基于跟踪比较反馈滤波下有源结构故障噪声检测方法研究

对有源结构交变噪声辐射机理进行分析,提出了一种在线分离检测故障噪声的新方法。在耦合声场中,采用跟踪比较、反馈滤波技术,对箱体中传动部件早期故障进行诊断。作为实例,对ＣＴ６１４０主轴箱辐射噪声进行在线分离检测,从而诊断出传动部件存在的早期故障,并对故障模式进行分析。为在强耦合噪声背景下获取被测声源数据开辟了一条新的试验途径。     

S-修正的自适应卡尔曼滤波与模糊卡尔曼滤波相结合的汽车状态估计算法

精确的汽车状态信息的获取是汽车动态控制系统正常工作的前提。建立了二自由度汽车动力学模型,提出了将S-修正的自适应卡尔曼滤波与模糊卡尔曼滤波相结合进行汽车关键状态估计的方法。模糊卡尔曼滤波利用所设计的模糊控制器通过实时监测信息实际方差与理论方差的比值,实现对时变量测噪声的协方差矩阵的实时在线估计,提高了算法在时变量测噪声情况下的鲁棒性;S-修正的自适应卡尔曼滤波算法基于滤波不发散理论推导得出实时修正因子S,进而对估计误差协方差矩阵直接加权。两种方法的结合在总体上提高了在汽车动力学系统过程噪声与量测噪声协方差矩阵不准确情况下算法的鲁棒性与估计精度,最后通过基于ADAMS的虚拟试验验证了该方法的有效性。     

水下动基座初始对准中的鲁棒自适应UKF方法

捷联式惯导水下动基座初始对准中,当量测噪声具有不确定、非高斯的统计特性时,对量测噪声作高斯分布假设和对量测噪声阵R作常值处理会造成无迹卡尔曼滤波(UKF)精度和鲁棒性变差。针对此问题,提出了一种基于投影统计(PS)算法的鲁棒自适应UKF(ARUKF)方法。方法首先利用PS算法确定存储新息的权值,对异常的新息进行重加权;而后利用MyersTapley方法自适应地估计R阵;最后利用Huber方法中的权函数对估计出来的R阵进行修正。基于江试试验的实测数据,利用UKF、鲁棒UKF(RUKF)和ARUKF进行非高斯量测噪声条件下的动基座初始对准实验,结果表明:当观测量受到野值的污染时,ARUKF不仅具备RUKF的鲁棒性,而且能够准确地估计出观测量的噪声协方差阵R,比UKF和RUKF具有更高的初始对准性能。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

基于声全息声强法的噪声检测研究

为了最大程度地减少摩托车噪声测试中存在的测试及数据处理误差问题,将近场声全息和声强检测法结合起来,能够在工况下进行噪声检测,有效屏蔽了环境噪声,使得噪声测量更加准确有效。     

一种基于盘式制动器振动复特征值分析的噪声抑制方法

以某车型盘式制动器出现的3 000 Hz制动噪声问题为研究对象,通过在台架上复现该频率噪声,利用激光多普勒测振技术获取该噪声频率下的工作变形模式(Operational Deflection Shape, ODS)。建立制动器的有限元模型,通过试验模态对有限元模型各部件材料参数进行标定,应用复特征值分析技术,获取系统不稳定模态的频率和振型。结合激光测振得到的振型结果通过相关性分析确认当前复特征值分析模型对该频率噪声的有效性。然后,针对此不稳定模态进行子结构贡献量及子结构模态贡献量分析并提出相应的优化方案,并对优化方案进行了台架试验且验证此方法有效。     

氨制冷螺杆压缩机组噪声源分析

对某制药厂的开启式螺杆压缩机组的噪声源进行分析，根据所测噪声及振动信号，判断噪声的主要来源及其故障，制定相应的降低噪声方案，设计并使用降噪装置，使降噪达到理想效果，为其它螺杆机组的振动及噪声处理提供了参考。     

正时齿轮参数,材料及侧隙与振动噪声关系的研究

本文应用加工中的误差补偿、测试中的预处理及正弦波扫描激振、应力电测技术对正时齿轮参数、材料及测隙与振动噪声关系进行了研究,指出了切实可行的减振降噪措施。     

正交偶极子天线比相测向算法

对电磁波的极化特性进行了研究,提出一种利用电磁波极化特性进行测角的方法,采用正交偶极子天线接收信号,并将信号综合成左旋信号与右旋信号,通过对两个信号进行比相的来测向.利用一个参考相位解决了测角模糊的问题.分析了噪声和信源入射角度对测角性能的影响,指出在信噪比较高时其测角精度与信源入射角度无关,只与信噪比有关.计算机仿真和对实验结果的分析证明了该测角方法的可行性和分析结果的正确性.     

改进的交互式卡尔曼滤波对雷达数据处理技术研究

为了减少车载毫米波雷达数据中的噪声影响,本文采用了改进的交互式卡尔曼滤波算法对采集数据进行了处理,得到了目标运动状态的最优值。依据目标车辆的运行轨迹构建了运动状态方程,确定了不同状态下的状态矩阵和观测矩阵,同时设计了交互式多模型滤波器,借助于dSPACE场景仿真软件建立了虚拟交通场景,利用硬件在环技术实现了运动目标的数据采集,分析计算了雷达数据噪声,在滤波过程中,利用遗传算法对过程噪声和量测噪声进行在线优化,得到噪声的最优组合。通过激光雷达对目标的探测结果对算法的滤波性能进行了验证,滤波算法求得的数据平均误差小于0.1 m,对数据的噪声起到一定的抑制作用,提高了对目标车辆的定位与追踪能力。