基于小波分解的磨床声发射特征信号提取方法

磨床磨削加工环境复杂,传统的信号分析方法难以对其进行有效的特征信号提取,提出了一种基于小波分解与能量谱相结合的特征信号提取方法.利用小波多尺度、多分辨率的特性,对磨床磨削的声发射信号进行多尺度分解;根据金属磨削的声发射信号的特性,选取最优频率段进行频谱分析,再结合能量谱提取特征信号.通过对自行研发的磨削监测系统工程试验分析表明:该方法能够有效、准确地诊断出磨削的每个状态,误判率为0.02％,相比单一的频谱分析诊断,精度更高、可靠性更好,具有一定的工程实用价值.     

LMD特征融合与SVM的供水管道堵塞识别

针对城市供水管道早期堵塞难以检测的问题,提出了一种基于局部均值分解(LMD)的分量信号特征提取,结合支持向量机(SVM)的堵塞故障识别方法.先对声响应信号进行LMD,得到若干乘积函数(PF)分量,进而采用相关分析法选取有效PF分量,对有效PF分量分别提取能量熵、近似熵和平均声压三个指标的特征,构建分类特征集.最后利用交叉验证(CV)方法优化参数的SVM分类器识别堵塞故障信号.实验结果表明:采取基于LMD特征融合和通过CV优化的SVM相结合的方法可以有效识别供水管道的初期堵塞.与基于LMD特征融合和BP神经网络的方法进行了对比,结果表明:本文方法具有更好的堵塞故障识别效果.     

小波包分析在刀具声发射信号特征提取中的应用

分析了刀具的切削状态,介绍了刀具的声发射信号检测系统和小波、小波包分析技术,以及小波包频带能量分解方法,提出了小波包分解功率监测特征量提取技术.通过在刀具声发射的一个实例信号中的应用,有效地区分了刀具的两种切削状态,验证了小波包分解功率监测特征量提取方法的可行性.     

木材缺陷声发射信号的小波包分析处理

在简要介绍小波包分析的分解和重构算法基础上,通过木材声发射实验采集声发射信号;利用小波包分析技术对三种不同缺陷类型的木材试件的原始数据进行消噪预处理,然后对信号进行分解,并对分解的信号进行小波包重构;运用“小波包-能量”法提取木材声发射信号特征值,实现了木材缺陷状态和声发射信号特征向量之间的映射关系。结果表明：用小波包分析确定木材缺陷程度是一种有效的方法。     

信息融合在飞行器智能健康诊断中的应用

提出了一种基于经验模态分析(Empirical mode decomposition,EMD)和D-S证据相结合的飞行器健康诊断方法.该方法首先对由声发射传感器募集到的飞行器关键结构部件原始声发射信号进行EMD,得到多个内禀模态分量,选取内禀模态能量构建声发射信号的特征向量,并分别采用模糊神经网络、GRNN网络和Elman神经网络对提取出的特征向量进行分类,最后运用D-S证据理论进行决策融合,对飞行器的健康状态进行诊断.实验表明,运用此方法对某型号真实飞行器关键结构部件的健康状态进行诊断,可以得到很好放入诊断结果.与单分类器相比,采用D-S证据理论进行决策融合有效地提高了故障诊断的精度.     

管道阀门泄漏信号仿真分析

研究管道阀门泄漏检测的技术,针对复杂背景噪声影响,管道泄漏信号不能准确识别及时频特性精确提取.提出了一种基于小波包和时频能量分布的管道阀门声发射泄漏检测的方法,利用小波包重构还原管道阀门泄漏声发射信号,通过计算Choi-Williams时频分布,提取时频特征,实现了泄漏信号识别和时频特性分析.采用PVC管道搭建了管道阀门泄漏声发射检测的实验模型,泄漏状态通过阀门开启度调节.在严重的背景噪声环境下,实时采集泄漏信号,并进行仿真.结果表明,采用小波包和时频能量分布的分析方法可以准确识别严重背景噪声下的泄漏信号,证明了该方法的可行性.     

Hilbert包络谱的熵特征在辐射源个体识别中的应用

针对基于时频统计参数的特征提取方法存在测量准确性要求高,特征维数大的问题,提出了一种基于Hilbert包络谱的熵特征。利用Hilbert法对信号提取包络谱后,求解包络谱的信息熵和指数熵特征,并联合包络方差识别辐射源个体。在仿真实验中对比功率谱熵特征识别正确率显著提高;对QAM、ASK以及频率成分适量的信号识别率在3 dB左右达到80%以上。该算法具有一定高效性和鲁棒性。此外应用特征于FM手持机信号,实测结果表明,算法具有一定实用性。     

基于PC104的储罐罐底腐蚀声发射采集系统

针对储罐罐底腐蚀声发射内检测方法的需求,基于PC104架构,研制了一种储罐罐底腐蚀声发射信号采集系统。系统采用声发射传感器作为接收器,利用基于PC104的数据采集模块和CPU模块作为控制核心,实现腐蚀声发射信号的采集和存储。经实验验证,系统能够准确地采集和存储声发射信号,误差最大为1%,满足系统设计要求,为声发射内检测方法的实施创造了必要条件。     

脉搏信号和主成分分析在亚健康状态识别中的应用

为了评估亚健康状态,提出一种基于脉搏信号的亚健康状态识别新方法。用小波变换对脉搏信号消噪处理,再用功率谱、近似熵、小波熵估计提取特征量,对提取的特征量进行主成分分析,最后用改进的线性判别式分析法分类识别,主成分识别率达100%。该方法计算简单,稳定性好,识别率高,对亚健康状态的评估有一定的可行性。     

基于小波包变换的精神疲劳多参数脑电分析

研究脑力劳动和运动引起的精神疲劳与脑电特征参数之间的相关性,以及这些特征参数在不同状态下的变化规律。通过对两种精神疲劳状态以及不疲劳状态下采集的脑电信号进行小波包分析,提取出脑电各节律并计算脑电对数能量熵,定性分析了各特征参数与不同状态间的关联性。实验结果表明,相较于不疲劳状态而言,前额叶区的脑电各节律相对功率和脑电对数能量熵在两种精神疲劳状态下均有显著变化。因此,前额叶区的脑电各节律相对功率与脑电对数能量熵可以作为衡量精神疲劳的生理指标。     

基于参数优化VMD和样本熵的滚动轴承故障诊断EI北大核心CSCD

针对滚动轴承故障特征提取不丰富而导致的诊断识别率低的情况,提出了基于参数优化变分模态分解(Variational mode decomposition,VMD)和样本熵的特征提取方法,采用支持向量机(Support vector machine,SVM)进行故障识别.VMD方法的分解效果受限于分解个数和惩罚因子的选取,本文分析了这两个影响参数选取的不规律性,采用遗传变异粒子群算法进行参数优化,利用参数优化的VMD方法处理故障信号.样本熵在衡量滚动轴承振动信号的复杂度时,得到的熵值并不总是和信号的复杂度相关,故结合滚动轴承的故障机理,提出基于滚动轴承故障机理的样本熵,此样本熵衡量振动信号的复杂度与机理分析的结果一致.仿真实验表明,利用本文提出的特征提取方法,滚动轴承的故障诊断准确率有明显的提高.     

基于改进多输出支持向量机的声发射源定位研究

为了提高根据声发射(AE)现象预报煤与瓦斯突出位置的精度,结合核主成分分析(KPCA),提出了一种改进的多输出最小二乘支持向量机(LSSVM)的目标定位方法.对于采集的声发射参数信号,采用核主成分分析提取重要定位特征;采用多输出最小二乘支持向量机建立定位模型,采用文化基因算法对多输出最小二乘支持向量机参数进行优化.试验测试定位性能,结果表明:算法提高了试验平台声发射定位的精度且定位时间少于其他定位算法,具有很高的实际应用价值.     

K值优化的VMD在轴承故障诊断中的应用

由于机械设备实际运行状态下环境噪声的影响,轴承早期非平稳振动信号的故障特征难以有效提取。为此,将K值优化的变分模态分解引入轴承的早期故障诊断方法中。首先利用小波包降噪法对轴承实际振动信号进行降噪;然后利用K值优化的VMD算法,通过合理设置参数K,将降噪信号分解为若干本征模态分量,利用峭度值选取最佳分量;最后提取最佳分量的样本熵和排列熵组成特征向量,利用模糊C聚类识别轴承的故障类型。实验结果表明,该方法避免了信号的过分解,能有效提取振动信号特征,实现轴承的早期故障诊断。     

轴承故障音频诊断系统设计与开发

轴承音频信号包含了其运行状态的许多重要信息,通过这些信息的恰当分析、处理就能对轴承故障进行有效诊断.与振动信号相比,音频信号的采集是非接触式的,具有使用方便、成本低廉等优势.因此,将基于音频信号的隐马尔可夫模型(Hidden Markov Model,HMM)建模方法引入到轴承故障诊断研究,以PC机为平台,在Visual C 7.0环境下设计开发了一套功能完善、操作方便、界面友好的轴承音频故障诊断系统.主要介绍了诊断系统的体系结构,HMM方法建模的步骤和故障诊断过程中的具体应用操作.多次实验结果表明,效果良好.     

基于MOMEDA与双谱分析的滚动轴承早期故障诊断

滚动轴承早期故障阶段,故障特征微弱且环境噪声干扰严重,采集数据包含大量噪声信息,传统的包络谱分析难以提取故障特征信息。双谱分析理论上可以抑制高斯噪声,但很难从强背景噪声下提取出微弱故障特征。而多点最优调整的最小熵解卷积（Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA）方法能增强信号中的冲击特征,但其效果和故障信号周期区间等参数有关。利用MOMEDA与双谱分析进行信号处理,将提取到的信号高阶谱特征作为滚动轴承早期故障分类依据。利用MOMEDA方法对采集信号进行滤波处理,提取出有冲击特征的时域信号;对特征增强的信号进行双谱分析,从高阶谱中提取故障特征。经过仿真信号分析和实际轴承故障信号验证,该方法能有效地提取出滚动轴承早期故障特征,实现故障诊断。     

An efficient perceptual hashing based on improved spectral entropy for speech authentication

Combined with the linear prediction-minimum mean squared error (LP-MMSE), an efficient perceptual hashing algorithm based on improved spectral entropy for speech authentication was proposed in this paper. The linear prediction analysis is conducted on speech signal after preprocessing, framing and adding windows, and obtained the minimum mean squared error coefficient matrix. And then, the spectral entropy parameter matrix of each frame is calculated by using improved spectral entropy method. And the final binary perceptual hashing sequence is generated based on the above two matrices, and the speech authentication is completed. Comparing the experimental results of combining the Teager energy operator (TEO) with the linear predictive coefficients (LPC), LP-MMSE and line spectrum pair (LSP) coefficient respectively, it can be seen that the proposed algorithm had a good compromise between robustness, discrimination and authentication efficiency, and the proposed algorithm can meet the requirement of real-time speech authentication in speech communication. Experimental results show that the proposed algorithm was better than other existing methods in compactness.     

列车转向架侧架声发射检测的有限元仿真与试验

侧架作为列车转向架的关键部件,其结构疲劳性能和裂纹状态直接决定着机车车 辆的运行安全。首先从侧架检修时易出现疲劳裂纹的典型位置入手,提出采用声发射技术的必 要性;其次集合UG、HyperMesh、ANSYS/LS-DYNA 3 种有限元软件的三维建模方法,对声发 射信号在侧架中的传播特性进行仿真和可视化;最后依据仿真分析结果提出试验方案,并搭建 侧架结构的声发射断铅试验系统。检验了声发射技术在铁路大型复杂构件上应用的可行性。     

基于Lab VIEW的多通道木材声发射信号采集系统

为采集木材在长时间载荷作用下的声发射信号,设计了一种多通道的高速数据采集系统.首先,利用NI USB-6336高速采集卡和声发射传感器等硬件搭建4通道声发射信号硬件采集平台;其次,基于Lab VIEW设计人机界面及软件控制系统;最后,通过木材三点弯曲试验来验证该采集系统的效用.试验结果表明,该4通道的信号采集系统能有效地采集与自动存储木材在损伤过程中的声发射信号.作为一种木材声发射信号采集平台,该系统能够为木材声发射信号的采集与分析提供基本保障.     

机器人RV减速器声发射信号传播机理分析及实验研究

关于RV减速器的声发射信号传播机理目前还缺乏定量的分析．本文旨在分析和研究声发射信号在减速器内部的传播机理,实现对减速器磨损等故障的准确监测与评估．首先从RV减速器的运动学机理出发,建立声发射信号在RV减速器内部的传播模型,接着利用小波变换分析方法得到不同频段的声发射信号时频分量特征,进而建立RV减速器声发射信号趋势演化模型．通过RV减速器的加速退化实验,得到了4种不同磨损状态下的声发射信号演化趋势,验证了本文提出的声发射信号传播模型的正确性．