随机信号AR频谱模型的本质研究

本文对期望为准周期函数的随机信号AR频谱模型进行了深入研究,将AR模型从平稳随机信号扩展到非平稳随机信号,研究了该AR模型的基本原理,成立条件,模型参数求解等问题,并利用该模型对一实际随机信号进行了频谱分析。     

基于累积量的非高斯信号AR模型估计

高阶统计量能反映信号的非高斯信息,用高阶统计量对非高斯信号建立AR模型,并建立基于信号高阶统计量的Yule-Walker方程就可以进行AR模型谱估计。与基于二阶统计量的参数估计相比,基于高阶统计量的AR谱估计有更好的精度。     

AR模型在爆破震动信号频谱分析中的应用

爆破震动信号的频谱分析以傅氏变换为基础的经典谱估计方法为主,该方法存在方差性能差、易产生虚假峰值、谱曲线起伏大等缺点。AR模型谱估计方法计算精确度高、且简单,并能弥补经典谱估计在信号分析中的不足。采用经典、AR模型谱估计方法对不同类型的工程实测爆破震动信号进行频谱分析,其中以AR模型谱估计方法得到爆破震动信号的频谱曲线平滑、方差小、主频明确,且主频附近无虚假峰值,表明AR模型现代谱估计比经典谱估计在爆破震动信号的频谱分析中更具优越性。     

扭振信号拓扑网络的轧机动态扭矩测量

为解决实际测试中轧机传动系统关键点处动态扭矩不易同时测量的难题,提出一种扭振信号拓扑网络的轧机动态扭矩测量方法。通过把扭振计算的力矩和转角位移看作系统的输入输出信号,依据拓扑思想,建立信号之间的扭振信号拓扑网络模型。把有限实测点的测试数据代入扭振信号拓扑网络模型,可获得传动系统中其它关键点处的扭振参数值。轧机实际现场扭矩测试和数据分析处理结果验证了理论推导的正确性。这为轧机现场监测中不易同时布置传感器且非同轴的关键测点的振动参量获取提供了有效方法。通过编制程序可以实现轧机扭振在线监测和故障分析,从而保证轧机正常平稳运行。     

在线扭矩监测系统在厚板轧机上的应用与分析

在线扭矩监测系统可以实时监测轧机主传动轴的扭矩变化,真实的反映主传动轴扭矩的真实值,与主电机通过计算电流得到的扭矩值相比,更加的真实可靠。通过分析比较,在线扭矩监测系统在轧机主传动扭矩监测方面更具有优势,可以获得实时动态扭矩(最大扭矩,扭矩放大系数,扭矩分配)从而能够更好的优化工艺参数,改进轧制模型,优化轧制道次,提高轧机性能和产品质量。同时通过离线分析长期扭矩变化,获得更好的轧制参数     

基于AR模型的声发射信号到达时间自动识别

声发射信号到达时间的信息,对于声发射事件的定位、识别以及声发射源机理分析都是非常重要的。实际应用中,常用人工读取或通过设定幅值阈值来获取信号的到达时间。针对以上常用方法的缺点,本文结合噪声信号的AR模型和声发射信号的AR模型,应用Akaike信息准则,实现了对声发射信号到达时间的自动识别。对实验数据的识别结果显示,该方法对信号的幅频特性变化比较敏感。在相同信噪比的情况下,该方法识别的偏差要小于阈值法。当信噪比较低时,阈值法可能会给出错误的结果,而该方法仍然能够给出较准确的结果。     

平稳随机信号AR模型的一种新观点

从平稳随机信号自相关的准周期性对AR模型进行了深入研究,提出平稳随机信号AR模型的一种新观点,即认为平稳随机信号的AR模型的成立不应基于信号熵原理,而应基于其自相关的准周期性,论文以此为基础,导出了许多熵原理AR模型无法得到的性质。     

基于AR模型的印刷机滚筒扭矩及其振动试验研究

稳定性低是国产印刷机面临的共性问题,印刷滚筒扭振是影响稳定性的关键因素之一。以印刷机压印滚筒作为研究对象,分析了压印滚筒在动力传递过程中的扭矩传递规律：滚筒扭矩因空档等原因存在突变。采用AR（自回归）模型和小波分析相结合,提出了滚筒扭振信号的后处理方法,实现了信号去噪;通过对扭矩测试和数据分析,提取出印刷滚筒的扭振前5阶固有频率65Hz、80Hz、300Hz、375Hz、400Hz;通过与传递矩阵法结果比较,验证了扭振信号处理方法的正确性。研究结果为印刷滚筒的减振与结构优化提供了依据。     

基于EMD与AR谱的轧机主传动系统故障诊断研究

针对轧机故障信号的非线性、非平稳特征,研究了一种基于经验模态分解和AR模型功率谱相结合的分析方法。该方法首先对轧机主传动系统的故障信号进行EMD分解,然后通过选取含有故障信息的IMF分量进行AR模型的功率谱分析,从而提取出故障频率,判断引起故障的原因。通过仿真信号和实例验证了该方法的有效性。     

轧机接轴扭矩动态测试信号分析及评价

目前，动态测试技术是用于设备效能判定的重要手段，尤其是在大型冶金，石油企业中，常常能够解决一些理论上无法解决的技术难题。本文通过对某轧钢厂3200轧机上下接轴扭矩信号的动态测试数据分析，总结了该轧机上下接轴扭矩变化规律，对于该轧机频繁发生的主传动系统十字轴断裂事故提供了可靠的依据，利于企业合理组织生产，优化轧制工艺，发挥轧机优势等。     

基于EMD和AR模型的滚动轴承故障诊断方法

提出了基于EMD(Empirical Mode Decomposition)和AR模型的滚动轴承故障诊断方法。该方法用EMD将滚动轴承振动信号分解成若干个平稳的IMF(Intrinsic Mode Function)分量，对每一个IMF分量建立AR模型，以模型的自回归参数和残差的方差作为特征向量建立Mahalanobis距离判别函数，进而判断滚动轴承的工作状态和故障类型。实验结果分析表明，该方法能有效地应用于滚动轴承的故障诊断。     

基于AR参数模型与聚类分析的肌电信号模式识别方法

肌电信号是与神经肌肉活动有关的生物电的体现,肌电信号的模式识别是肌电应用的基础。利用现代功率谱估计中的参数模型法,对从掌长肌、肱桡肌、尺侧腕屈肌和肱二头肌采集的4路表面肌电信号建立AR参数模型,并提取其AR模型参数作为信号的特征,构造特征矢量,提供给基于距离测度的Mahalanobis距离分类器进行模式分类,能够成功地识别出握拳、展拳、腕内旋、腕外旋、屈腕、伸腕、前臂内旋、前臂外旋8种动作模式。实验表明,该方法识别率高、鲁棒性好,为肌电等非平稳生物电信号的模式识别提供了一种新方法。     

微硅陀螺静态漂移自回归模型辨识研究

利用微硅陀螺测量的数据,运用过程辨识理论和时间序列分析方法,建立了陀螺静态漂移的自回归（AR）模型,进而得到连续微分方程。     

40Cr轧辊轴断裂原因分析

通过宏观分析、扫描电镜、光学显微镜等手段对轧辊轴的断裂进行了综合分析,结果表明以氢致裂纹为疲劳源,引发了轧辊轴的疲劳断裂.     

基于EMD-AR转子碰摩故障的时序距离分析方法

针对转子系统单点局部碰摩的非线性振动信号,先进行EMD分解,对得到的每一个IMF分量建立AR模型,然后用马氏距离判别函数和K-L信息量相结合的时序距离分析方法,进行故障诊断。实验结果表明,该方法是有效的。     

AR(1)型自相关过程的过程能力分析方法研究

传统上进行过程能力分析是基于过程观测数据统计独立这一基本假设,而实际工作中,过程数据并不是总能满足彼此统计独立的假设前提.介绍了过程观测值符合AR(1)型自相关模型时,计算过程能力指数的方法.用一个具体案例进行分析,结果表明:数据间存在正相关时,传统方法高估了过程能力指数,而利用笔者介绍的方法可以得到正确的结论.     

转矩标定器校准装置及校准方法的研究

转矩标定器用于无转子硫化仪转矩测量系统的动态标定,针对转矩标定器的检测需求,研制一款自动化转矩标定器校准装置,并制定转矩标定器的校准方法。