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。     

基于ISVD多级降噪和SVM的轴承故障诊断研究

在强噪声背景下难以提取出滚动轴承的故障特征，导致对轴承的故障诊断准确率不高，针对这一问题，提出了一种基于小波变换、改进奇异值分解多级降噪算法与支持向量机模型的轴承故障诊断方法。首先，采用小波降噪对滚动轴承的原始信号进行了初始降噪，消除了部分的随机噪声；然后，主要通过改进相空间矩阵重构方式，对该信号进行了改进奇异值分解二次降噪，并提出了新的奇异值有效秩阶次确定方法，利用峭度对一维信号提取方案进行了优化，并对其完成了降噪；最后，通过提取了10个有效特征，结合支持向量机在MATLAB中进行了仿真实验，分析了不同特征对轴承的故障诊断结果的影响，并将方法与其他方法进行了对比分析。研究结果表明：采用多级降噪算法降低了轴承工作状态下的背景噪声，使其故障特征频率更为明显；支持向量机分类诊断器的故障识别准确率达到98.3%,能够有效地识别轴承故障发生的位置和严重程度。     

基于小型加速器中子源的快中子层析实验研究

利用快中子穿透能力强的特点实现层析成像,对于大尺寸的无损检测具有重要意义。但快中子探测效率低,非期望信号引起图像噪声大,原始投影图像信噪比相对较低,实现快中子层析成像难度较大。本文利用中国工程物理研究院核物理与化学研究所研制的小型中子成像检测仪,获取了轻重材料混杂件不同角度下的快中子成像投影图像,通过对投影图像进行预处理提高图像信噪比,并采用迭代重建算法对投影图像进行重建,成功获取了模拟样件的三维结构分布,具备了内部轻材料孔洞缺陷的检出能力,表明采用小型加速器中子源可以实现快中子计算机断层扫描(Computed Tomography,CT)成像。     

基于大数据的网络通信传输效率控制

当前,传统的网络通信传输效率控制方法收敛速度慢、传输效率低的问题逐渐显露出来,为此提出基于大数据的网络通信传输效率控制研究。在大数据分析下提出了网络通信传输效率控制方法,通过大数据的降噪处理技术清楚网络通信传输信道中存在的干扰信息,为网通通信系统提供良好的控制环境;运用蚂蚁算法来控制网络通信系统选择出传输的最佳路径,提高网络通信传输效率;经过试验证明了所提出的方法具有较高的实用性和可行性。     

齿轮箱振动信号降噪及特征提取方法研究

以峭度值来构建适应度函数,再利用粒子群自适应优化方法得到最大峭度对应的分解层数。对仿真信号降噪情况进行分析可知,本文算法可以更加高效提取得到微弱特征频率,从而完成齿轮箱故障有效判别。通过信号处理测试可知,本文方法可以有效抑制齿轮箱振动产生的强背景噪声,使频率混叠得到充分消除,从而更加准确提取得到故障特征。     

谱图小波阈值降噪及其在滚刀主轴振动信号分析中的应用

通过分析谱图小波变换在平面图像、三维实体分析中的应用,提出一种用于一维数字信号分析的谱图小波阈值降噪方法。该方法将一维数字信号定义到路图上,利用谱图小波变换将其分解成尺度系数和谱图小波系数,对谱图小波系数进行阈值过滤处理,再进行谱图小波逆变换得到降噪信号。首先,利用四种典型仿真信号进行降噪试验,并分析不同分解层数对降噪性能的影响;接着,将其与经典小波阈值降噪方法进行仿真对比;最后,采用该方法进行滚刀主轴振动信号降噪,并与经典小波阈值降噪方法对比。仿真及试验结果表明,该方法实现了一维数字信号的快速非迭代降噪,且降噪信号平滑度高、畸变小,优于经典小波阈值降噪方法。     

闭式柴油发电机组降噪研究

首先概述了闭式柴油发电机组的结构形式,然后针对某380kW闭式柴油发电机组噪声过大的问题,按国际标准对机组噪声进行了测试,结合柴油发电机组的声源特性和传播特点,通过频谱分析和声源分离方法,确定了发电机组的主要噪声源和声源贡献量。从噪声源本身和噪声传递路径两方面对噪声进行控制,采取降低风扇转速、更换减振垫、增加吸音棉厚度和改善消声器性能等降噪措施,使机组噪声下降显著,声功率级降低至98分贝,最终满足欧盟法规要求。     

CEEMDAN-PE-TFPF降噪法在齿轮故障诊断中的应用

针对齿轮故障诊断过程中,大量噪声使得故障特征难以完全提取的情况,提出了一种完整的自适应噪声集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、排列熵(Permutation Entropy,PE)和时频峰值滤波(Time-Frequency Peak Filtering,TFPF)相结合的去噪方法。由于TFPF方法在窗长问题上的局限性,引用CEEMDAN和PE对此进行改进,使信号在噪声抑制和信号保真方面得到了很好的权衡。首先利用CEEMDAN算法得到原始信号的本征模态函数(Intrinsic Mode Functions,IMFs),计算每个IMF的PE值来判断IMF是否需要滤波,然后针对不同的IMF选择不同的窗口长度进行TFPF滤波,最后将滤波后的IMFs和剩余IMFs重构得到最终的降噪信号。通过模拟仿真信号和实测齿轮信号验证了该降噪方法的可行性,且降噪后的信号可以有效地揭示故障的特征信息。最后与多种降噪方法对比,体现了所提方法的有效性和优越性。