基于SVD和SSA-VMD降噪的轴承故障特征提取

针对强噪声背景下轴承故障特征提取困难的问题，提出一种基于奇异值分解和参数优化变分模态分解联合降噪的轴承故障特征提取方法(SSVMD)：首先，对原始信号进行奇异值分解(Singular Value Decomposition，SVD)处理，运用奇异值差分谱法选取有效奇异值并将原始信号重构得到初步降噪信号；其次，为防止故障信息丢失，将残余信号进行麻雀算法(Sparrow Search Algorithm，SSA)优化的变分模态分解(Variational Mode Decomposition，VMD）算法处理，得到最佳的模态个数K和惩罚参数α，选取峭度值最大、包络熵最小的IMF分量与初步降噪信号叠加得到最终降噪信号，并对信号进行包络分析；最后，通过仿真和试验数据分析得出，该方法能在信噪比很低的情况下降低噪声含量并提取轴承故障特征，为设备的状态监测和故障诊断提供理论依据。     

不同段数爆破地震波的反应谱分析

为了研究段数对反应谱特性的影响,基于某石方控制爆破工程爆破振动实测数据,对不同段数爆破振动信号进行了反应谱分析。首先,利用实测的爆破振动速度信号采用直接微分法获得了加速度信号,并利用EEMD分解对加速度信号进行低通滤波去噪处理,获得了准确清晰的加速度曲线。然后,利用精确法求得了不同段数下爆破振动信号的速度反应谱和标准速度反应谱。分析结果表明:不同段数的爆破振动质点峰值速度与速度反应谱的峰值速度并不存在对应关系,因此分段数的选择应综合考虑结构对爆破振动的动态响应。     

Random-valued impulse noise removal using adaptive dual threshold median filter

Noise detection and its removal is very important in the image processing. Detection of noise is very crucial and significant in random valued impulse noise because it does not hamper the image pixels uniformly. This paper presents a novel and unique concept of adaptive dual threshold for the detection of random valued impulse noise along with simple median filter at noise removal stage. Simulation results shows that an efficient noise detection leads to a superior quality of de-noised image as compared to existing adaptive threshold based image de-noising techniques. Proposed threshold computation is based on averaging of pixel values of window which enhances the PSNR of our system as compared to existing median filter based image de-noising methods.     

基于间接示功图测量的电潜柱塞泵故障诊断研究与应用

在分析电潜柱塞泵工作原理的基础上,结合柱塞式抽油泵的结构,建立了机组运行的理论示功图,对其进行了深入分析。以功率信号作为故障信息,提出一种基于间接示功图测量的电潜柱塞泵故障诊断方法,并描述了小波去噪方法绘制实测示功图的主要过程。针对机组典型故障,在室内模拟平台和现场油井上对该方法的准确性进行了验证实验与分析。测试结果表明:故障诊断效果较好。     

一种级联的激光主动成像图像融合降噪算法

针对激光主动成像图像混合噪声的特点,提出了一种投票中值滤波和整数提升小波级联的融合降噪算法。首先对激光图像进行噪声像素点检测,区分噪声点与非噪声点;而后采用投票中值滤波对噪声点进行处理,抑制脉冲噪声;然后采用整数提升小波变换对图像进行Bayes自适应阈值去噪,抑制散斑噪声;最后通过逆变换得到去噪图像。通过实验比对结果表明,该方法在具有良好的去噪、边缘保持性能的同时,还具有较为理想的实时性。     

基于小波变换的涡喷发动机遥测数据分析方法研究

在飞行试验中,由于涡喷发动机遥测数据有限,因此要对其故障进行准确分析定位存在很大难度。利用小波变换对涡喷发动机涡轮转速、喷嘴前压力等遥测数据经过去噪提取后,找出奇异点,并经系统去噪筛选,形成数据文件,利用BP神经网络的模式分类功能,发现故障出现的时刻及部件,并结合研制过程中地面试车数据库,可实现准确定位涡喷发动机故障部位及类型。实际应用证明方法实用有效,可进一步推广到其他系统或部件的故障分析工作中。     

航空直流接触器电寿命预测研究

设计了适用于航空直流接触器的电寿命试验平台，并建立了电寿命预测模型。研究时选用释放时间、释放电压作为特征参数，试验数据利用小波分析的方法进行了去噪处理，分别基于BP神经网络建立了单参数和双参数的预测模型，并验证了预测效果。试验结果表明：预测模型具有良好的预测效果。所做研究是对航空直流接触器寿命预测工作进行的初步探索，同时也可以为部队航空直流接触器的维护工作提供一些参考，从而提高飞机电气系统的可靠性，保障飞行任务的顺利实施。     

基于经验模态分解的井架变形信号自适应降噪研究

 在进行建筑物高精度动态监测时，真实位移信号往往淹没在强噪声之中，利用经验模态分解对监测信号进行多尺度分解，根据尺度标准化模量累积均值指标，确定噪声分离层次，对有效尺度分量重构得到降噪后的变形信号，建立了变形监测信号的自适应降噪模型。工程实例表明该方法具有优越性。     

基于ASEGMF的旋转机械振动信号降噪方法研究

针对实测振动信号易受噪声污染而淹没有用信息的问题,提出一种基于自适应结构元素广义形态滤波(ASEGMF)方法对旋转机械振动信号进行降噪处理。首先,根据待分析信号的性质,选择正弦形结构元素,并定义了结构元素的长度尺度和高度尺度。其次,根据信号局部峰值特征,定义了峰值间隔和峰值高度,结合自适应方法得到了正弦结构元素的长度尺度和高度尺度。最后,采用一小一大自适应结构元素级联而成的广义形态滤波器对振动信号进行降噪处理。该方法克服了以往形态滤波器结构元素尺寸选择的随机性,完全根据信号局部峰值特征自适应地确定结构元素,消除了人为因素的影响。仿真和实例分析结果表明,自适应结构元素广义形态滤波具有更强的降噪性能,非常适合旋转机械故障的在线监测和诊断。