强脉冲干扰非线性混叠转子故障信号分离

由于旋转机械在运行过程中,传感器测得的振动信号是各振源的混叠信号且含有很强的噪声,常规的信号处理方法难以分离混叠信号,对设备的状态监测和故障诊断造成了很大的困难。针对这一问题,介绍了盲源分离基本原理和方法,指出源分离算法在脉冲噪声环境下失效。针对强脉冲噪声环境下的混叠振动信号,首先,通过中值滤波降噪方法对振动信号进行降噪;然后,通过盲源分离算法对降噪后的信号分离;最后,利用该方法对实测混叠转子振动信号成功实现了降噪和故障信号分离。仿真结果验证了提出方法的有效性。     

基于奇异值分解的压缩感知噪声信号重构算法

压缩感知是通过对信号信息采样的信号处理新方法,它对可压缩信号可以大大降低采样数据.为提高噪声信号在压缩感知中的重构精度,本文提出了一种基于对观测矩阵奇异值分解的噪声信号重构算法,该算法对随机观测矩阵进行奇异值分解,通过均值算法修改对角矩阵的特征值,产生新的观测矩阵用于线性测量,理论证明了新观测矩阵比原观测矩阵具有更高的重构精度.仿真结果表明,算法重构精度在一维信号提高了3％～5％,二维信号的PSNR值提高1～2 dB.     

复杂噪声环境下电能质量复合扰动特征选择

为满足复杂噪声环境下海量电能质量信号高效分类需要,提出一种可应用于复杂噪声环境的电能质量信号特征选择新方法。首先,采用贝叶斯优化方法优化随机森林参数;之后,以具有随机噪声的原始特征向量训练随机森林分类器,训练过程中通过Gini重要度量化比较各特征分类效果;然后,采用序列前向搜索方法,以分类准确率为主要标准,兼顾特征维数,确定最优特征子集;最后,以最优特征子集建立随机森林分类器,识别15种电能质量信号。仿真对比实验证明,在信噪比30 d B以上噪声环境下,新方法分类准确率在99.33%以上,20 d B噪声环境下分类准确率为94.60%。此外,通过葡萄牙某配电网实测电能质量数据开展实验,证明了新方法在实际工业应用中的有效性。     

相空间稀疏化的信号压缩感知与重构方法

针对旋转机械振动信号受强噪声干扰导致传统FFT频域稀疏性差,难以进行正交匹配重构的问题,提出了相空间稀疏化结合正交匹配追踪(orthogonal matching pursuit,简称OMP)的信号压缩感知(compressed sensing,简称CS)方法。首先,对信号进行相空间重构(phase space reconstruction,简称PSR),并采用主分量分析(principal component analysis,简称PCA)提取主要分量和重构信号,以提高信号的频域稀疏性;然后,采用随机高斯矩阵测量及压缩频域稀疏性得到优化的信号;最后,采用正交匹配追踪算法重构信号。仿真信号和转子典型不对中信号的分析结果表明,该方法可以提高受强噪声干扰的振动信号在频域内的稀疏性,实现转子振动信号的有效压缩和准确重构。     

机械微弱振动信号检测的研究

研究了信号局部奇异性在小波变换下的特性。根据故障信号和噪声的局部奇异性在小波变换下模极大值在不同尺度上的传播特性不同的特点,利用小波分解重构算法,对机械振动信号进行了分解、去噪、重构和谱分析。实验表明,小波减噪方法非常适于机械微弱振动信号的检测。     

强噪声下工程装备轴承信号的稀疏重构研究

工程装备轴承故障工况特征常被外在信息淹没,为了对故障数据有效提取,提出了粒子群寻优与稀疏重构相结合的降噪滤波方法,选取Laplace小波基进行参数寻优与字典预构,进而对轴承的振动信号进行稀疏重构.通过对实验数据施加2 dB的高斯白噪声模拟工程环境下的轴承信号,将优化的稀疏重构算法与巴特沃斯滤波器、小波阈值去噪算法进行对比.结果显示:在峰值信噪比与波形相似性等参数上,所提方法的效果更优,所得的重构信号内外圈故障特征频率与理论特征频率相接近,在充分过滤噪声后,可保留原始特征信息,为后期的故障诊断提供良好的数据基础.     

直升机振动检测通用算法的研究与实现

针对国内现有振动检测设备在直升机振动噪声测量领域的可靠性影响到维护效率及急待提高国内直升机振动检测设备性能问题,首先,对多种直升机振动噪声进行了研究与分析;其次,针对直升机噪声的复杂性详细阐述了信号的预处理方法;最后,提出了适合直升机振动噪声自适应整周期采样时域同步平均-短时傅里叶变换方法。现场验证比较结果表明,整周期采样时域同步平均-短时傅里叶变换测量方法在直升机振动测量中优于其他振动算法,自适应调整能力强,信号的优劣程度对测量结果影响小,分析更加准确,实时性得到了改善。此方法同样适用于其他转子振动测量领域。     

基于粒子滤波的电力机械设备状态在线监测

为提升电力机械设备状态在线监测的效果，提出基于粒子滤波的电力机械设备状态在线监测方法。通过人工萤火虫群算法改进粒子滤波算法后，借助随机子空间算法构建改进粒子滤波算法所需状态方程。利用该状态方程获取电力机械设备正状态观测矩阵和输出矩阵数值，并将其看作模态参数，依据该模态参数计算粒子滤波状态序列和电力机械设备振动状态变量数值后，构建粒子滤波器，使用该滤波器去除电力机械设备振动信号内干扰噪声后，对电力机械设备振动信号实施归一化处理，得到粒子权重概率和改进粒子滤波监测数值。通过设置振动信号监测步长和阈值，计算监测信号与采集信号差值，使其与所设阈值进行对比，获取电力机械设备状态在线监测结果。实验结果表明，该方法监测的电力机械设备信号最大偏差数值仅为0.003 dB,具备较好的信号跟踪能力，且具备较好电力机械设备振动监测能力。     

利用FDM和随机共振检测风机主轴承微弱旋转信号

轴承作为风力发电机设备中重要部件,其健康状态直接影响风力发电机运行的稳定性和现场的安全可靠性.由于风力发电机特殊的工作环境,导致采集到的振动信号中包含大量的噪声干扰,难以准确提取轴承振动信号包含的信息成分,给评估主轴承健康状态带来困难.因此本文采用将傅立叶分解(Fourier decomposition method,FDM)和随机共振(Stochastic resonance,SR)相结合的方式提取信号中微弱的轴承振动信息.首先用FDM将原始信号自适应地分解为一系列包含轴承振动特征的傅立叶频带函数,然后找出相关性大的频带函数进行重构,最后采用SR对重构信号进行分析获得特征频率,判断轴承的健康状态.结果 显示,将两种方法相结合能有效提高输出信噪比,提升特征频率检测的精度,为实现风机轴承早期微弱故障诊断提供帮助.     

基于粒子滤波与负向选择算法的GIS设备故障检测

为了及早发现故障合理安排设备检修计划,提出一种基于粒子滤波与负向选择算法的GIS故障检测方法。首先,选取GIS设备金属外壳振动信号分形维数作为特征变量,有效削弱了设备负载变化对外壳振动的影响。同时,基于粒子滤波及支持向量回归算法处理设备正常状态下的振动信号分形维数特征样本,建立GIS设备振动特征估计器。将实时测量的振动特征输入特征估计器,计算估计器输入值与输出值之间的残差并作为检测指标。最后,利用负向选择算法处理正常状态下检测指标数据,间接获取GIS故障状态下检测指标区间,进而实现设备故障的检测。通过对现场实际测量数据的仿真分析,验证了所提方法的可行性。     

基于改进多路径匹配追踪的芯片超声信号去噪方法

针对高频超声检测倒装焊芯片微缺陷的回波信号受噪声影响的问题,提出了一种基于改进多路径匹配追踪算法(MMP)的高频超声信号稀疏去噪方法。利用MMP算法获取全局最优的原子,针对MMP计算量过大的问题,在迭代过程中设置阈值和引入剪枝操作,筛选误差较大的路径,减少迭代路径,降低算法复杂度。为了避免字典维度上升导致的计算量过大,通过构建连续原子库对重构信号参数进行调整,最终实现芯片超声检测信号噪声的抑制。通过仿真和实验证明,提出的方法能够有效的去除倒装芯片高频超声检测信号中的噪音,与其他去噪算法相比,所提方法通过增加少量的计算,实现信号重构精度的提高,提升了B扫图的清晰度。     

增强型滤波及冲击性机械故障特征的提取

机械故障所引起的时间序列的微弱变化往往被由机械自身结构特点所引起的振动信号和来自其他振源的振动干扰信号及白噪声等所组成的强背景噪声所淹没,尤其是在设备出现早期故障时,这种微弱的故障特征信号很难被识别.根据机械噪声及冲击性故障特征信号的特点,提出了基于进化论自适应滤波和小波降噪耦合的增强型滤波器新算法,即克隆法和匹配法的子代繁衍与重构小波系数耦合的算法.模拟计算和物理台架试验结果表明.该算法不仅可较大幅度提高信号的信噪比,且可处理强噪声环境下的非线性噪声,具有较强的提取微弱冲击性故障特征的能力,且该方法具有很强的实用性.     

基于小波分析和小波包的电动振动台故障检测方法

针对电动振动台产生随机振动情况下的故障特点,对某型电动振动台的振动信号进行分析,采用小波分解与重构的方法,提取了伴随噪声的振动信号中的故障信息,判断出电动振动台的故障点.该方法不需要进行数据建模,而且具有一定的鲁棒性,适用性强,对难以建立解析数学模型的诊断对象非常有效.通过小波包分析对重构振动信号再次进行分解,并有针对性地对包含有故障特征频率的频段信号进行重构,能有效地滤去各种干扰信号,显示故障特征信息,为电动振动台故障诊断提供了一种更加快速有效的新途径,从而证实了小波分析及小波包综合应用在检测故障信号方面的有效性.     

基于CEEMDAN-ICA的干气密封振动信号降噪方法*

干气密封运行过程中的振动信号特征信息微弱并受外界强噪声干扰,其振动信号难以真实反映干气密封摩擦学特性。针对上述问题以及振动信号难以从噪声中分离的问题,提出一种基于CEEMDAN（自适应噪声的完全集合经验模态分析）与ICA（独立成分分析）相结合的信号降噪方法。首先对试验采集的干气密封运行时的加速度信号进行CEEMDAN分解得到IMF分量,然后通过ICA变换得到对应独立成分分量并计算其模糊熵值,将模糊熵值不符合条件的分量进行置零,并把符合条件的分量进行重构得到降噪后信号。利用干气密封加速度实验信号进行算法分析验证,证实了该方法相较于其他传统降噪方法更加有效,为干气密封故障诊断提供了一种新的途径。     

改进LMS算法的仿真及其分析

在机械加工中,机械故障诊断的振动诊断技术在机械故障诊断学中占有重要地位.在振动信号处理方面,自适应信号处理是一个非常重要的分支,该方法能够有效的滤除含有背景噪声的信号,提取出有效的特征信号,但自适应算法有收敛速度与稳态误差之间的矛盾关系与步长因子易受噪声干扰等问题.为解决该问题,本文提出一种改进的变步长LMS算法:在算法中加入步长反馈因子,并对权值进行更新,使算法的收敛速度变快的同时保证了系统的稳定性,并加强了系统的跟踪能力.仿真结果表明:与其他算法相比,本文算法计算简单、收敛速度快、系统跟踪能力强,稳定性更好,能够有效的滤除噪声信号.     

改进字典学习的振动信号检测方法

机械零部件振动信号包含了大量机械系统运行状态信息,针对传统检测方法依赖于经验知识和人工定参,提出了一种改进字典学习的振动信号检测方法。通过原始振动信号自身驱动,采用非负条件下基于K奇异值分解的改进算法训练超完备字典,结合基追踪算法稀疏编码,重构实现振动信号预处理。根据重构信号的包络谱,对比先验计算频率。仿真和实验结果表明,改进字典学习的振动信号检测方法能够有效提取故障频率,适用于故障检测,为基于振动信号实现机械系统智能化维护提供了参考。     

基于正态反高斯模型的自适应小波消噪方法

提出一种基于正态反高斯分布模型局部逼近小波系数的降噪算法。该算法以db5小波作为振动信号的分解小波,对噪声信号进行分解。对于分解过程中包含大量噪声的小波系数,利用具有良好细节逼近性能的正态反高斯分布构造先验模型,在先验模型的基础上,运用贝叶斯最大后验概率估计从含噪的小波系数中估计出真实的小波系数。在后验估计的过程中,对于估计模型中的关键系数采用粒子群算法进行优化选取。利用估计的小波系数来重构信号,得到降噪后的信号。通过仿真实验和实际轴承的故障信号对该方法进行了验证,结果表明,该方法具有较好的降噪效果,可以有效的消除信号的噪声。     

基于随机共振的周期弱信号检测方法研究

实际工程中有很多被噪声淹没的信号需要检测,如航空发动机转子振动信号,滚动轴承与齿轮故障信号等。这些待测信号的检测准确度直接影响了工程技术的可靠性。随机共振是一种新型的信号检测方法,通过噪声刺激和系统参数刺激可实现系统共振的产生,从而将噪声的部分能量转移给信号,实现信号检测。根据齿轮均匀磨损后引起的低频振动信号与正弦信号十分接近的特征信息,本文取正弦信号模拟齿轮故障振动信号,以MATLAB为仿真平台,研究强噪声背景下的周期故障信号随机共振检测方法,为随机共振检测方法在故障检测领域的进一步应用奠定了基础。     

均匀分布与反馈补偿优化脉冲噪声抑制

针对电力线通信中对重度脉冲噪声抑制性能不佳与非线性失真严重的问题,提出了一种基于均匀分布优化和反馈补偿的电力线脉冲噪声抑制算法.该算法首先将发射信号的瑞利分布进行分析,并将其峰值转换为均匀分布峰值,以降低信号的峰值平均功率比(PAPR),然后针对非线性置零信号设计了一种基于反馈补偿网络的重度脉冲噪声再抑制方法,进一步提高算法对脉冲噪声的抗干扰能力,最后,通过频域重构补偿过程对算法在噪声抑制过程中引起的非线性失真进行补偿,以保持原信号特征.仿真实验结果表明,算法能够有效抑制电力线通信中的重度脉冲噪声,降低了电力线通信误比特率,从而验证了算法的有效性.     

侵彻引信电路振动噪声处理方法研究

针对侵彻引信电路在受到过靶大过载冲击时的电路振动噪声问题,建立了侵彻冲击振动激励与电路振动噪声响应之间的数学模型;提出了一种基于小波分析的噪声消除方法。该方法通过对侵彻引信冲击激励信号进行小波分析,对输出电路振动噪声响应信号进行高斯函数拟合,建立了冲击振动激励信号与输出振动噪声响应信号之间的关联函数,在此基础上设计了针对于侵彻引信冲击振动激励的输出电路噪声信号处理算法。仿真结果表明,该算法对冲击振动引起的侵彻引信电路噪声有明显消噪效果。