming to locate noise sources in a reverberant field.In the hypothesis of stationary phenomena, the average amplitude and standard deviation of the output of beamforming, obtained from different array locations, are calculated.The standard deviation, normalized by the maximum value, can be used for beamforming output weighting, so as to enhance the source contribution, which is space invariant, and to attenuate the mirrors and sidelobe peaks, whose spatial position changes with changes in array position.The availability of microphone signals acquired when moving the array to a different position also allows a super-array to be obtained, i.e. an array obtained considering all the data as coming from a unique array. In this way, the capability of the averaging procedure to reject mirrors effects and disturbances is combined with high resolution beamforming for application in reverberant fields. These improvements are extended to the entire frequency range, since the procedure is not greatly affected by signal wavelength.     

集成运算放大电路噪声谱矩阵计算及噪声性能分析

由于集成运放电路内部具有大量噪声源,特别是运算放大器本身等效输入电压和电流噪声源的相关性,使运放电路噪声分析较困难。常用的噪声功率迭加方法由于无法考虑噪声源相关性会引起较大误差。本文提出用噪声谱矩阵表示具有噪声相关的运算放大器ｅ-ｉ噪声,推导了集成运放电路等效输入噪声谱迭加公式。不仅可以对运放电路的噪声进行准确计算及性能分析,而且可以计算电路内各噪声源的贡献,对低噪声集成运放电路参数设计有重要指导意义。     

基于阵列信号的重型商用车声源的最小方差无畸变响应估计

以声源的阵列测试信号为基础,建立了运动声源的观测方程.通过计权因子的优化,确定了声源特征函数的最小方差无畸变响应估计方法.对重型商用车声源识别结果说明,利用最小方差无畸变响应估计能较常规波束成形更好地识别出噪声源.     

6-PSS型并联机床的仿真研究

在对６－ＰＳＳ构型虚拟轴机床进行运动学标定的仿真计算过程中,采用光栅球杆仪对虚拟轴机床的运动姿态进行间接测量,然后通过矩阵重构的方法来解决测量噪声的干扰问题。仿真结果表明,计算出的结果完全可以满足机床在工作空间里的运动精度要求。因此采用此方法对虚拟轴机床进行标定是可行的。     

Expanded beam deflection method for simultaneous measurement of displacement and vibrations of multiple microcantilevers

Here we present an extension of optical beam deflection (OBD) method for measuring displacement and vibrations of an array of microcantilevers. Instead of focusing on the cantilever, the optical beam is either focused above or below the cantilever array, or focused only in the axis parallel to the cantilevers length, allowing a wide optical line to span multiple cantilevers in the array. Each cantilever reflects a part of the incident beam, which is then directed onto a photodiode array detector in a manner allowing distinguishing between individual beams. Each part of reflected beam behaves like a single beam of roughly the same divergence angle in the bending sensing axis as the incident beam. Since sensitivity of the OBD method depends on the divergence angle of deflected beam, high sensitivity is preserved in proposed expanded beam deflection (EBD) method. At the detector, each spot's position is measured at the same time, without time multiplexing of light sources. This provides real simultaneous readout of entire array, unavailable in most of competitive methods, and thus increases time resolution of the measurement. Expanded beam can also span another line of cantilevers allowing monitoring of specially designed two-dimensional arrays. In this paper, we present first results of application of EBD method to cantilever sensors. We show how thermal noise resolution can be easily achieved and combined with thermal noise based resonance frequency measurement.     

采用间接测量法对VAMT1Y型虚拟轴机床运动学标定的仿真研究

在对虚拟轴机床进行运动学标定的仿真计算过程中 ,采用间接测量法对虚拟轴机床的运动进行间接测量 ,然后通过矩阵重构的方法来解决测量噪声的干扰问题。仿真结果表明 ,虽然在虚轴机床的工作空间里无法将其可能存在的结构误差全部求出来 ,但计算结果完全可以满足机床在工作空间里的运动精度要求。因此采用此方法对虚拟轴机床进行标定是可行的     

A repeated single-channel mechanical signal blind separation method based on morphological filtering and singular value decomposition

This paper proposes a repeated blind source separation (BSS) method based on morphological filtering and singular value decomposition (SVD) to separate the mixed sources from a single-channel signal. Firstly the signal is de-noised by the morphological filter and, the noise which affects the accuracy of the separation is removed. Next, the purified signal is reconstructed in phase space, and the SVD is applied to this matrix. After choosing the effective singular values, the inverse transform is applied to the revised signal matrix. From this, the pseudo signal can be obtained. The pseudo signal and the purified original signal are used to achieve the mixed sources separation through the fast independent component analysis (FastICA) algorithm. Then, the methods above are repeated in order to separate the weaker signals. The analysis of simulation and practical application demonstrates that that proposed method shows a high level of separating performance of a single-channel signal.