基于局域波降噪和双谱分析的自动机故障诊断研究

特征提取是机械故障诊断的关键,能否准确地提取出反映机械设备工作状态的特征信息,直接影响到故障诊断的准确性和早期预报的可靠性。自动机表面的振动信号成分复杂,除了含有丰富的零部件运动状态信息外,也存在着大量的噪声成分。只有有效地去除干扰信息,才能对信号做出正确地评估和分析。自动机表面的振动信号具有明显的短时冲击特性,是一种典型的非高斯、非线性信号。高阶谱分析,特别是双谱分析,在处理非高斯信号和识别非线性系统故障等方面具有一定的优越性。将局域波理论和双谱分析相结合,对自动机振动信号进行降噪处理和分析,结果表明其应用在自动机故障诊断中具有较好的识别效果。     

小波-神经网络在旋转机械故障诊断中的应用

本文以小波分析技术对旋转机械故障信号进行了降噪，并作为机械故障特征信号的提取手段，由此建立了基于小波与自适应神经网络的旋转机械故障智能终端系统，通过实际测试数据的诊断结果说明此诊断系统对故障是有效的。     

小波包降噪在发动机燃油压力信号处理中的应用

研究信号的小波包变换与小波变换的不同之处,以及在离散小波分解的基础上怎样实现小波包分解.国产传感器所测得的燃油压力信号信噪比低、不平稳,使用小波包降噪效果明显.为利用国产传感器进行燃油系统故障诊断提供了一条途径.     

基于EEMD和二维边际谱熵的齿轮箱故障诊断

针对信号经验模态分解（EMD）过程中存在波形混叠现象,提出一种基于聚合经验模态分解（EEMD）和Hilbert二维边际谱熵相结合的方法对齿轮箱故障进行分类故障诊断．首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理;其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别;最后对3种工况信号进行Hilbert变换并计算得到边际谱,并且提取二维边际谱熵作为支持向量机（SVM）的输入量,建立故障诊断模型．经测试该方法在齿轮箱故障诊断方面有着较强的分类能力和诊断精度,具有一定的可行性．     

小波分析在数据处理中的应用

介绍了小波和小波包理论的基本思想，讨论了该方法在数据处理中的应用，并进行了实例分析。     

熵值分析法在辐射源特征提取中的应用

特征提取与选择是模式识别系统的关键环节,关系到系统的最终识别效果。针对通信信号调制识别中特征提取这一重要步骤,提出了熵值分析方法。对信号作FFT和Chirp-Z变换后,求取信号的香农熵值和指数熵值特征。仿真结果表明,FFT和Chirp-Z变换后的信号分别在信噪比大于20dB、10dB时,熵值曲线趋于平稳。用熵值分析法提取出的信号特征受噪声影响较小,并且得到的熵值曲线比较平稳,有利于区分信号的调制方式,具有很好的应用价值。     

分形理论在齿轮箱故障诊断中的应用研究

以齿轮箱为主要研究对象,探讨了基于分形理论的复杂机械系统故障状态的诊断和预测问题．齿轮箱的轴承振动信号具有统计意义上的自相似性,因此,可用分形的特征值来表征齿轮箱的运动状态．应用G-P算法求取关联维数作为分形的特征值,给出了某型号坦克齿轮箱典型故障的诊断实例．     

一种有效的不均衡样本生成方法及其在行星变速箱故障诊断中的应用

针对实际运行中行星变速箱故障数据较少、各个状态样本不均衡的问题,提出了由Wasserstein生成式对抗网络(WGAN)样本生成模型和卷积神经网络(CNN)分类模型组合的WGAN-CNN故障诊断分类模型。该模型对故障数据的频谱信号进行过采样,以扩展故障样本数量,从而更好地对故障状态进行分类。采用加州大学欧文分校人工数据集对WGAN生成模型以及经典过采样方法进行对比,并在行星变速箱故障试验台上进行验证。结果表明,样本不均衡会严重影响分类结果,而WGAN-CNN模型可以很好地扩充故障样本集,提高在故障样本稀少情况下的诊断准确率。     

小波分析在信号消噪中的应用

用小波分析进行信号消噪常用多尺度小波变换和小波包变换.多尺度小波变换是将信号分解成高频和低频成分,低频包含信号的主要性能,高频含较多噪声,将高频平滑后再重建即可消噪.其消噪处理有强制、默认阈值和给定软/硬阈值3种方法.小波包变换消噪是将信号的小波包分解、计算最佳小波包基、分解系数的阈值化处理及重构原来信号实现消噪.并给出了几个Matlab消噪函数:多尺度一维小波分解和重构wavedec及waverec、消噪默认阈值ddencmp和消噪函数wdencmp;小波包变换的ddencmp 和wdencmp函数.试验表明,此方法具有较高的有效性和实用性.     

相对熵在多指标系统评估中的应用

在多指标系统评估问题中,指标权重如何分配是目前学者研究的重点和难点。针对该问题,提出了一种利用相对熵理论进行组合赋权的方法,实现了指标权重的合理分配,完成了多指标系统的决策评估。通过实例验证了相对熵理论在多指标系统评估中应用的可行性。     

基于最大熵法的汽车毫米波雷达信号的处理

由于传统的快速傅立叶变换（FFT）和神经网络在汽车毫米波雷达信号的处理方面存在缺陷性，文中探讨了基于最大熵法（MEM）的汽车毫米波雷达信号的处理，通过仿真分析比较FFF、神经网络和MEM法的功率谱估计，从而得知MEM法在汽车毫米波雷达短时信号处理精度更高，抗干扰能力更强。     

基于系统辨识的小波分析在导弹一级变放故障诊断中的应用研究

提出了一种基于系统辨识思想的故障诊断方法，详细介绍了利用小波分析方法将某导弹一级变换放大器故障精确定位的算法，给出了故障诊断的硬件电路原理图，并且通过仿真实验证实该方法的可靠性和有效性。     

基于油液和振动信息融合的自行火炮齿轮箱故障诊断方法

油液分析和振动分析技术是用于自行火炮齿轮箱的两大有效状态监测技术,但在实际监测中,这两种技术是分别应用的,故障诊断结论受试验方法和诊断水平影响很大,容易带来漏报和误报。如果将这两种信息进行信息融合,将极大提高诊断的精度和可靠性。通过建立试验台架采集油液分析数据和振动信号,然后通过提取这两种信息的特征参数,采用D-S证据理论对上述两种信息进行融合,得到更为准确的状态信息。通过试验证实,该故障诊断方法能够有效检测自行火炮齿轮箱故障,有较强的工程应用价值。     

基于准信息熵的测试性D矩阵故障诊断新算法

测试性D矩阵包含系统故障与测试的所有信息,是测试性分析的核心。正确处理D矩阵能极大地提高故障诊断的效率。在继承D矩阵传统处理算法优点的基础上,引入局部信息熵算式,提出一种准信息熵测试性D矩阵故障诊断新算法。新算法结合全局和局部两类寻优算法的特点,具有全局寻优和局部寻优的能力,并与传统算法具有相同的适应性。通过两个实例验证了新算法的有效性,表明新测试性D矩阵故障诊断算法具有减少诊断步数、诊断时间和诊断费用等优点。     

小波分形技术在齿轮故障诊断中的应用

分析小波包变换理论和盒维数的改进算法,利用LabVIEW和MATLAB软件编写小波分形处理程序。采用该程序计算特定频率范围内齿轮振动信号的盒维数,在不同状态下,振动信号的盒维数不同。该技术的软件通过读取振动信号、信号分解和重构、计算给定频段信号的盒维数实现。诊断实例表明小波分形技术具有较好的实效性。     

基于嵌入和遥测的轮式自行火炮变速箱测试诊断研究

针对在有线连接的条件下无法实现轮式车辆变速箱带载荷测试的问题,提出基于嵌入式和遥测技术的变速箱性能检测新方法,包括系统硬件和软件设计等。嵌入式检测系统随车采集变速箱的状态信息,经特征提取后,反映变速箱工况的特征量通过无线数传模块发送给远端的信号分析单元,信号分析单元在提取变速箱故障特征的基础上,应用模糊聚类分析方法对变速箱工作状态进行识别。该方法由于充分利用了车辆行驶时的动态载荷,使得测试的振动信息更有代表性,可以反映更多的系统特性,能够提高轮式车辆变速箱的故障定位精度。     

毫米波探测技术在智能地雷中的应用

通过对毫米波探测的特点及工作原理的分析,研究论述毫米波探测技术应用于智能地雷的目标探测、定位;雷场通信,敌我识别;攻击装药的自寻的上的可行性。     

小波包分析在飞控系统测试信号处理中的应用研究

介绍了小波包分析的分解和重构算法；利用小波包分析对飞控系统的原始数据进行消噪预处理；基于“能量-信息”的数据信息辨识思想，应用小波包分析技术提取数据特征。给出一种飞控系统故障诊断方法。