军用车辆齿轮传动箱建模与故障增强技术研究

以军用车辆齿轮传动箱为研究对象,进行了系统建模和故障信息增强等技术研究.具体的建模过程包括对实测数据的检验与预处理、模型形式的选择、模型参数的估计、模型适用性检验等问题.通过故障信息增强技术完成残差信号的提取.实际测试分析表明,采用故障增强技术能够明显地提高故障识别率.     

基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法

滚动轴承出现损伤时,采集的振动信号呈非平稳性,采用一般的时域和频域分析方法不能准确提取出振动信号的故障特征。根据小波包多分辨、精细化的分解特性,提出一种基于小波包能量谱与主成分分析（PCA）方法的滚动轴承故障诊断算法。将振动信号进行小波包分解,得到重点频率段信息的能量谱,提取能量谱作为特征向量;利用PCA方法对特征向量降维并减小噪声信号的干扰,获得增强的故障特征;利用层次聚类方法和改进的模糊c均值聚类算法对不同类型的滚动轴承故障进行识别,两种聚类方法都准确地识别出了不同的故障类型。实例验证结果表明,所提方法能够有效地提取振动信号中的有用故障特征,实现轴承故障类型的精确诊断。     

基于高阶累量谱的轴承故障诊断

在轴承故障诊断中，故障信号的提取是一个关键问题。实际测得的轴承振动信号一般是非平稳和非高斯分布的信号，信噪比很低，微弱的故障信息往往完全淹没在噪声中，信号特征的提取非常困难。信号的高阶累积量对加性高斯噪声和对称非高斯噪声不敏感，应用在轴承的故障诊断中，可以有效地分离信号与噪声，提高信噪比，增强故障信息。对轴承在不同状态下的振动信号进行对比分析，提取了不同状态下轴承振动信号的功率谱与高阶累量谱（双谱），建立了用于故障诊断的双谱特征向量，并利用BP神经网络进行了故障诊断。分析结果表明，从高阶累积量提取的特征与功率谱相比，对故障特征比较敏感，容易实现智能诊断中的数字特征提取，可有效地区分轴承的故障。     

基于嵌入和遥测的轮式自行火炮变速箱测试诊断研究

针对在有线连接的条件下无法实现轮式车辆变速箱带载荷测试的问题，提出基于嵌入式和遥测技术的变速箱性能检测新方法，包括系统硬件和软件设计等。嵌入式检测系统随车采集变速箱的状态信息，经特征提取后，反映变速箱工况的特征量通过无线数传模块发送给远端的信号分析单元，信号分析单元在提取变速箱故障特征的基础上，应用模糊聚类分析方法对变速箱工作状态进行识别。该方法由于充分利用了车辆行驶时的动态载荷，使得测试的振动信息更有代表性，可以反映更多的系统特性，能够提高轮式车辆变速箱的故障定位精度。     

局域波降噪及样本熵在齿轮箱故障诊断中的应用

针对齿轮箱振动信号中存在大量背景噪声及以往故障诊断中在时域、频域寻找与故障相关信息过程相对复杂的问题,提出了一种将局域波降噪与小波包分解提取频带能量最大信号的样本熵作为特征量相结合的齿轮箱故障诊断方法.首先,以峭度值作为依据对局域波分解后的各IMF(本征模式分量)分量进行重构,完成对原始信号的降噪.接着对降噪后的信号进行小波包分解并计算各子带的能量,选取子带能量最大的频段信号计算其样本熵作为特征量完成对故障的识别.以齿轮箱试验台实测信号为对象进行对比分析,证明了该方法的有效性.     

多跳频信号参数估计时频分析算法

为了解决噪声及干扰环境下多跳频信号参数估计难度大的问题，提出一种多跳频信号参数估计时频分析算法。首先对信号进行短时傅里叶变换得到时频图像，针对不同干扰的时频分布特点，通过能量对消、自适应阈值法、形态学滤波消除各类干扰影响，实现跳频信号的提取；通过区域联通标记算法标记各个跳频簇，并通过各跳频簇时长实现多跳频信号分选。利用改进的PAM聚类算法，完成跳频频率和跳频周期的估计。仿真实验表明，与通过提取时频脊线方式进行参数估计的算法相比，该算法具有更高的估计精度，同时能够准确分选出多跳频信号，在各类干扰影响下，仍具有较高的估计精度。     

基于功率谱对消的时域相关认知跳频谱检测算法

认知跳频技术将认知无线电运用到跳频通信中,通过检测认知跳频频谱中的“频谱空穴”来更新跳频点集,避免频点碰撞,提高频谱利用率。针对频谱检测中的时域相关算法因噪声和授权信号的存在,导致频谱空穴的判定门限难以确定,从而使占用信号的检测概率较低的问题,提出了一种基于功率谱对消的时域相关算法来检测跳频谱。与未经过功率谱对消运算的传统时域相关算法相比,该算法能有效提高信号的检测概率,具有实时性好、克服白噪声不确定性、抑制授权信号干扰的优点。理论分析与仿真结果表明,基于功率谱对消的时域相关算法优于传统时域相关算法。     

时频分析方法提取对空近炸引信多普勒信号频率信息特征

随着数字信号处理技术的发展和高性能数字信号处理器件的出现，使得利用时频分析方法实时提取信号的时变频率信息成为可能。在表征信号频率的时变性能方面，对目前广泛使用的数字计数测频方法和新提出的时频分析估计频率方法作了具体的分析和比较。最后通过仿真，验证了在弹目交会的短暂过程中连续波多普勒体制对空无线电近炸引信回波信号多普勒频率随时间的变化规律。     

基于油液和振动信息融合的自行火炮齿轮箱故障诊断方法

油液分析和振动分析技术是用于自行火炮齿轮箱的两大有效状态监测技术，但在实际监测中，这两种技术是分别应用的，故障诊断结论受试验方法和诊断水平影响很大，容易带来漏报和误报。如果将这两种信息进行信息融合，将极大提高诊断的精度和可靠性。通过建立试验台架采集油液分析数据和振动信号，然后通过提取这两种信息的特征参数，采用D-S证据理论对上述两种信息进行融合，得到更为准确的状态信息。通过试验证实，该故障诊断方法能够有效检测自行火炮齿轮箱故障，有较强的工程应用价值。     

基于互高阶累积量的潜艇轴频电场信号的提取

轴频电场信号的提取可实现对潜艇目标的探测和识别。通过对潜艇轴频电场以及海洋环境电场噪声成分的分析,提出了将基于互高阶谱MUSIC算法引入潜艇轴频电场信号的提取中的方法。将通过传感器获取的电场信号进行带通滤波,再求得两次测量数据的互高阶累积量,最后采用MUSIC谱估计法求得信号子空间,提取出所需的轴频信号。实验表明:该方法可有效地将微弱的轴频电场特征信号从背景噪声中提取出来,并与传统的MUSIC方法进行了比较,证明了该方法的优越性。     

行星变速箱振动信号的线性量子信息熵特征

针对行星变速箱在运行时产生的非线性非平稳振动且故障特征信号微弱等问题,将量子理论引入信息熵的计算中,提出一种全新的特征提取方法——线性量子信息熵。介绍了量子理论的基本概念及振动信号的线性量子表达,建立了振动信号的多量子位系统;基于振动信号多量子位表达提出了线性量子信息熵算法;对行星变速箱故障模拟试验台采集到的齿轮正常、K1小行星轮裂纹、K1大行星轮裂纹、K2行星轮裂纹和K3太阳轮裂纹5种状态振动信号的线性量子信息熵进行求解,并与时频熵、排列熵、样本熵计算结果对比。结果表明,线性量子信息熵能够有效提取行星变速箱的运行状态特征。     

希尔伯特-黄变换与小波变换在故障特征提取中的对比研究

研究了希尔伯特一黄变换( HHT)和小波变换(WT)在故障特征提取中的应用。以电源系统三相短路故障为例，针对无畸变和有畸变两种故障电压信号，采用HHT和WT提取故障特征。对比了仿真结果并分析了WT存在的问题。得出对于故障造成信号包络变化但频率基本不变的信号，HHT比WT的故障特征提取更有效。     

小波变换在多层复合材料的超声波检测中的应用

针对多层复合材料深层界面脱粘检测中回波信号信噪比低和难以分辨的难题,将小波变换引入到回波信号的超声波检测中来;分析了小波变换及多分辨率分析的理论依据,针对回波信号首先进行小波去噪,然后提取小波变换后各频段的信号能量作为特征,为缺陷分析及识别提供依据;实验结果表明:小波阈值去噪算法的改进方案明显要比单纯的硬阈值和软阈值方法降噪效果好,信号分析方法并可有效提取信号的特征,并将缺陷识别、定位。     

引信信道特征与信息处理研究

从引信是信息系统的观点出发,简单论述了引信与外部进行信息交流的外部信道及其特征;深入分析了引信高频信号处理的信息特征;指出高频信号处理主要是恢复回波信号和抑制噪声,不能提取所需信号信息,但可以减小噪声引起的信号的不确定性,引信的信息处理主要是在低频信号处理系统中完成。     

基于双谱熵模型的故障模式识别

提出利用双谱计算信号的双谱熵,并作为特征参量进行故障模式识别的方法。分析了振动信号双谱的特征,在子空间分布概率下,推导了基于能量分布的双谱熵计算方法。在理论推导分析的基础上,进行了某齿轮箱在4种工况下的振动信号提取实验,建立了齿轮箱故障模式识别BP神经网络。最后将双谱熵特征参量作为输入,对设置了4种故障工况的齿轮箱进行了故障模式识别,成功地判别了4种工况,验证了方法的有效性。     

非线性调频模态分解-同步提取变换方法及其在滚动轴承故障诊断中的应用

传统同步提取变换（SET）方法在处理多分量非平稳复杂信号时,各相邻分量的瞬时频率差要大于窗函数频率支撑范围的2倍,否则时频结果易发生频率混叠,而工程信号常常难以满足。此外,在处理高噪的复杂信号时,其时频分辨率往往不理想。针对此不足,将非线性调频模态分解(VNCMD)引入SET中,提出一种VNCMD-SET的故障诊断方法。利用VNCMD通过结合解调手段以及变分模态分解的联合优化方案来有效处理频率临近甚至交叉的非平稳信号,对故障信号进行分解重构,对该重构信号进行SET处理。将所提方法与传统SET方法进行对比研究,并进行实验验证。仿真和实验结果表明：VNCMD-SET方法明显优于传统SET方法,克服了传统SET方法的不足;VNCMD-SET方法能有效提取出故障信号的频率特征,且不发生混叠,同时具有一定的抗噪性能。     

自动机机箱振动分析与诊断研究

自动机射击动作时因激振力的作用会产生一定方向和频率的冲击振动,构件的裂纹或松动等故障会影响到其响应成分的频率能量特性;针对自动机实射动作冲击响应振动信号,利用小波分析快速进行信噪分离,频域范围内采用功率谱分析结合小波包分解对各频段能量谱分析。根据振动信号时域峰值和时刻,频域能量的变化和分布,给出故障诊断层使用的状态特征向量,并用比例梯度动量共轭算法训练的神经网络模型进行自动机状态定位与故障识别。     

基于图论模型的模拟电路故障可测性分析

利用拓扑结构建立模拟电路故障诊断图论模型,讨论了基于图论模型的模拟电路故障可测性,用香农信息熵对测点上电路故障状态的不确定性进行了定量描述,依据可测节点处提供的故障信息量大小,给出了模拟电路中部分测试节点不可及情况下确定最优故障检测点方法。通过实例验证了该方法的有效性。