基于非高斯AR模型双谱估计的发动机气门机构故障诊断

将高阶谱引入故障诊断领域,利用基于非高斯AR模型的双谱估计方法描述了缸盖振动响应信号的非线性和非高斯特性。基于非高斯AR模型的双谱估计,能够在数据较短的情况下,提供较高的频率分辨率且能提取信号的相位信息,可用于非平稳信号的数据处理和故障诊断。研究结果表明:当柴油机气门机构处于不同工作状态时,缸盖振动信号的双谱及其等高线具有明显的可分性。对双谱进行数据降维处理,从其主对角切片中提取了比较稳定的故障特征,为气门机构的状态监测与故障诊断提供了一种有效手段。     

基于双谱信号重构的物探数据插值方法

实信号可以用谐波信号来描述,谐波信号的系数、相位角由实信号的双谱振幅谱、相位谱推算得到,由此实现对实信号的重构,即双谱信号重构。在信号重构过程中,通过缩小信号的采样间隔可以实现数据的内插。数值模拟和实际应用结果表明,对于重力异常等具有确定性分布的信号,用基于双谱信号重构的数据插值方法内插出来的数据具有高保真性。     

含噪声模糊图像的点扩展函数参数辨识

针对运动模糊和散焦模糊,提出了一种基于双谱的对含有噪声的模糊图像点扩展函数参数辨识的方法。首先计算出一幅标准测试图像经模糊后的双谱,之后通过曲线拟合出双谱中的统计特性与模糊尺度之间的函数关系,由此训练出的BP神经网络可以完成对其它含有噪声的模糊图像的点扩展函数的参数辨识。实验结果表明,本方法适用于含有噪声的一定模糊参数范围内的散焦模糊和运动模糊图像,在信噪比为25dB的情况下,辨别出模糊尺度的偏差不超过0.5个像素。     

基于非高斯性强度的风电齿轮箱故障特征提取

研究了风电机组齿轮箱的复杂振动信号并提取故障特征.由Gabor变换进行滤波和重构,抑制振动信号中的啮合频率及其谐波成分,对以边带成分、随机成分、固有频率成分为主的重构信号进行双谱分析,揭示齿轮正常状态与点蚀故障时振动信号的非高斯性差异,并提取到非高斯性强度特征值.结果表明：齿轮故障会引起振动信号中非高斯分布成分发生变化,由滤波信号提取到的非高斯性强度特征值对齿轮点蚀故障十分敏感,该计算方法较为便捷,具有一定的工程实用价值.     

基于小波包域双谱的风力机振动信号监测方法研究

文章主要基于小波域双谱的方法对风力机振动信号监测技术进行研究,以风电场多台1.5兆瓦直驱机型的大量轴承振动信号为基础,运用了一种小波包域双谱的方法对振动信号分析,并与传统双谱进行对比,实验结果表明:小波包域双谱优于双谱分析,能够准确的判断轴承正常和故障运行情况,该方法不但有效抑制噪声和其他高频成分的干扰,而且具有双重消噪的效果,有效地避免了小波分析和传统双谱分析的缺点,为在线监测异常状况预警提供了很好的依据。     

利用双谱提取固井模式特征信息

介绍了双谱的概念和有关性质,给出了基于双谱提取固井胶结特征信息的方法,并利用这种方法对实际信号进行了处理。研究了研究结果表明,基于双谱的特征信息提取方法能有效地从超声回波中获取固井胶结模式特征,使得不同胶结模式具有明显的可分性。     

双谱分析在旋转机械故障诊断中的应用

依据双谱分析的基本原理、算法及其在工程中的理解,通过实验室实验中所得到的碰摩信号数据进行了双谱分析,实验表明,双谱分析能有效地识别故障特征、抑制噪声。     

短丝纤维卷绕牵伸齿轮箱故障信号的图像特征提取方法

针对短丝纤维卷绕牵伸齿轮箱故障信号不易提取的问题,提出了基于图像纹理信息的特征提取方法。通过对齿轮箱振动信号进行小波包双谱分析,获得具有稳定纹理信息的振动信号双谱图,采用基于小波变换对双谱图进行图像融合,提高图像的综合纹理特征。采用灰度共生矩阵的四个特征参数对振动信号的双谱图进行加权融合特征提取。在短丝生产线上对齿轮箱常见的齿轮破损和裂纹进行了实验分析,结果表明本文方法的故障识别率达到85%以上。     

驾驶疲劳脑电信号的双谱特性分析

基于脑电信号的非高斯、非线性特性,采用非常有效的双谱分析方法来分析驾驶过程中的脑电信号。首先将驾驶2小时的脑电数据按一定的时间间隔分为6段,然后利用自回归（AR）模型双谱分析方法分析这些信号,研究不同时刻这些信号双谱结构的变化。分析结果显示,驾驶不同时刻的脑电双谱结构有很大差异,表明双谱分析方法有望成为驾驶疲劳检测的一个指标。     

基于双谱特征的同质量球形铀部件丰度检测

核部件属性检测是核材料检测中的热点与难点问题,针对铀部件检测系统中丰度信息易受探测器基本属性、几何位置及噪声的影响,通过分析铀部件探测信号互相关函数的双谱特性,提取双谱中的特征量作为铀部件丰度检测的数据集,消除了本底噪声对探测信号的影响。此外,基于BP神经网络,构建了一种同质量球形铀部件的丰度判定方法,实现了对测试样本的丰度检测。测试结果表明,该方法在存在高斯白噪声情况下可有效判定同质量球形铀部件的丰度,其测试误差的平均值为0.005115,最大误差为0.009927。