MOMEDA结合数学形态滤波的齿轮故障特征提取

为了实现齿轮故障特征的有效提取,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于多点最优最小熵反卷积(MOMEDA)和数学形态滤波的齿轮故障特征提取方法。首先利用MOMEDA恢复信号中的周期性故障特征并实现信号的降噪,再运用形态差值滤波器对解卷积后的信号进行滤波以增强信号中的冲击特征,最后对滤波结果求取频谱以进行故障特征提取;通过对仿真结果和实验数据的分析验证了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取周期性故障冲击特征的能力,能够实现齿轮故障特征的提取。     

基于RBF神经网络的组合导航软件可靠性滚动预测

针对组合导航系统软件可靠性的预测问题,研究了系统累积故障数与系统运行时间的关系,提出一种基于RBF神经网络的软件可靠性预测模型,取得了理想的短期预测效果。为了获得较好的长期预测效果,采取滚动式训练、在线调整网络结构的方法对之加以改进。仿真结果表明,该模型拟合精度优于J-M模型、与G-O模型相当,预测精度高;该模型不需假...     

基于改进的距离判别分析法的电火工品感度性能预测方法

为了预测单发电火工品的感度性能,研究了试验数据的处理方法。在方差分析的基础上选取电火工品的温升、升温常数及集总热散失系数等3个热参数作为特征量,采用马氏距离作为相似性度量,基于改进的距离判别分析法,给出了一个新的感度性能指标。结果表明:该感度性能指标预测值高的电火工品感度较高。     

基于Rosenthal模型的电火工品安全电流的预测方法

通过瞬态脉冲试验得到电火工品的电阻和集总热散失系数,结合升降法得到的安全电流对集总热散失系数进行补偿,并采用Rosenthal模型预测电火工品的安全电流.结果表明该预测方法准确度较高,可以用来预测单发电火工品的安全电流.     

TMS320F240DSP片内Flash串行加载及校验技术

在DSP的实际应用场合中,有时为了内容的加密,不适合留出JTAG口;有时整个设备不宜拆卸,只要留出简单的电路接口对DSP片内Flash进行程序的加载和检验;有时不需重新加载用户程序,而是需要进行程序代码可靠性、正确性校验.基于此,本文提出了串行加载及校验的实验思路,分析了TMS320F240 DSP片内Flash的结构和特点及上电复位运行的特性,阐述了一种基于SCI接口的TMS320F240 DSP片内Flash串行加载及校验技术,详细介绍了该技术的方法、技术难点以及软件实现流程.该技术可在整机状态下完成对DSP片内Flash进行程序加载及程序代码可靠性、正确性校验.实验结果证明该串行加载及校验方法电路简单,加载结果有效且可靠.     

基于导引头仿真模型的抗干扰目标识别算法研究

在亚成像阶段,基于导引头仿真模型,从目标识别概率、实时性及其识别结果对控制系统影响角度,定量分析了三种典型抗红外诱饵干扰目标识别算法的优劣.讨论了导致三种算法识别结果不同的原因,针对概率神经网络算法(PNN)的缺陷提出了改进算法,经验证改进算法能有效地提高抗红外诱饵干扰的目标识别能力.     

基于拟合误差最小化原则的奇异值分解降噪有效秩阶次确定方法

为了最大限度地提高旋转机械设备故障振动信号的信噪比,研究了奇异值分解降噪的原理,提出了一种新的奇异值分解降噪有效秩阶次的确定方法。首先,对振动信号进行相空间重构,对吸引子轨迹矩阵进行奇异值分解;然后,按不同的阶数,将奇异值分成信号组和噪声组,对每次分组的结果,以阶数为自变量、以奇异值为因变量,拟合成信号特征奇异值曲线和噪声特征奇异值曲线,并求拟合误差;最后,将拟合误差最小值对应的奇异值阶数确定为有效秩阶次,并进行奇异值分解降噪。通过数值仿真和实际齿轮故障数据分析,表明该方法可以有效地提高信号的信噪比,为后期的故障特征提取创造有利条件。     

基于时延自相关降噪与局部特征尺度分解的齿轮故障诊断

In order to detect the gear fault accurately, a mode based on autocorrelation denoising and local characteristic-scale decomposition（LCD） was proposed. The autocorrelation function of the vibration signal of gear box was calculated,and the low delay time of [-20,20] and high delay time of last 20 points of the autocorrelation function were set to zeros. The delayed autocorrelation denoising signal was decomposed into some intrinsic mode components（ISC） by LCD, and the ISC included the mesh frequency were selected as the effective component. The fault was detected by the envelope aptitude spectrum. The analysis of broken tooth of gear fault data shows that the increase of the signal to noise ratio（SNR）can be 8.0963dB,the method can realize the occurrence of the fault effectively, can also detect the type of the gear fault, the method can effectively support fault diagnosis.     

基于信号经验模态分解与分集合并的齿轮故障诊断

为了准确地进行齿轮故障诊断,结合信号经验模态分解与分集合并,提出了一种新的故障诊断方法;首先,运用经验模态分解对齿轮振动信号进行分解得到若干个分量;其次,根据分量的峭度大小以及相邻分量的峭度是否接近,筛选、合成有效分量;然后,运用等增益分集合并技术对有效分量进行合并,即将其包络进行叠加;接着,使用快速傅立叶变换得到信号包络和的频率谱;最后,根据该频率谱进行故障诊断;通过对仿真信号和齿轮断齿故障振动信号的分析,验证了方法的有效性.     

基于滑动峭度相关性准则的局部特征尺度分解分量筛选方法

轴承故障振动信号具有非平稳、非线性特征,且可视为多个调幅-调频分量的叠加,单分量的包络蕴含了轴承的故障特征。局部特征尺度分解可将振动信号准确分解为多个内禀尺度分量之和,某些分量能清晰反映轴承的运行状态,根据包络谱可进行故障诊断。为了准确筛选有用分量,提出了基于滑动峭度相关性准则的分量筛选方法。首先,对信号进行局部特征尺度分解,得到若干个内禀尺度分量;然后,对分量和原始信号分别计算滑动峭度,生成时间序列;最后,依据分量滑动峭度序列与原始信号滑动峭度序列的互相关系数筛选有用分量。通过轴承内圈故障数据分析发现：有用分量与非有用分量之间的滑动峭度互相关系数比互相关系数差异明显,区分度更大,有益于分量的分类、筛选。