基于遗传算法的涡街信号随机共振检测方法

涡街流量计在工业现场工作时,输出信号易叠加噪声,尤其在小流量测量时,涡街信号易被现场噪声淹没,导致测量受限。针对涡街信号处理,提出一种基于遗传算法的双调制随机共振方法。该方法对输入信号进行频率和幅值双调制后进入非线性双稳系统,以系统输出信号的信噪比为适应度函数,通过二进制编码,将调制频率和幅值组合成一个二进制字符串,同时对两个参数进行并行寻优,得到最优解,使系统产生随机共振,增强涡街信号。搭建涡街流量计实验装置,实验结果表明,使用遗传算法可以有效搜索出调制频率和幅值最优解,搜索效率高,解决现有多参数寻优的困难,适用于涡街信号特别是小流量信号处理,能准确获取涡街频率,实现流量测量。     

油水两相流温度波动信号的相含率提取算法与实验

利用多小波变换法研究了不同流量下的温度波动信号与含油率的关系,解决了油水两相流温度信号受外界噪声干扰,微弱的真实温度信号难以提取问题,建立了含油率与热电偶电压幅值波动及油水总流量的关系式.实验结果表明,含油率范围为10%～70%,油水总流量为1～2.5m3/h时含油率的平均测量误差为2.31%.     

颤振信号对比例多路阀流量波动的影响研究

为了提高比例多路阀输出流量的稳定性,以负载敏感比例多路阀为研究对象,利用Stribeck模型分析了摩擦颤振补偿机理,采用功率键合图理论搭建了先导阀-主阀数学模型,利用该模型并结合对该模型的仿真获得了颤振信号作用下该阀的稳态特性,最后通过试验研究和功率谱分析验证了颤振信号对比例多路阀流量波动的影响规律。研究结果表明:比例多路阀的流量波动程度随颤振信号频率的增大而减小且减小幅度不断降低,随颤振信号振幅的增大而增大且两者近似呈线性关系;波动频率和颤振信号频率保持一致。可适度提高颤振信号的频率或降低其幅值,以提高比例多路阀输出流量稳定性,实现执行机构平稳运行。研究结果为比例多路阀的研究和性能优化提供了参考依据。     

基于双共振的涡街信号检测方法

耦合双稳系统由控制系统和被控系统经非线性方式耦合而成。分析了控制信号作用下耦合双稳系统的双共振特性,提出了基于双共振的随机共振增强方法,并将该方法应用于涡街流量信号的检测。数值仿真和实验结果表明,改变控制信号的频率可在控制系统中产生共振,进而增强被控系统中的随机共振,系统输出功率谱在特征频率处的谱值显著提高,从而准确检测出噪声背景中的微弱涡街信号。     

涡街流量传感器信号的幅值和频率特征

基于实验数据建立了涡街流量传感器输出信号的数学模型,提出了用混合高斯分布来描述涡街流量传感器信号幅值的自然衰减现象,采用频率调制信号来表示涡街流量信号的宽带特征,通过频谱分析确定机械振动噪声信号为窄带信号.     

混合语音信号的盲分离及排序技术

在语音信号盲分离问题中,通过短时傅立叶变换把语言信号从时域卷积混合转化为各频点的瞬时混合将导致分离结果出现次序和幅度上的不确定性。本文通过实验探讨了信号盲分离的方法,及其幅值补偿与重新排序的方法,并在MATLAB环境中进行了仿真,实现了语音信号的盲分离。     

二维精密工作台离散点测量结果误差分离的新方法研究

针对测量结果中包含的误差,提出一种能够分离精密工作台系统误差的方法。首先利用辅助测量栅格板和二维精密工作台的不同位置进行测量,然后根据栅格板上标记点的测量数据和标称值建立误差分离的数学模型,最终实现对测量结果的误差分离。通过仿真验证了算法的有效性。仿真结果表明:当不存在测量噪声时,能够实现误差的完全分离;当存在测量噪声时,计算值与给定值标准差的相对误差在X轴和Y轴上分别为1.95%和1.52%。对于不同幅度的噪声,工作台系统误差计算值稳定。该算法对噪声不敏感,表现出很好的鲁棒性,可用于测量结果和仪器性能的评价。     

液体流量标准装置稳定性计算方法的实验研究与分析

流量稳定性是液体流量标准装置的重要静态特性,以稳定性为研究对象,比较了累积时间内、累积时间之间和基于压力测量三种流量稳定性计算方法,进行实验验证,对实验结果进行分析、讨论。结果显示:测量压力计算流量稳定性的方法可行,三种计算方法的稳定性实验数值在同一数量级,差异较小,大流量时测量值相对波动幅度较小,稳定性较优,小流量时测量值相对波动幅度较大,稳定性较差。文中最后对何时评估稳定性误差提出了建议。     

液体融雪剂洒布管路系统动态仿真研究

 为了实现液体融雪剂洒布管路系统动态特性的精确描述以解决洒布过程的有效控制问题,根据洒布管路系统工作原理,运用基于功率键合图理论的AMESim软件,建立完整的洒布管路系统分布参数仿真模型进行动特性分析．结果表明：洒布管路压力流量分布均匀性不足,需进行优化;系统呈现低通滤波特性,泵源频率在40 rad/s以上的信号传递至喷口时衰减迅速;系统的瞬态与稳态性能对管路的各影响参数有不同的敏感度．通过物理实验与系统仿真的稳态结果对比,证明了AMESim洒布管路系统模型的有效性．研究所得方法和结论为液体融雪剂洒布管路系统元件匹配的参数化设计及控制调试提供了有力的理论支持．     

流量波动对质量流量计测量结果的影响研究

在实际应用过程中,管线口径的突变、泵出口压力不稳以及各种阀门和部件的开合都会造成流量的波动,进而对质量流量计的测量结果产生影响。针对科里奥利质量流量计实验和应用中关于流量波动的问题,在实验室通过改变泵的频率来模拟流量的波动,研究和分析流量波动对质量流量计的测量结果产生的影响。在静态质量法水流量标准装置(U=0.05%,k=2,0.01~50 t/h)上选取了一台DN50的Micro Motion质量流量计(准确度等级:0.2级,流量范围0~36 t/h)为实验对象,选择10 t/h和20 t/h两个流量点进行试验,使流量分别控制在q(1±1%)、q(1±3%)、q(1±5%)、q(1±10%)t/h的范围内,研究不同流量波动范围和不同测量时间对测量结果的影响。     

适于泥石流除噪的EMD联合小波阈值除噪方法

次声传感器采集到的泥石流次声信号中包含有大量的无关干扰信号,严重影响信号的分析与评估。针对含噪泥石流信号中无法准确确定噪声频段的特点,以及传统经验模态分解(Empirical Mode Decomposition, EMD)联合小波阈值去噪方法无法智能分辨噪声所在频段的缺点,提出了信号经EMD分解后,基于相关性选择噪声频段的方法。首先利用EMD分解获取信号的固有模态函数(Intrinsic Mode Function, IMF)分量,然后计算各个IMF分量与原始信号的相关性,根据相关性大小确定IMF噪声频段,然后采用小波阈值去噪方法对噪声频段进行处理,最后对处理后的信号进行重构得到去噪泥石流信号。通过模拟实验分析,证明该方法具有智能选择噪声频段的能力,是一种更适于泥石流信号的去噪方法。     

高速工况下乘员耳侧噪声信号重构方法

高速工况下,车内噪声信号具有随机性和波动性的特征。将一种基于经验模态分解(EmpiricalModeDecomposition, EMD)和反向传输(Back Propagation, BP)神经网络的算法,用于重构车内乘员耳侧噪声信号。首先通过对车内乘员耳侧噪声贡献量分析,确定关键噪声源信号;其次对选择的噪声源信号进行EMD分解,得到有限个相对平稳的固有模态函数(Intrinsic Mode Function, IMF)分量;然后采用极值点划分法,按各个分量的波动情况进行重新划分,将信号分量重构为高频、中频和低频3个分量;最后对不同频段的部分建立相应BP神经网络模型,并将不同频段分量的重构结果叠加作为原信号的重构结果。以在某轿车采集到的5个噪声信号源为基础,利用该方法进行乘员耳侧噪声信号重构,并对其进行分析。结果表明:提出的噪声重构方法可以实现高速工况乘员耳侧噪声信号的重构,并具有良好的性能。     

Tsallis Distribution-Based Fractional Derivative Method for Lamb Wave Signal Recovery

A new fractional derivative method based on the Tsallis distribution function is developed to recover the Lamb wave signals from the noisy Lamb wave signals. After the fractional derivative of the amplitude spectrum of the noisy Lamb signal at different derivative orders, the quartic polynomial function between the peak amplitude and the derivative order as well as that between the peak frequency and the derivative order is proposed based on the Tsallis distribution function. Then, the characteristic parameters of the amplitude spectrum are deduced by using the proposed polynomial relationship. Finally, the noise-free Lamb wave signal is recovered based on the characteristic parameters. Simulated results indicate that the Lamb wave signals can be recovered in the case of the white noise, the transient noise and the sine wave signal. Experimental results confirm the validity of the method. Consequently, the developed method can recover the Lamb wave signals effectively.     

基于频偏应答的ADCP流速现场校准方法研究

针对声学多普勒流速剖面仪(ADCP)现场校准困难的问题,介绍了一种基于频偏应答的ADCP流速现场校准方法。通过声信号应答器,设置回发信号相对于发射信号的频偏实现速度矢量的模拟,并以频率为溯源量,对ADCP发射的信号及应答器回发频偏信号进行频率校准,进而实现ADCP流速参数的现场校准。研制了一套基于频偏应答的ADCP流速现场校准装置,在实验室消声水池条件下,以四波束300kHz ADCP为校准对象,开展了1～2m/s的流速校准实验,进行不确定度分析。结果表明,该装置对流速校准的不确定度达到1％模拟流速＋7mm/s,验证了该校准方法的可行性。     

基于双树复小波和奇异差分谱的齿轮故障诊断研究

针对故障齿轮振动信号的非平稳特征和包含强烈噪声,很难提取故障特征频率的情况,提出了基于双树复小波和奇异差分谱的故障诊断方法。首先将非平稳的故障振动信号通过双树复小波分解为几个不同频段的分量;由于噪声的影响,从各个分量的频谱中难以准确地得到故障频率。然后对包含故障特征的分量构建Hankel矩阵并进行奇异值分解,求奇异值差分谱曲线,确定奇异值个数进行SVD重构降噪,由此实现对故障特征信息的提取。最后再求希尔伯特包络谱,便能准确地得到故障频率。实验结果和工程应用表明,该方法可以有效地提取齿轮的故障特征信息,验证了方法的可行性和有效性。     

SCA-VMD在变压器声信号降噪中的应用

针对采集变压器运行声信号时会混入噪声的情况,提出了基于稀疏分量分析-变分模态分解（sparse component analysis-variational modal decomposition,SCA-VMD）分离变压器运行声信号并降噪的方法。基于稀疏特性的欠定盲源分离能够在观测信号数目小于未知源信号数目的情况下实现源信号的有效分离,变分模态分解（VMD）能将一个多分量信号一次性分解为多个单分量信号。以两路观测信号作为输入,利用稀疏分量分析法（SCA）分离得到变压器运行声信号,再利用VMD将分离信号分解为4层本征模态函数（intrinsic mode function,IMF）分量,通过阈值滤波的方法对高频分量和低频分量进行去噪处理,利用新的IMF分量重构得到去噪信号。仿真试验和实际试验结果表明,该方法能实现对变压器运行声信号的有效分离和去噪处理。     

变速机械弱时变信号幅值谱校正的多点平均法

系统而完整地提高了处理变速机械弱时变响应信号的离散频谱多点平均幅值修正法的理论和方法,严格证明了该方法能精确地计算出平稳信号和频率微弱波动信号的幅值,能近似地计算出幅值和频率均微弱波动的信号的平均幅值,并应用这套理论成功地解释了频率微弱波动信号的幅值谱表现出较严重的“动率泄露”效应的原因。     

基于MUSIC功率谱估计的直升机空中信号分析

针对直升机飞行的辐射噪声特征谱线进行分析,提出一种基于MUSIC算法的直升机声信号处理方法。首先阐述MUSIC谱估计方法,然后针对实测不同机型直升机的飞行辐射噪声数据,分别进行MUSIC算法和传统方法的频谱分析,对得到的结果进行分析比较,数据处理结果表明MUSIC算法能够抑制噪声,明显改善信噪比,并能够更为细致地体现直升机声信号的谐波特性。     

非线性调频分量分解的转子油膜涡动信号分析研究

转子轴承系统的振动信号常呈现非线性调频特征且信号分量在频域混叠,传统的频谱分析方法难以处理该类信号。基于参数化解调的非线性调频信号分解方法来分析油膜涡动、油膜振荡特征信号能够有效分解频域混叠的非平稳信号。首先通过优化频谱集中性指标来估计信号瞬时频率参数并用估计到的参数将非线性调频信号解调为平稳信号,最后用带通滤波器提取解调信号。仿真及实验信号通过该方法分析后的结果证明,所用非线性调频分量分解的信号分解方法能够有效提取转子轴承系统的油膜涡动、油膜振荡故障特征,从信号时频图及提取分量的时域图可以清晰看到油膜涡动、油膜振荡的发生发展过程,为早期油膜涡动判定提供依据。