基于信号分解和统计假设检验的稳态检测方法EI北大核心CSCD

稳态检测对热工过程非常重要,并在建模、优化和控制中具有广泛的应用。针对热工过程提出一种基于信号分解和统计学理论的稳态检测方法,该方法首先利用经验小波变换（EWT）这一非参数信号分解技术对热工过程信号进行分解,然后进行统计假设检验。在所提出的方法中,首先对采样数据的傅里叶谱特性进行自适应分割以获得热工过程整体运行趋势,通过对中高频信息进行信号重建获得过程的震荡信息。然后通过使用修改过的R统计检验法来对热工过程的稳定性进行检测。最后以某电厂1 000 MW机组协调系统的历史数据进行稳态检测实验,验证了该方法的有效性。     

基于分段曲线拟合的稳态检测方法

稳态检测对热工过程的建模、优化和控制具有重要的意义。通过对变量信号采样数据的分段拟合得到其一阶导数和二阶导数序列,利用重叠数据加权来保证边界的连续性和光滑性。并根据变量信号的一阶和二阶导数序列信息,与相应的阈值比较后得到其变化趋势,进而得到该变量的稳态指数。稳态指数值的范围是0到1,代表稳定程度从非稳态到稳态。对系统的各个关键变量的稳态指数加权并考虑系统的响应延迟得到整个系统的稳态指数,进而判断系统工况是否稳定。最后以某电厂600MW机组的给水流量系统等数据进行稳态检测,结果表明该方法具有一定的工程实用价值。     

基于小波分解的信号去噪方法

本文对热电偶动态校准中红外探测器输出信号的去噪方法进行了研究。首先分析了经典滤波器方法的不足,介绍了小波分析方法在动态测试信号降噪中的应用。接着讨论了小波分析的理论基础以及小波基的选择、分解级数和阈值的确定。最后在Matlab平台下对红外探测器信号进行了去噪实验。实验结果表明,该方法有效去除了固定频率噪声和高频噪声,去噪后信号与原始信号中有用信号成分是同步的,这对于热电偶的建模分析具有重要意义。     

基于多稳态随机共振的轴承微弱故障信号检测

针对双稳态随机共振模型无法有效处理调制信号的缺点,提出了一种以包络信号为输入信号的自适应多稳态级联随机共振(adaptive multi-stable cascaded stochastic resonance,简称AMCSR)信号强化方法。首先,对振动信号进行包络解调,依据包络信号分布特点,选用与信号分布相匹配的多稳态随机共振模型;然后,以故障特征频率的频谱幅值为指标,采用蚁群算法自适应地优化随机共振模型参数;最后,以噪声为强化源和驱动信号,通过级联随机共振方法对包络信号中的故障特征频率进行逐级强化,获得故障特征成分的强化信号。对实测轴承振动信号的验证结果表明,该方法能够增强故障特征频率成分,有效地提取被其他频率成分淹没的微弱故障信号。     

基于多种信号处理方法的动态测量误差分解

在分析各种现代信号处理方法的基础上,讨论了动态测量误差分解的方法和一般步骤.以长光栅测量机为研究对象,使用此方法对其动态测量误差信号进行了成功地分解,说明了各种不同信号处理方法的适用性以及误差分解的一般步骤的可行性.其优点是,在系统模型未知的情况下,可以实现对误差信号的分解.     

基于改进经验模态分解的雷达生命信号检测

从线性调频连续波(FMCW)雷达中提取的生命信号包含大量的噪声,为了获得高信噪比的呼吸和心跳信号,提出了一种基于改进的自适应集合经验模态分解(ICEEMDAN)的生命信号检测方法。该方法首先对FMCW毫米波雷达获取的生命信号进行ICEEMDAN分解,得到若干个固有模态函数(IMF)分量,然后利用IMF分量滤波器选择频率峰值在呼吸和心跳频带范围内的IMF分量,最后根据与雷达生命信号的相关性从滤波的结果中选择IMF分量重构呼吸和心跳信号。实验结果表明,所提出的方法能够准确地检测到心跳和呼吸信号,提取得到的呼吸和心跳信号具有良好的信噪比。     

关于自动扶梯检验检测的问题和检验方法

基于自动扶梯检验检测工作人机矛盾突出的现状,就保证检验检测工作质量进行讨论。文章从法定检验和委托检测两个方面阐述自动扶梯在检验检测中遇到的问题,对包括自动扶梯加装玻璃护栏和广告框等问题,提出针对性的检验方法。为检验员进行自动扶梯的检验和检测时提供参考。     

基于IQGA和SR的微弱信号检测方法研究

量子遗传算法(Quantum Genetic Algorithm, QGA)是量子计算与遗传算法相结合的产物,避免了遗传算法的一些缺陷。但QGA的编码方案和演化策略不具备通用性,因此极易陷入局部最优。针对QGA的上述缺陷,提出了一种在量子门更新的过程中,加入量子的交叉和变异操作的改进的QGA（Improved QGA, IQGA）,且适当的改变旋转角的大小,保证收敛速度的同时提高了精度。随机共振（Stochastic Resonance, SR）是常用的微弱信号检测方法之一,将二者相结合,利用IQGA优化SR系统参数,实现SR最优输出的自适应求解。仿真结果表明,改进的量子遗传算法收敛速度快、寻优能力强。将该方法应用于工程实际,亦取得良好的效果。     

基于PSO和MSR的微弱信号检测方法研究

针对强噪声环境下,旋转机械系统的微弱信号难以得到准确检测的问题,提出了一种基于自适应权重粒子群算法(APSO)和自适应多稳态随机共振(SMSR)相结合的微弱信号检测方法.首先,使用自适应多稳态随机共振作为基本检测方法,并在数值求解输出信号时,引入了二次采样法(TS),解决了随机共振对高频信号适应能力差的问题;然后,以输...     

基于集合经验模态分解和模糊集的异质信号融合方法研究

不同性质的信号(如振动信号、声发射信号等)比单一信号能提供更为丰富的机械系统故障信息。提出了基于集合经验模态分解和模糊集的异质信号融合方法。首先采用集合经验模态分解方法,将每种信号分别分解得到本征模函数,然后提取每个本征模函数的特征,构造模糊集决策矩阵。将决策矩阵的数值转化为模糊集形式,并构造模糊集矩阵,通过计算未知目标与已知决策模糊集的相似度量,判断目标类型。通过铣床切削过程中振动信号与声发射信号的特征信息提取与融合,验证了该方法用于故障诊断的可行性与有效性。研究工作对于异质传感器信号融合和工程故障诊断具有理论和应用价值。     

基于奇异值分解的侵彻过载信号降噪方法

为解决硬目标侵彻过载信号的降噪问题,提出侵彻加速度信号的奇异值分解技术。首先,通过主体奇异值分量稳定原则确定信号的重构子矩阵;然后,利用前K次奇异值能量占优法则提取奇异值的有效阶次,在此基础上对实测信号进行奇异值分解;最后,利用分解出的有效奇异值完成信号的重构。实验证明,经此方法处理的侵彻过载信号可以有效剔除隐含在弹体加速度信号中的振动和噪声,重构后的加速度曲线具有比小波降噪效果更好的信噪比,积分得到的位移曲线能较好反映实际侵彻深度,是侵彻过载信号处理的一种新的可行方法。     

基于奇异值分解的磁记忆信号特征提取方法

针对金属磁记忆信号容易受到环境噪声影响,使得缺陷信号可检测性降低的情况,首先,利用传统的奇异值分解方法对场桥主梁磁记忆信号进行分解和重构,发现尽管可以取得较为理想的降噪效果,但如何自适应确定重构时的奇异值个数仍存在困难;然后,将磁记忆信号按照二进递推方法构造矩阵,重复进行奇异值分解可以获得具有不同分辨率的近似信号和细节信号,从而形成多分辨奇异值分解,其中细节信号对应磁记忆中的噪声成分,近似信号为去除噪声之后的有效磁记忆信号,从而实现了磁记忆信号的降噪。将该方法用于某场桥主梁磁记忆信号的处理,有效地提高了重构信号的信噪比,准确地判断出了该主梁的应力集中区域,为评估其应力状态和早期故障诊断奠定了基础。     

基于互相关检测和混沌理论的弱信号检测方法研究

本文简术了互相关检测的原理及混沌理论,在此基础上,提出了将互相关检测与混沌理论相结合检测微弱正弦周期信号的瓣方法。给出了原理框图、仿真模型及仿真实验结果。研究结果表明,此方法是目前信噪比门限较低的时域信号处理方法,因而具有广泛的应用前景。     

涡流检测中阻抗信号的分解技术

主要研究了涡流检测系统中用于分离阻抗信号的相敏检波和X-R正交分解的原理和技术,给出了实现该功能的电路设计原理图,对于涡流检测技术的提高,具有较大的参考和应用价值.     

基于经验模态分解的混沌噪声背景下弱信号检测与信号提取

基于经验模态分解方法,研究了在强混沌噪声背景下进行弱信号的检测与信号提取。对仿真信号的研究表明:用该方法可以直接提取出微弱的偶然性和周期性冲击时域信号,对弱谐波信号可能不能直接提取,但可以直接提取出其频率特征,这些弱冲击信号和弱谐波信号完全淹没在强的混沌噪声背景信号中,无论从时域上还是频域上基本上都看不出来。对齿轮箱的实际信号的研究也表明:尽管某些故障信号有时极其微弱,EMD方法也能有效地实现这些非线性非平稳信号的分离和提取,从而为机械设备故障诊断提供直观的有效的参考。     

涡流检测中阻抗信号的分解技术

主要研究了涡流检测系统中用于分离阻抗信号的相敏检波和X-R正交分解的原理和技术,给出了实现该功能的电路设计原理图,对于涡流检测技术的提高,具有较大的参考和应用价值.     

基于LabVIEW的机械故障信号小波包分解和重构

给出了一种基于LabVIEW快速实现信号的小波包分解和重构的方法.在LabVIEW的高级信号处理工具箱中包含了小波包信号分解和重构的模块,利用这些模块快速实现了小波包分解和重构,针对现在利用这些模块进行编程的资料有限,编译了相关的小波包分解和重构程序,以便于虚拟仪器的架构和故障的快速诊断.最后用仿真信号进行了小波包的分解和重构,证实了该办法的可行性.     

基于不变矩的微弱信号检测方法

由于混沌振子从混沌状态转变到大尺度周期状态时其相图的对称性将发生较大变化,提出应用Hu氏不变矩对混沌振子相图的状态进行描述,通过不变矩-策动力关系曲线确定混沌振子相图处于大尺度周期状态的左临界阈值,根据混沌振子混沌状态和大尺度周期状态下不变矩的差异实现混沌振子相图的自动识别。对仿真和工程实测信号进行了分析,结果表明,不变矩值能够准确识别混沌振子相图的状态,并具有良好的抗噪能力。     

基于变分模态分解的管道泄漏信号降噪方法

管道泄漏信号的降噪是精确定位泄漏点的关键,但该信号具有非平稳、非线性的特性,传统方法对这类信号的去噪效果有限。为了有效剔除噪声以提升泄漏定位的精度,提出了一种基于变分模态分解（variational mode decomposition,简称VMD）的自适应降噪方法。首先,通过相关系数筛选有效固有模态函数（intrinsic mode function,简称IMF）实现信号重构;其次,根据重构信号信息熵的最小值,得到VMD的最优分解层数和最优降噪信号;最后,通过负压波理论实现泄漏定位,并搭建了管道泄漏实验系统对所提方法进行验证。结果表明：该方法能有效抑制噪声,保留了信号的波形特征,且能识别出明显的负压波拐点;泄漏定位的最小相对误差为0.9%,最大为3.75%。与传统方法相比,所提方法定位的精度更高,结果更稳定。     

基于小波包分解的交流腐蚀信号时频表征方法

建立了基于小波包分解的腐蚀信号时频表征方法,讨论了分解序列与子频带频率递增顺序的不一致性,及小波包的选择对表征结果的影响.结果表明该方法能有效地表达交流腐蚀信号的非线性特征,可作为交流腐蚀研究的基本表征方法.