循环自相关函数的解调特性分析及其在故障诊断中的应用

本文介绍了循环平稳信号的基本概念,对循环自相关函数的解调性能进行了详细的理论分析,计算机仿真验证了理论分析结果,同时说明利用信号的循环平稳特性具有较好的抑制平稳干扰的能力.通过在滚动轴承故障诊断中的应用,说明利用循环平稳信号处理是分析旋转机械的故障振动信号的一种较好的处理手段,具有极大的应用前景.     

基于小波滤波与循环平稳度分析的滚动轴承早期故障诊断方法

由于噪声的严重干扰，在滚动轴承早期故障时，仅仅利用二阶循环平稳分析方法往往较难成功提取出信号中潜在的有用周期信息。因此将小波滤波和循环平稳度分析方法相结合，进行滚动轴承的早期故障诊断。采用最小熵方法对小波滤波器参数进行优化。实验结果证明了该方法的有效性。     

振动调幅信号的循环平稳解调原理与应用

在具有齿轮、滚动轴承的机械设备故障诊断中,广泛使用解调分析方法进行故障特征提取.对其中的周期平稳信号,通过循环自相关函数分析,并利用函数在某些循环频率下的切片进行绝对值解调可解出信号的调制频率.对两组调制相加信号在对应于某个调制频率的循环频率处进行循环自相关函数的切片解调,可得到该组调制频率成分的解调谱,从而达到将幅值调制相加信号分离成单一幅值调制信号并进行有效解调的目的.仿真和对滚动轴承实验验证,该方法在低频和高频处分别切片都有很好的解调效果,且与理论推导一致.但是该方法存在解两相加信号时以两频率之差及其倍频作为调制频率解出的局限性.     

高队循环统计量理论在机械故障诊断中的应用

在简要介绍现代信号处理中的高阶统计量、循环平稳以及高阶循环统计量理论的基础上，重点分析了它们在谐波恢复、系统辨识、特征提取等与机械设备状态监测和故障诊断相关领域中的应用，指出将高阶循环统计量理论，特别是高阶循环累计量和高阶循环谱理论应用于机械设备的状态监测和故障诊断领域具有重要的理论研究价值和实际应用意义。     

信号处理在机械设备故障诊断中的应用（连载）

随着现代化工业大生产的不断发展,机械设备的结构变得越来越复杂,并且经常运行于高速、重载以及恶劣环境等条件下。由于各种因素的干扰和影响,会导致机械设备发生故障,轻则降低生产质量或导致停产,重则会造成严重的甚至是灾难性的事故。为此,为尽最大可能地避免事故的发生,机械设备状态监测与故障诊断技术近年来得到了极为广泛的重视,其应用所达到的深入程度十分令人鼓舞。目前,机械设备状态监测与故障诊断已经基本上形成了一门既有理论基础、又有实际应用背景的交叉性学科。故障诊断的基本任务是监视机械设备的运行状态,诊断和判…     

信号处理在机械设备故障诊断中的应用（连载）

第二讲　现代信号处理与特征提取（下）２．２　非平稳信号处理方法在机械故障诊断中的应用在过程实际中,信号的平稳性总是相对的、局部的,而非平稳性则是绝对的和全局的。当机械设备发生故障或工作异常时,其相应的振动或噪声信号一般呈非平稳特性,即此时信号是时变非平稳的。通常情况下,信号的频率成分将随时间变化,此时引入时变信号模型将有利于分析。研究时变非平稳信号的重要方法主要是时－频分析（分布）,该方法在时间－频率域上,而不是仅在时域或仅在频域上对信号进行分析。时－频分析可分为线性和非线性两种形式。其中,线性…     

时频分析与循环平稳信号处理概述

本文对目前常用的几种时频信号分析方法和循环平稳信号处理作了简要的论述，并归纳了相应的计算公式，同时给出了—些信号的仿真分析结果。     

循环双谱及在周期平稳类故障中的应用

论述了未知循环频率的周期平稳信号循环双谱的估计方法；研究了在循环双谱的循环累积量计算中涉及变量的简化存储方法，提出了该变量矩阵是对称阵，通过算法可以三角阵的元素来表述，克服了循环双谱传统估计方法计算量较大的缺陷，提高了运算效率；提出了循环双谱对调相故障信号的分析能力，以及对加性噪声的处理能力，仿真并验证了该方法的有效性，并将其应用于旋转机械状态分析。     

旋转机械振动故障诊断理论与技术进展综述

非线性理论、信号处理、知识工程和计算智能等学科的发展,丰富了故障诊断的内容。总结了旋转机械故障机理、征兆提取和诊断推理等方面的一些进展情况。     

振动信号短时分析方法及在机械故障诊断中的应用

研究了低信噪比情况下提取周期性冲击故障信号特征的短时分析方法。定量分析了短时能量方法的抑噪特征,指出信号的局部特征越明显则短时能量处理越能显著的提高信噪比,短时能量函数中实际有用信号能量与实际噪声信号能量的比值可作为一特征量使用。建立了信号的物理含义相同,反映的只是信号功率谱重心的变化,与信号能量的变化无关,故不适宜于分析受强噪声干扰的时变故障信号。最后以滚动轴承故障信号分析实例验证了短时能量分析     

机械故障诊断技术中的信号处理方法：时频分析

当机械设备的振动信号为非平稳信号和时变信号这类特殊信号时，时域分析和频域分析因其自身的局限，无法取得很好的分析效果，需要使用时间和频率的联合函数来表示信号，即信号的时频表示。针对常用的时频分析振动信号处理方法，总结多种算法的特征和优缺点。根据常见机械设备关键构件的振动特征，选择不同的信号处理和特征提取算法进行分析，以便提高多种构件、多类故障的特征提取精度和可靠性，从而为有效地实现机械设备的故障提供参考和指导。     

根据振动信号诊断氦风机故障的方法研究

氦风机是10MW高温气冷实验堆(HTR-10)的一回路主风机,是大功率、高转速、多环节的旋转运动系统,有发生多种故障的可能,而其工作正常与否直接关系到反应堆的安全运行。通过在线分析氦风机运行时的振动信号,可以对氦风机的运行情况进行深入、彻底地评估,对可能的故障尽可能早地进行预防性诊断,从而保证氦风机能够正常和安全运行。本课题从氦风机本身结构和特点出发,研究提出并实现了分别在时域和频域上对氦风机的振动信号进行分析、进而对氦风机故障进行诊断的方法和框架。     

Intelligent Biomedical Electrocardiogram Signal Processing for Cardiovascular Disease Diagnosis

Automatic biomedical signal recognition is an important process for several disease diagnoses. Particularly, Electrocardiogram (ECG) is commonly used to identify cardiovascular diseases. The professionals can determine the existence of cardiovascular diseases using the morphological patterns of the ECG signals. In order to raise the diagnostic accuracy and reduce the diagnostic time, automated computer aided diagnosis model is necessary. With the advancements of artificial intelligence (AI) techniques, large quantity of biomedical datasets can be easily examined for decision making. In this aspect, this paper presents an intelligent biomedical ECG signal processing (IBECG-SP) technique for CVD diagnosis. The proposed IBECG-SP technique examines the ECG signals for decision making. In addition, gated recurrent unit (GRU) model is used for the feature extraction of the ECG signals. Moreover, earthworm optimization (EWO) algorithm is utilized to optimally tune the hyperparameters of the GRU model. Lastly, softmax classifier is employed to allot appropriate class labels to the applied ECG signals. For examining the enhanced outcomes of the proposed IBECG-SP technique, an extensive simulation analysis take place on the PTB-XL database. The experimental results portrayed the supremacy of the IBECG-SP technique over the recent state of art techniques.     

机械故障诊断技术中的信号处理方法：时域分析

应用信号处理方法对振动信号进行特征提取的技术是机械设备故障诊断领域的重要研究方向。常用的机械设备故障诊断领域的信号处理方法主要包括时域分析、频域分析和时频分析。针对常用的振动信号处理方法,总结多种算法的特征和优缺点。根据常见机械设备关键构件的振动特征,选择不同的信号处理和特征提取算法进行分析,以便提高多种构件、多类故障的特征提取精度和可靠性,从而为有效地实现机械设备的故障提供参考。     

改进BP网络在旋转机械故障诊断中的应用

ＢＰ神经网络在旋转机械故障诊断中得到了广泛应用，但是实践中发现，ＢＰ网络的联想能力有限，特别是对于多故障情况。本文对此进行了改进，提出了一种新型ＢＰ网络模型。新模型增加了输入、输出层间的部分连接，大大提高了ＢＰ网络的联想能力，特别适用于象旋转机械这类复杂系统的故障诊断。     

基于LMD和局域时频熵的旋转机械故障诊断方法

提出了一种基于局部均值分解和局域时频熵的旋转机械故障诊断方法。以旋转机械作为研究对象,利用LMD方法分解旋转机械振动信号,对分解得到的各乘积函数进行Hilbert变换,得到振动信号的时频分布。为了定量描述振动信号能量的时频分布情况,提出了局域时频熵的概念,根据旋转机械故障的频谱特征,将整个时频平面划分为若干时频段,计算时频段的局域时频熵,以局域时频熵作为旋转机械故障特征,实现旋转机械故障特征提取。基于局域时频熵进行故障特征提取可以细致地反映各时频区域能量分布的差别,同时可以减小计算量,提高运算速度。仿真与实验结果表明,该方法能有效地应用于旋转机械故障诊断中。