缸内燃烧过程中缸盖表面振动信号分析与研究

基于单缸柴油机台架试验和虚拟样机仿真分析,研究了缸盖表面振动加速度信号的主要激励源及其耦合关系,讨论了带通滤波技术和经验模态分解提取的燃烧激励响应信号完整性与有效性。结果表明:缸盖表面振动加速度信号主要激励源为缸内压力和往复惯性力;二者的振动响应在时频域重叠,重叠部分的能量取决于缸内工作过程及发动机转速;基于相干性分析的带通滤波技术提取的燃烧激励响应曲线上,用于识别燃烧过程特征参数的特征点位置受发动机机型及缸内燃烧状态影响;经验模态分解得到的燃烧激励响应与非燃烧激励响应间存在模态混叠问题,基于往复惯性力激励响应信号描述模型可对分解得到的燃烧激励响应信号进行修正,降低燃烧激励响应曲线上与燃烧过程相关的特征点的离散度。     

摩托车发动机缸头异响的监测方法研究

针对摩托车发动机缸头异响振动信号,使用时域统计函数计算各个循环内的异响特征值;通过与正常发动机频谱对比,找到了异响的特征频率;利用阶次分析研究了正常与异响发动机振动信号的能量分布,以及它们各阶次的能量差异。分析结果表明,三种方法能够正确识别缸头异响。     

基于缸盖振动信号频域特征识别气缸压力的研究

在不同的燃烧状况下同时测量缸盖表面振动信号和缸内压力信号,对平均处理后的信号进行频域分析,发现缸内压力信号中相对于基频前50阶的谐波分量包含了所关心的主要信息.根据频域分析得到的复数谱的对称特性建立了训练样本,并对建立的BP和RBF神经网络进行训练.训练的结果表明RBF神经网络可以在更短的训练时间内,获得更小的均方误差.利用不同的神经网络进行了缸内压力信号的识别,识别的结果表明,RBF神经网络识别的精度高于BP神经网络.     

电磁炉噪声成分分析及贡献度计算

电磁炉在工作过程中会产生较大噪声。本文对电磁炉噪声进行测试,对噪声时域测试数据进行处理和对比,分析不同水位和不同工况下时域噪声信号的变化特点;对时域数据进行频谱变换,分析噪声频谱结构,识别噪声成分。电磁炉悬空加热噪声的频谱分析进一步证实电磁噪声的特点。将不同时间点的噪声频谱进行对比,分析水沸腾在不同时间段引起的噪声变化;通过声功率占比的计算求得各类噪声的贡献度。论文研究成果可为电磁炉噪声控制提供依据。     

电磁炉噪声成分分析及贡献度计算

电磁炉在工作过程中会产生较大噪声。本文对电磁炉噪声进行测试,对噪声时域测试数据进行处理和对比,分析不同水位和不同工况下时域噪声信号的变化特点;对时域数据进行频谱变换,分析噪声频谱结构,识别噪声成分。电磁炉悬空加热噪声的频谱分析进一步证实电磁噪声的特点。将不同时间点的噪声频谱进行对比,分析水沸腾在不同时间段引起的噪声变化;通过声功率占比的计算求得各类噪声的贡献度。论文研究成果可为电磁炉噪声控制提供依据。     

自振射流喷嘴腔内压力信号分析方法的研究

喷嘴腔内流体的压力脉动与自振射流的特性密切相关,获取腔内压力信号并分析其构成对自振射流产生机理的研究具有重要意义。分别应用小波分析和希尔伯特-黄变换(HHT)对实测的腔内压力脉动信号进行对比分析,讨论了两种方法在压力信号提取和时频分析的适用性。结果表明:两种方法都能对腔内信号进行分解与重构,并能很好地提取信号的主要特征信息;HHT不存在基函数的预先选择,且经验模式分解(EMD)得到的本征模函数(IMF)分量能反映原始信号的固有特性,具有实际的物理意义;HHT可得到信号的瞬时频率,更有利于对腔内的脉动信号进行实时观测。相比于小波分析,HHT更适于自振射流压力脉动信号的分析与处理。     

基于S变换和时频谱空间滤波的超声缺陷回波检测方法EI北大核心CSCD

缺陷回波的检测是超声探伤的一项重要内容,为减弱噪声的影响准确检测缺陷回波,提出基于S变换时频分析和时频谱空间滤波的信号处理方法。讨论了高斯回波模型下的到达时间和中心频率与S变换时频谱的关系,说明了利用S变换时频谱幅值矩阵的极值提取回波到达时间和中心频率的合理性;为检测回波,首先对原始信号作S变换,然后对得到的时频谱幅值矩阵应用最大熵法自适应选择去噪阈值,对S变换时频谱作空间滤波完成降噪;从降噪后的区域中提取反映缺陷的到达时间和中心频率;对降噪后的时频谱作S逆变换,获得缺陷回波明显的时域信号。仿真研究表明,基于S变换和时频谱空间滤波的方法能够有效去除噪声,检测回波。棒材试块的实验结果同样表明了该方法在缺陷检测上的有效性。     

基于S变换和时频谱空间滤波的超声缺陷回波检测方法

缺陷回波的检测是超声探伤的一项重要内容,为减弱噪声的影响准确检测缺陷回波,提出基于S变换时频分析和时频谱空间滤波的信号处理方法。讨论了高斯回波模型下的到达时间和中心频率与S变换时频谱的关系,说明了利用S变换时频谱幅值矩阵的极值提取回波到达时间和中心频率的合理性;为检测回波,首先对原始信号作S变换,然后对得到的时频谱幅值矩阵应用最大熵法自适应选择去噪阈值,对S变换时频谱作空间滤波完成降噪;从降噪后的区域中提取反映缺陷的到达时间和中心频率;对降噪后的时频谱作S逆变换,获得缺陷回波明显的时域信号。仿真研究表明,基于S变换和时频谱空间滤波的方法能够有效去除噪声,检测回波。棒材试块的实验结果同样表明了该方法在缺陷检测上的有效性。     

柴油机缸盖振动加速度信号影响因素分析

改变195柴油机的转矩、转速及供油时刻，测量分析各工况的缸盖振动加速度信号，分析结果表明，同样转速时，缸盖振动加速度时域最大波动量及2kHz以下各频带能量与缸内燃烧状况相对应；当转速发生改变时，加速度信号时域最大波动量及各频带能量与缸内燃烧状况间无对应关系。建立有限元分析模型，研究缸盖联接螺栓预紧力及材料刚度对缸盖振动加速度信号的影响规律，结果表明当材料的杨氏模量或联接螺栓预紧力减小时，系统的固有频率降低，使得缸盖振动加速度信号时域最大波动量及2kHz以下各频带能量呈增大的趋势。     

状态形态学滤波与EWT的故障特征提取方法研究

针对往复机械振动信号具有复杂非线性、非平稳等特性,使用一种基于小波框架的自适应经验小波变换和以集合角度处理信号的形态学滤波来进行往复机械故障特征提取。首先使用自适应经验小波变换通过构造尺度空间曲线对傅里叶频谱进行划分,构造合适的正交小波滤波器组以提取具有紧支撑傅里叶频谱的AM-FM成分;然后根据往复机械振动信号冲击性的特点,基于信号本身特性构造形态学结构元素,对提取出的模态进行状态自适应形态学滤波;最后使用多尺度模糊熵对模态进行定量分析并对故障进行识别。将该方法应用到实测数据中,实验结果验证了该方法的有效性,该方法可以准确对往复压缩机气阀故障进行识别。     

解调分析中差频现象的理论分析及细化解调／频谱分析集成算法

应用泰勒级数展开方法研究了解调分析中的差频现象,指出信号解调前必须滤除与调制信息无关的加性频率成分。为方便实际应用,提出了细化解调／频谱分析集成算法,算法中两种信号分析方法均由带通滤波、Hibert变换和重抽样三个步骤组成,算法实现时将这三个步骤集成在一个复解析带通滤波过程之中,具有很高的计算效率,算法的有效性得到了仿真的验证。     

采用IFIR技术的二级FRM滤波器的设计

为获得更好的频率瞄准式干扰效果，需设计一款过渡带尽量窄、带外衰减尽量大的带通滤波器，以避免发射干扰信号时产生的频率泄漏影响对信号的接收。由于现有硬件资源有限，且滤波器过渡带与带外衰减的设计方法无法满足高性能滤波器的设计要求，因此文章采用改进结构的二级有限脉冲响应内插-频率响应屏蔽(Interpolated FiniteImpulse Response-Frequency Response Masking,IFIR-FRM)滤波技术设计高性能带通滤波器，以满足水声对抗器材对频率瞄准技术的性能要求，同时降低了设计复杂度。仿真结果表明，该方法在降低窄带带通FRM滤波器计算复杂度方面效果明显，有效减少了乘法器的使用，降低了目标滤波器设计的阶数，达到频率瞄准式干扰工作模式的技术指标。     

基于小波包变换的内燃机气阀漏气诊断方法

探讨了利用缸盖振动信号诊断内燃机气阀漏气的一种新方法－－小波包方法。诊断机理分析和实验研究表明,缸盖 振动信号中关于气阀漏气的特征信息集中在高频段,故选用了小波包变换作为信号处理的基本方法,因为小波包变换较之小波变换在中高频段具有更高更均匀的频率分辨率;对实测信号的分析和处理结果表明了小波包在该领域的适用性;建立了基于马氏距离法的气阀漏气多指标诊断模型;进行了实机诊断,取得了预期的效果。     

基于增量式光电编码器细分的自适应滤波技术研究

利用光栅副调制原理,在建立了光栅副调制几何光学模型与物理光学模型的基础上,提出了一种针对增量式编码器细分的自适应滤波方法。分析莫尔条纹光电信号输出波形不确定的原因,通过自适应滤波方法将高频信号滤除保留基频信号。自适应滤波效果等价于一个中心频率为基频的窄带带通滤波器,当基频随机变化时其通带也会随之改变。实验证明采用这种自适应滤波技术可以较好地滤除计数信号中除基频外所有高频分量,使莫尔条纹光电信号输出波形趋近于标准正弦波,将信号失真量减小了约7/8。     

时频分析法在锅炉承压管线泄漏检测中的应用研究

准确检测锅炉承压管线泄漏是保障锅炉安全运行的关键技术,音频分析法是检测承压管线泄漏故障的主要手段,提出一种基于联合时频分析(Joint Time-Frequency Analysis, JTFA)研究锅炉背景声和承压管线泄漏声的时频特征,判定泄漏故障的方法。设计了由前置放大、程控滤波、增益补偿处理的双通道音频信号采集电路;采用快速傅里叶变换获取信号广义谱特征,采用程控滤波对采集信号加动态频率窗,再采用短时傅里叶变换对采集信号时间加窗,多角度分析信号的时频特征,以判定承压管线运行是否存在泄漏故障。相比于传统的RC滤波加快速傅里叶变换分析方法,这种动态加双窗的时频分析法能够提高泄漏信号采集的灵敏度和泄漏故障判定的准确性。     

基于多级滤波的子带信号分析及应用

为有效提取设备的故障征兆信息,提出了一种基于多级滤波的子带信号分析方法,并将其应用于机械设备的状态监测.运用两通道滤波器组来构造多级滤波器,再利用多级滤波器将机械设备的振动信号从高频到低频分解成一组子带信号,对子带信号进行频谱分析、包络分析等处理.结合对子带信号与原始信号的分析,提取出机械设备的故障征兆信息以进行状态监测.仿真分析和应用实例表明该,子带信号分析方法有助于更加完备地提取机械设备的故障征兆信息.     

Image Denoising with Adaptive Weighted Graph Filtering

Graph filtering, which is founded on the theory of graph signal processing, is proved as a useful tool for image denoising. Most graph filtering methods focus on learning an ideal lowpass filter to remove noise, where clean images are restored from noisy ones by retaining the image components in low graph frequency bands. However, this lowpass filter has limited ability to separate the low-frequency noise from clean images such that it makes the denoising procedure less effective. To address this issue, we propose an adaptive weighted graph filtering (AWGF) method to replace the design of traditional ideal lowpass filter. In detail, we reassess the existing low-rank denoising method with adaptive regularizer learning (ARLLR) from the view of graph filtering. A shrinkage approach subsequently is presented on the graph frequency domain, where the components of noisy image are adaptively decreased in each band by calculating their component significances. As a result, it makes the proposed graph filtering more explainable and suitable for denoising. Meanwhile, we demonstrate a graph filter under the constraint of subspace representation is employed in the ARLLR method. Therefore, ARLLR can be treated as a special form of graph filtering. It not only enriches the theory of graph filtering, but also builds a bridge from the low-rank methods to the graph filtering methods. In the experiments, we perform the AWGF method with a graph filter generated by the classical graph Laplacian matrix. The results show our method can achieve a comparable denoising performance with several state-of-the-art denoising methods.     

自适应滤波与相关滤波在冲击响应信号特征提取中的应用

识别冲击响应信号在模态分析和机械监测诊断研究中具有重要意义。由于噪声成分、工频及其谐波的干扰，机组运行或其他实际信号中的冲击响应信号很弱。这些冲击响应信号的特征也较难提取。选择适当的自适应滤波器参数，应用自适应滤波首先对信号进行预处理，去掉强大的工频及其谐波成分，使信号的信噪比得到很大的提高；然后利用Laplace小波相关滤波法对自适应滤波预处理后的信号进行进一步的处理，提取其模态信息。结果证明，将这两种方法结合后的信号特征提取效果是比较理想的。     

基于卡尔曼滤波的ABS轮速信号处理

针对实际测得的汽车制动时的轮速信号,分别采用了卡尔曼滤波方法和传统滤波方法进行信号处理。分析表明采用卡尔曼滤波方法处理后的车轮角加速度信号更能真实地反映出汽车ABS系统的工作过程,证明了卡尔曼滤波是一种可用于ABS轮速信号处理的有效手段,因此采用卡尔曼滤波的ABS控制算法可更有效地防止制动时车轮抱死,提高汽车制动时的方向稳定性。     

一种基于滤波器组设计的多频带组合信号增强方法

针对低信噪比情况下未知多频带组合信号增强及其检测问题,提出了一种基于滤波器组设计的多频带组合信号增强方法。首先,依据耳蜗时频分解原理设计伽马通滤波器组,对传感器采集数据进行分频带处理;然后,根据信号与背景噪声在强度和稳定性上的差异性,对各频带数据进行方差归一化处理,建立判决统计量;最后,依据判决统计量对各频带数据进行判决处理,实现对多频带组合信号增强。数值仿真结果表明,在仿真条件下,该方法能够将数据中未知多频带组合信号信噪比提高6 dB以上,在信号频带未知情况下实现了对多频带组合信号的增强,提升了能量累积检测方法对未知多频带组合信号的检测效果。