强背景噪声下的小波熵模极大值消噪方法

针对矿井提升机特征信号在强非平稳和强噪声背景下难以有效提取的问题,结合小波能量熵理论与小波模极大值的奇异性理论,提出一种有效的强背景噪声下提升机信号消噪方法。该方法利用信息熵能定量描述时-频域能量概率分布的特性,采用小波熵自适应确定噪声阈值,有效去除随小波分解尺度增大而不断减小的小波模极大值,保留随尺度增大而增大的模极大值,并重构经有效过滤的剩余小波模极大值,实现强背景噪声下噪声信号与真实信号的有效分离。通过对仿真信号和提升机实测信号的应用,表明了该方法消噪效果明显,消噪数据可靠,提高了强背景噪声下提升机故障诊断的数据可靠性。     

变速箱典型故障奇异性指数的模糊神经网络识别

基于小波奇异性分析和模糊神经网络理论,建立变速箱故障识别模型,探讨将两种理论集成用于状态监测以提高故障识别准确度.通过小波变换提取车辆变速箱运行状态监测数据的奇异性指数,并据此训练模糊神经网络,计算表征变速箱技术状况的代码,判断部件是否发生故障及故障类型.对某型车辆变速箱监测信号的研究表明,本模型用于识别变速箱典型故障的误差仅为0.15384.     

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.     

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。     

鱼雷引信目标信号的小波消噪研究

鱼雷引信目标信号的背景噪声消除是确保引信可靠动作的重要手段。传统的带通滤波方法消噪精度低，波形稳定性差，而小波变换在对信号进行消噪处理方面具有良好的特性，它可利用不同的尺度参数将信号分解到不同的频带上。该文基于典型的鱼雷电磁引信模型和磁引信目标信号模型，采用小波变换的方法对复杂背景干扰下的引信目标信号进行了消噪处理，并使用数学分析软件MATLAB对消噪结果进行了仿真。仿真结果表明，相比传统的消噪手段，小波消噪具有精度高、适用性强、信号波形失真度小的优点，可有效消除鱼雷引信目标信号中的背景噪声。     

基于小波尺度相关的船舶轴频电场信号检测算法

针对现有船舶轴频电场信号检测算法检测微弱信号能力弱和计算量大等问题,提出了基于小波尺度相关的目标检测算法。该算法利用目标信号和噪声在小波变换各尺度上相关性的差异,求取实测信号的两重小波相关系数,并对其进行二次小波变换,将变换后的两重小波相关系数作为检测信号进行滑动功率谱检测。实测数据对滑动功率谱算法、基于小波包分解的检测算法和本文算法的验证结果表明,本文算法能在更低信噪比情况下有效地将微弱的轴频电场信号从环境背景噪声中检测出来。     

TC4切削动态特性及粗糙度形成动力学机理研究

为提高钛合金切削表面质量,通过动力学建模及试验研究,探索钛合金切削加工系统的动态特性及表面粗糙度形成动力学机理.建立单自由度刀具-工件振动系统动力学模型,研究刀具振动的动态特性,在无心车床上进行试验验证,采集刀尖振动加速度信号并测量表面粗糙度,用小波包分解加速度信号进行分析和处理.结果表明:刀尖振动加速度和位移振幅随进给速度增大而增大;加速度振动信号小波包分解后的各小波包能量较低,反映表面粗糙度也较低;刀尖振动信号中高频部分小波包的能量相对波动与表面粗糙度变化趋势相同,能量相对波动越大,表面粗糙度越大.     

坦克变速箱工作档位齿轮故障诊断研究

通过在实车上模拟坦克变速箱工作档位齿轮故障,利用Hilbert变换幅值解调法提取箱体振动信号的包络,并对包络信号进行抽取和低频段频谱细化,提出了一种基于包络细化谱分析的坦克变速箱工作档位齿轮故障诊断方法。     

基于神经网络的自行火炮变速箱轴承故障模式识别

在分析振动信号的基础上，提取了反映自行火炮变速箱轴承故障的时域特征量和包络谱特征量．构造了结构合适的BP神经网络，实现了自行火炮变速箱轴承故障模式的计算机自动识别，有效地检测了自行火炮变速箱轴承的早期故障．     

正交车铣铝合金薄壁回转体振动信号的试验分析

在MAZAK机床上正交车铣薄壁铝合金试件，压电加速度传感器安装在内壁上，通过PCI-1712高速数据采集卡采集薄壁的振动信号。利用MATLAB强大的信号处理功能对采集的加速度信号进行分析，振动信号的时域标识了振动幅值大小，功率谱显示了薄壁振动信号的频率构成和能量分布。分析了自激振动的频率随刀具转速和壁厚变化的趋势，给出了工艺系统发生颤振时的主频率。然后利用小波包处理信号的优势将剧烈颤振加速度信号进行小波包分解，根据能量和频段分布进行节点信号重构，得到小波包滤波后的颤振信号。为了了解车铣切削力在剧烈颤振前后变化情况，应用小波包分解并重构出颤振前后3种不同刀具转速时强迫振动信号，对比发现剧烈颤振时强迫振动的当量电压幅值增大，振动加强，这从侧面反映了正交车钪切削力的大小和变化。此振动分析对正交车铣薄壁零件有一定的指导意义。