圆柱壳辐射声场重构的波叠加方法

将声全息技术应用到水下结构的声场重建问题中。通过理论推导和数值仿真,分析一两端带半球帽的圆柱壳模型在不同激励作用下声场的重建效果及影响重建精度的因素。考虑到实际应用,全息面分别采用柱形全息面和平行的双平面全息面。仿真结果表明,该方法是一种稳健的全波数空间声场重构技术;其重建精度受到等效源面参数、全息面参数及测量环境信噪比等多因素的影响;在含有测量噪声的条件下,应用Tikhonov结合L曲线的正则化方法仍可以较精确地重构声场;相比于其它方法,波叠加方法具有测点少,计算速度快等优点,有很好的应用前景。     

调制声场声源定位技术研究

为提高调制声场特征提取的准确性,减小噪声对全息重建结果影响,提出复解析小波变换的调制声源近场声全息分析方法。利用复解析小波变换自适应分析能力,对调制声场声压信号进行处理,实现调制信号与噪声信号分离,再对调制成分进行统计最优近场声全息重建分析。利用仿真信号及音响实验分析验证表明,该方法能准确识别、定位调制声源,计算量小,抑制噪声能力强,且全息重建精度高。     

基于柱面近场声全息的水下航行器辐射声场重构

为了解决水下航行器这种柱形噪声源的定位与识别问题,采用柱面近场声全息技术,研究了辐射声场重构。利用声场仿真分析验证采用该方法进行声场重构的正确性,并对测试过程中基阵测试距离、全息面阵元位置误差以及相位误差对声场重构精度的影响进行分析。最后开展了水下航行器舱段模型的柱面近场声全息试验研究,得到了舱段内部电磁激振器的水下辐射声场和位置信息,验证了该方法的可行性和有效性。     

基于波叠加与统计最优近场声全息的单面声场分离技术

基于空间声场变换的近场声全息以及统计最优近场声全息都要求全息面一侧的声场必须为自由声场。为了克服应用上的局限性,提出了一种波叠加方法和统计最优近场声全息相结合的方法。针对现有的双全息面声场分离技术需要在两个全息面上进行声压测量,效率较低的问题,首先采用波叠加算法根据全息面上的声压重构出某个重建面上的声压,然后利用全息面和重建面的声压数据采用统计最优近场声全息技术分离出全息面某一侧声源在全息面上单独产生的声学量,从而以更少的测点数在全息面两侧都存在声源的情况下实现空间声场分离。实验和数值仿真验证了该方法的有效性和可行性。     

基于有限元法的模糊参数二维声场数值分析

为了分析不确定性二维声场,引入模糊集概念描述声场的物理参数、载荷和边界条件的不确定性,推导了分析模糊参数下二维声场问题的相关计算公式。在不同隶属度的截集下通过对模糊动刚度矩阵和模糊载荷矩阵进行泰勒展开,再用纽曼展开对模糊动刚度矩阵泰勒展开式的逆进行转化,采用摄动有限元法求解,最终得到模糊参数下的声压解集。以二维管道声场模型和某轿车二维声腔模型为研究对象分析了模糊参数下的声压响应,结果表明该文方法能有效分析模糊参数下的二维声场,具有重要的工程应用价值。     

《基于非先验基分析提高声场重建精度》

在近场声全息(NAH)测量中,需要用离散傅里叶变换（DFT）进行频谱分析。在非同步采样下,DFT频谱分析产生泄露误差,导致重建精度低。基于非先验基的分析方法通过搜索内积的最大峰值来选取基向量,能够减小强幅值信号的掩蔽效应。将非先验基分析方法引入声全息系统,用来分析全息面复声压信号,进而重构点声源的辐射声场。结果表明,该方法能够提高声场重建的精度。     

基于近场测量法的水声换能器声场重建方法研究

为了提高对水声换能器声场分析的效率,开展了基于近场测量法的水声换能器的声场重建方法研究,首先将水声换能器的全息测量面近似为等效声源面,通过积分得到声场重建模型,然后利用自主研发的水下声场测量系统获得发射换能器全息测量面的复声压,实现对其声场的重建,最后比较不同全息测量面的重建结果和实测数据,并分析全息测量面的位置对重建结果的误差影响,得到了重建方法的有效测量区间。该声场重建方法可快速得到水声换能器的声场分布,并且准确可靠。     

圆柱内部声场全息柱面相位重构精度影响因素分析

在基于声强测量的全息柱面相位重构理论基础上,研究声强测量系统幅度和相位失配误差对圆柱内部声场全息柱面相位重构精度的影响,重点讨论幅度和相位失配引起的相位重构误差随着重构频率和重构位置的变化,并以实际圆柱为例进行仿真.     

基于稀疏贝叶斯学习的高分辨率Patch近场声全息

针对基于空间二维Fourier变换的近场声全息技术的重建效果受到测量孔径与测点数影响的问题,提出一种基于稀疏贝叶斯学习的高分辨率Patch近场声全息方法。利用高斯核函数和稀疏贝叶斯学习算法对全息面声压进行插值和外推,利用插值和外推后的全息面声压进行近场声全息重建。仿真和实验结果表明,所提方法可有效抑制小全息孔径测量对重建精度的影响,同时可以在测点较少的情况下极大提升全息重建的空间分辨率。另外,仿真结果还证明了插值过程具有较好的稳定性,可以在一定程度上提高测量数据的信噪比。     

低速行驶地铁轨道振动信号小波去噪参数研究

针对地铁低速行驶时的轨道振动信号,分析小波去噪参数的选取对去噪效果的影响。以北京某地铁站附近的隧道断面的轨道铅垂向振动加速度信号为例,对轨道振动信号进行小波分解、阈值去噪和重构。以信噪比作为去噪质量评价指标,采用Kruskal-Wallis非参数检验方法分析小波系、小波阶数、小波分解层数和阈值的选取对去噪效果的影响。基于信噪比最大化原则,确定地铁低速行驶时轨道振动信号的最优小波去噪参数。结果表明：显著性水平0.05下,小波系、小波阶数的选取对地铁轨道振动信号小波去噪效果没有显著影响,不同的小波分解层数、阈值对地铁轨道振动信号小波去噪效果的影响不全相同;以SymletsA小波系的4阶小波为去噪小波基,经过3层小波分解,基于无偏似然估计阈值和软阈值函数进行小波去噪后的信号获得最大的信噪比,去噪后的振动信号保留了原始信号的峰值特征,同时信号曲线的光滑性有了显著改善。     

基于峭度的阈值降噪方法及其在振动信号分析中的应用

分析了常用的小波去噪方法,在此基础上提出了一种基于振动信号峭度的阈值降噪方法。阈值大小取决于不同尺度上故障信号的小波分解系数。在综合了软、硬阈值函数的优点的基础上提出了一种新的参数可调阈值函数。与常用小波去噪方法进行了对比分析,结果表明该方法有效的提取信号中冲击成分,为正确识别故障特征提供了有力保证。     

基于LP与小波包的复杂机电系统监测序列混沌降噪方法

针对流程工业生产系统监测数据存在强噪声和混沌性的特点,提出了一种局部投影方法(Local Projection Method)与小波包方法相结合的信号降噪方法。该方法先利用局部投影方法从动力学系统嵌入流形的角度进行多次迭代降噪,并根据关联维数来判定迭代终止;再利用小波包方法从频率的角度进行降噪,抑制高频噪声的干扰,取得了较好的降噪效果。用Lorenz时间序列进行仿真验证,对仿真时间序列加入不同程度的噪声,对比分析小波包、局部投影与该方法降噪后的相空间、SNR值和最大Lyapunov指数,证明了该方法对于中高强度噪声具有更好的降噪效果。并将该方法用于某压缩机组的实际监测数据降噪,评估三种方法的降噪效果,进一步验证了该方法的优越性。     

基于声发射信号与BP神经网络的煤粉粒径识别研究

煤粉粒径的测量是燃煤电站一项重要的工作。针对目前筛分法存在的缺点,提出了一种结合声发射信号与BP神经网络在线识别煤粉粒径的方法。在频域中对噪声信号与煤粉声发射信号进行比较,确定了信号中反映煤粉粒径的频率区间,并利用小波包置零方法对信号进行去噪,在信噪比与信号平滑度方面比较了几种常用小波函数的去噪效果。通过功率谱分析发现了信号能量随煤粉粒径的变化特征。最后提取信号能量特征,利用BP神经网络对煤粉粒径进行识别。研究结果表明,结合声发射信号与BP神经网络识别煤粉粒径,可以获得良好的效果。     

基于MCKD和重分配小波尺度谱的旋转机械复合故障诊断研究

针对强噪声环境下旋转机械复合故障信号难于提取与分离的问题,提出了基于最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)和重分配小波尺度谱的旋转机械故障诊断方法。机械信号中存在的噪声会降低重分配小波尺度谱的时频分布可读性,故先要对信号进行MCKD降噪,同时从振动信号中分离出各个故障成分,然后进行Hilbert变换得到包络成分,最后再对包络成分进行重分配小波尺度谱分析,根据尺度图中冲击成分的周期诊断转机械复合故障,算法仿真和应用实例验证了该方法的有效性。     

基于双树复小波包峭度图的轴承故障诊断研究

针对传统包络谱和峭度图分析技术的缺陷,提出了一种基于双树复小波包峭度图的轴承故障诊断方法。该方法综合利用了双树复小波包变换和峭度图分析技术,克服了原峭度图方法只采用FIR和短时傅立叶变换滤波器的缺点,提高了从强噪声环境中提取瞬态冲击特征的能力。首先利用双树复小波包变换,将振动信号分解成不同频带的分量,然后计算各小波分量的谱峭度,再利用谱峭度的滤波器作用,计算最大峭度值对应分量信号的包络谱,根据包络谱就可识别齿轮箱轴承的故障部位和类型。齿轮箱轴承故障振动实验信号的研究结果表明：该方法不仅提高了信噪比和频带选择的正确性,而且能有效地识别轴承的故障。     

基于HHT-RDT算法的高拱坝泄流结构工作模态识别方法

根据高拱坝泄流结构自身的工作特点,为准确辨识环境激励下的结构模态参数特征,提出了一种基于改进的HHT-RDT算法的高拱坝泄流结构工作模态识别方法。以某高拱坝原型振动响应测试资料为基础,利用改进的小波阈值-EMD算法对原始信号进行降噪预处理,滤除干扰噪声的同时保留有效特征信息;采用HHT-RDT算法识别高拱坝泄流结构的工作模态参数,运用带通滤波对振动响应信号的EMD过程进行控制得到结构的各阶模态分量,利用RDT法提取各阶模态分量的自由衰减信息,识别出高拱坝泄流结构系统的固有频率及阻尼比。工程实例表明,该方法避免了复杂系统定阶过程,有效提高结构振动响应工作模态识别精度,为辨识高拱坝泄流结构的工作模态参数提供捷径。     

基于改进小波阈值去噪的深度学习水下目标分类

由于海洋环境噪声复杂,噪声等级高,水下待识别目标信噪比低,从而造成了特征提取困难,目标识别率低的问题。基于此,文章提出了基于改进小波阈值的深度学习水下目标分类方法。此方法在传统小波阈值去噪的基础上提出了一种新的小波阈值函数,对于所采用的具体阈值将其与分解尺度相联系,从而实现降低背景噪声,提升水下目标分类识别率的目的。此方法对实测舰船辐射噪声信号进行小波分解,提取每一层的高频小波系数并对其进行处理;对处理完的信号再提取时频特征,最后将其输入后续的深度学习网络中。实验结果发现：在利用原有数据集情况下,利用基于改进小波阈值的深度学习进行水下目标的分类识别,采用卷积神经网络算法可达到88.56%的分类识别率。对前述实验结果进一步分析后,采用生成对抗网络的方法扩充数据样本,可达到96.673%的分类识别率。     

基于EMD小波阈值去噪和时频分析的齿轮故障模式识别与诊断

建立了齿轮故障系统试验装置,对齿轮传动系统在各种转速与故障状态下进行测试分析,获取了有关振动信号,对齿轮系统的无故障、齿根裂纹、分度圆裂纹、齿面磨损四种状态信号进行特征提取,并对提取的信号进行基于经验模态EMD分解的小波阈值去噪处理,然后对预处理后的信号进行时频分析与诊断。结果表明,采用基于EMD的小波阈值去噪方法比单纯采用小波阈值去噪对测试信号进行预处理,能提高信噪比,并更加有效的提取出故障特征,而在EMD的小波阈值去噪的基础上,再与时频分析方法相结合能够较好的识别不同运转状况下不同种类的故障,如齿根裂纹、分度圆裂纹、齿面磨损等,可用于对实际工程工作的齿轮系统进行故障诊断。     

基于状态空间模型的可靠性评估方法

基于设备性能退化特征的可靠性分析是可靠性技术研究重要方向之一,但当前许多研究是基于多样本进行分析,但针对单个设备的可靠性预测问题非常有限,为此本文提出基于状态空间模型的可靠性方法进行小样本预测。首先通过在线监测技术获得反映设备状态的信号,运用小波分析方法提取监测信号的小波包能量,选取趋势明显符合设备状态变化的相关频带能量作为设备退化指标。然后对这些特征指标进行滑动平均滤波处理,提高了退化特征的信噪比,将其作为状态空间模型的输入对模型参数进行估计,从而建立退化指标的状态空间预测模型,最后预测退化指标的概率分布并计算可靠度。结合滚动轴承试验数据和铣刀磨损数据验证方法的准确性和有效性,本文为小样本事件的可靠性预测提供一个有效方法。     

基于多尺度降维的柴油机信号信息熵增强方法

针对柴油机曲轴轴承磨损故障信号特征微弱,易被噪声湮没且不同故障程度信号较难区分的特点,提出了一种基于压缩小波和局部保持投影的柴油机信息熵增强方法。利用压缩小波对信号多尺度重构减弱噪声干扰,通过局部保持映射对多尺度信号进行降维,消除冗余信息并增强信号的冲击特性,最终以时域、频域以及时频域的三种信息熵表征信号特征。仿真和实例信号表明,该方法对故障信号特征增强明显,依据信息熵值实现了曲轴磨损状态的分类识别。