基于声信号三维谱分析的转子复合碰摩故障特征提取

转子在运行过程中的声音包含了大量的转子运行状态信号,变速过程中故障声信号特征的提取及其识别对于旋转机械故障诊断是极其必要的,目前基于声信号三维谱分析的转子故障特征提取还不多,在对转子旋转机械中的一些典型产生的碰摩故障及复合碰摩故障进行了试验模拟,对故障发生过程中的声信号进行采集的基础上,对转子故障声信号的三维谱特性进行了分析。提取和总结出由故障造成的声信号突变和对应的声谱特征。分析结果表明:采用声信号对转子的碰摩故障进行诊断是有效的。声信号三维谱图丰富旋转机械碰摩故障诊断系统知识库中的特征信息,可以用于更准确地诊断转子中的碰摩故障。     

基于加速度信号全谱分析的转子碰摩故障特征提取实验研究

转子在运行过程中的振动加速度信号包含了转子运行状态大量信号，瞬态过程中故障加速度信号特征的提取及其识别对于旋转机械故障诊断是十分重要的。旋转机械振动的全谱分析是一种使一些典型故障尤萁是碰摩故障能被很清楚检测出来的有效方法，本文在对旋转机械转子中的一些典型碰摩故障进行了模拟试验，以及对故障发生过程中的加速度信号进行采集的基础上，对转子故障加速度信号的全谱特性进行了分析，提取和总结出由故障造成的加速度信号突变和对应的谱特征。分析结果表明：采用转子振动加速度信号对转子的碰摩故障进行诊断是有效的。加速度信号全谱图可以丰富旋转机械碰摩故障诊断系统知识库中的特征信息，对于更准确地诊断转子中的碰摩故障具有重要意义。     

滚动轴承故障非接触多传感器声信号融合方法

摘　要：针对移动滚动轴承非接触声发射检测中,一个故障源信号可能被多个传感器采集,致使这些声信号包含故障信息不完整且存在重叠的问题,综合考虑声波传播理论、多传感器声信号时差关系、滚动轴承典型故障撞击频率等,建立滚动轴承故障非接触多传感器声信号融合方法。建立滚动轴承故障非接触多传感器声发射检测试验台,分别采集移动滚动轴承滚动体、外圈和内圈故障声信号。采用融合方法对同声源信号进行处理,利用信号相似理论证明了融合信号与故障源信号的相似程度高于各传感器声信号。采用声发射累计撞击计数法对融合处理后的滚动轴承不同故障声信号进行分析。结果表明,该融合算法能有效地处理多传感器接收的同声源信号,可利用融合后信号进行准确的故障识别。     

基于支持向量机的转子振动信号故障分类研究

转子在运行过程中的振动加速度信号包含了转子运行状态大量信号，瞬态过程中故障加速度信号特征的提取及其识别对于旋转机械故障诊断是十分重要的。针对在升降速运行时的故障特征数据样本有限而制约有效智能诊断的问题，探讨和提出了基于支持向量机的加速度信号故障诊断方法。实验分析结果表明：该方法可实现转子的振动加速度信号对转子在升降速运行时的多故障的识别和诊断。     

变速箱故障声压信号的小泡包分解与诊断

针对变速箱故障声压信号的非平稳变等特点,给出了小波包分析处理变速箱故障声声压信号的原理和方法,并分析了一个变速箱齿根裂纹故障的诊断实 ,实验结果表明,该方法在变速箱声学诊断中明效可行的,在其它机械的声学诊断中也具有一定的参考价值。     

基于声发射和长短时记忆神经网络的端对端燃气高压调压器故障诊断

在燃气输配系统中燃气调压器处于关键位置,及时有效地诊断其故障类型具有重要意义。文章提出了一种基于声发射信号和长短时记忆神经网络的端到端故障诊断方法,直接利用时域声发射信号对调压器的运行状态进行诊断。首先,设计一个二阶巴特沃斯高通滤波器对采集的声发射信号进行预处理;其次,利用长短时记忆网络（LongShort Term Memory networks,LSTMs）的记忆特性,构建长短时记忆网络端到端（e2e-LSTM）故障诊断模型。实验结果表明,该模型根据输入的高压调压站采集的声发射信号,能够以端到端模式一次性地诊断五种高压调压器故障。     

一种新的基于声信号的故障分类算法

提出采用相空间重构与高斯混合模型相结合的方法,利用声信号对设备进行故障分类．此方法首先将一维声信号时间序列进行相空间重构,在高维相空间展示各故障状态下的动力学特性,然后通过最大期望值算法建立相空间的高斯混合模型,最后采用贝叶斯分类算法进行故障的识别．从齿轮故障试验台上采集常见齿轮故障的声信号并进行分类实验,验证了该方法的有效性．     

基于正则化稀疏滤波的轴承声信号故障诊断方法

基于声信号的故障诊断由于其所具有的非接触、易安装等优点开始逐渐在机械故障诊断领域中得到广泛应用，但声信号的信噪比低导致其诊断准确率较差，因此急需有效的智能方法以实现噪声背景下的信号特征提取。稀疏滤波算法是一种基于无监督学习的智能特征提取算法，它能够优化特征分布的稀疏性从而得到好的特征表达。为了实现轴承声信号的特征提取和故障诊断，采用稀疏滤波算法从声信号频谱中提取特征，通过对其目标函数添加L2 范数约束以减少过拟合现象，然后采用Softmax 回归函数作为分类器，实现对不同轴承故障类型的精准识别。最后通过一组特殊设计的轴承故障诊断实验验证了所提方法的有效性。     

一种新的基于声信号的故障分类算法

提出采用相空间重构与高斯混合模型相结合的方法,利用声信号对设备进行故障分类.此方法首先将一维声信号时间序列进行相空间重构,在高维相空间展示各故障状态下的动力学特性,然后通过最大期望值算法建立相空间的高斯混合模型,最后采用贝叶斯分类算法进行故障的识别.从齿轮故障试验台上采集常见齿轮故障的声信号并进行分类实验,验证了该方法的有效性.     

声发射信号在不同结构轴中传播特性研究

声发射信号的传播特性将直接决定故障特征提取及故障定位分析的准确性。本文通过二维有限差分格式建立了声发射信号在光轴、阶梯轴、阶梯退刀槽轴中的传播模型,分析了冲击载荷下（脉冲声发射信号）的轴本构响应,并进行了相应实验。模型仿真和实验结果对比分析表明：有限差分格式传播模型能准确地模拟声发射信号在不同结构轴中的反射、透射、衰减等作用下的传播特性。     

用慢特征分析算法实现水声信号盲分离

在常规的水声信号盲处理研究中,通常都是用独立成分分析算法分离线性混合信号,而对于较复杂的非线性混合信号,独立成分分析算法无能为力。针对这种情况,提出将慢特征分析(Slow Feature Analysis,SFA)算法应用于水声信号非线性盲源分离领域。一般而言,对源信号做非线性混合变换后输出混合信号较源信号变化较快,而采用SFA算法可以从复杂的非线性混合信号中提取出变化缓慢的信号,通过仿真实验,分别对简单信号和复杂水声信号的非线性混合信号进行分离,通过将源信号与分离信号对比,发现SFA算法输出信号与源信号高度相似,验证了SFA算法在非线性盲源分离领域应用的有效性和可行性。     

混凝土结构健康检测的声发射圆阵波束形成仿真分析

采用了声发射(Acoustic Emission,AE)均匀圆阵并分析其波束形成特性,通过仿真分析了阵元数目及声发射模拟信号频率的变化对波束模式的影响.结果表明,当频率不变,阵元数目为4~32时,随着阵元数目的增加,角分辨率保持不变,最高旁瓣降低,可达-8 dB左右.混凝土结构内部缺陷声发射信号的超声频段一般在25~200 kHz,当阵元数目不变时,随着频率的升高,角分辨率随之升高,最高旁瓣也随之增大.另外,文中提出如何设计一个性能相对稳定的阵列,并通过从噪声信号中提取有用信号的实例说明声发射均匀圆阵空间匹配滤波性能.     

纤维爆炸索水下爆炸声信号特征的小波分析

为了研究纤维爆炸索爆炸水声信号特征,在获得水下爆炸压力测试结果的基础上,对其进行了声压级分析,并采用小波变换对水下爆炸信号进行了时频特性分析,讨论了水下爆炸声信号在各频段的能量分布状况。研究结果表明,纤维爆炸索水下爆炸具有很强的声功率,纤维爆炸索水下爆炸声信号能量主要集中在40KHz以内,尤以5KHz以下频带能量最高,如果作为水声干扰源,完全可以覆盖各类水声器材的各工作频段,或许能在水声对抗中发挥重要作用。采用小波分析可以对纤维爆炸索爆炸水声信号特性进行合理研究,达到准确分析信号特征的目的。     

Trennung von Schallemissionssignalen durch rechnerische Analysen

Separation of Acoustic Emission Signals by Computerized Analyses Features extracted from acoustic emission signals by means of different analysis methods can be evaluated by the application of pattern recognition computer programs. By these methods it can be established, whether the employed features – maximum amplitude, signal rise time, pulse sum, pulse area, pulse energy and mean amplitude as well as simple characteristics of frequency spectra – are capable to distinguish acoustic emission signals or whether combinations of features lead to better results when single features fail. The efficiency of different analyses and the pattern recongnition programs is examined by four simulated types of signals. According to the employed analysis method there are distinct differences regarding the separation of acoustic emission. However, by applying feature combinations signal groups not separable by single analysis methods can be distinguished.     

浅海低频声场水声信号时间相关性研究

起伏的声场接收信号是时变的,浅海声场的时间相关性研究有利于目标深度的判别以及水声信号的数据融合。研究浅海低频声场时间相关性以信号的自相关和互相关原理为基础,完成对信号时间相关半径、相关函数值的影响因素分析,得到不同声场条件下信号传播的作用结果。通过仿真比较在不同频率、不同信噪比条件下低频声场信号的相关性曲线,并结合实际海试数据进行验证。研究表明浅海低频声场随机扰动随着低频波长的增加而减弱,且信号时间相关性研究为声场的实际应用提供了一定参考。     

基于主分量分析的声信号特征提取及识别研究

主分量分析(PCA)是统计学中分析数据的一种有效方法。研究了基于这种算法对四种战场目标的声信号进行特征提取,获得了低维的特征类器对声目标进行分类,分类结果准确率较高,均获得满意的实验效果     

基于RBF-NN近似模型的地铁钢轨探伤车转向架悬挂参数多目标优化#br#

以某地铁钢轨探伤车为研究对象,利用多体动力学软件UM建立车辆-轨道耦合动力学模型,分析探伤车在直线、曲线两种工况下的运行平稳性、安全性和曲线通过能力,为后续悬挂参数多目标优化提供原始数据支撑。基于MATLAB编程建立UM-ISight 联合仿真平台,在ISight 中以转向架一、二系悬挂刚度、阻尼等为目标参数,通过最优拉丁超立方法进行参数组合样本设计,并在此基础上构建符合精度要求的径向基函数神经网络(RBF-NN)近似模型,最后通过多目标优化算法NSGA-Ⅱ对近似模型进行寻优计算,得到最优的转向架悬挂参数组合。结果表明,所建近似模型具有较高的拟合精度,优化后车辆平稳性指标都得到明显改善,最多可降低35.39 %,且车辆的脱轨系数、轮轨横向力、轮轴横向力、轮重减载率等曲线通过性能指标也有不同程度好转。     

Cluster analysis of acoustic emission signals in pitting corrosion of low carbon steel

The pitting corrosion characteristics of low carbon steel specimens are studied by acoustic emission (AE) and electrochemical techniques, in a 3.0 wt.% NaCl solution acidified to pH 2.0. The acoustic emission signals generated by pitting corrosion are classified based on multiple acoustic emission parameters using K‐means clustering algorithm, then each classified signals are analyzed by acoustic emission parameters correlation plot and distribution with time. Furthermore, each acoustic source characteristics is extracted using Gabor wavelet transform (WT) in the time and frequency domain. An error back propagation (BP) artificial neural network (ANN) is trained according to the classified signals, so as to successfully identify the acoustic emission signals from parallel experiments. Experimental results show that the hydrogen bubble activation, oxidized film rupture and pit growth are typical acoustic emission sources in pitting corrosion process, which can be effectively classified by cluster analysis and recognized by back propagation neural network. The data gathered from laboratory tests combined with the real data from acoustic emission on‐line storage tank floor inspection can help to evaluate the bottom corrosion severity and interpreter the corrosion source, further to make the on‐site testing more reliable and reduce the risk.     

基于声发射原理的螺栓连接状态辨识方法研究

振动环境中螺栓连接结构会发生碰摩现象,产生声发射信号。利用声发射参数分析方法对声发射检测信号进行时域分析,结果表明：振铃计数率随振动台加速度的提高而提高;螺栓连接结构在碰摩作用下产生出的能量与施加给螺栓的预紧扭矩的取值呈现一定的规律性。基于上述结果可以利用声发射进行螺栓连接结构的状态辨识。     

基于时序分析的拉深件成型裂纹的特征参数提取

研究金属拉深制件声发射信号特征参数的提取对判断成型制件的质量尤为重要。研究采用时序分析和MATLAB对经过小波包分解的声发射信号进行特征参数的提取。在此过程中利用时间序列的自相关系数和偏相关系数的拖尾性及截尾性来判断模型的类型;采用FPE (final prediction error,最终预测误差0029准则对模型进行定阶;以最小二乘估计法对模型的参数进行估计。最后,根据所建立的自回归谱模型提取声发射信号的特征参数。研究结果是通过此方法成功提取到了金属拉深制件声发射信号的特征参数及其分布图,为成型制件质量的判断提供了有利的依据。