基于Matlab的6种上肢动作肌电信号识别

表面肌电(surface eIectromyogram,sEMG)信号的去噪处理和特征提取的效果好坏直接关系到识别的准确率.以获得较高的识别准确率为目标,对肌电信号的去噪处理和特征提取展开研究.先对表面肌电信号进行小波阈值去噪;再分别运用时域、频域和时频分析对去噪后的信号进行特征提取;最后利用BP神经网络对肌电信号进行...     

桥梁健康监测系统的异常数据特征库构建

针对实际桥梁健康监测系统的数据异常识别和诊断问题,提出了一种异常数据特征库的构建方法.首先,对监测数据进行去噪处理,选取统计信号的时域、频域以及AR模型系数特征;然后,利用核主元分析的方法进行特征提取,建立包括传感器短路、拍波和船撞等异常数据的特征库;最后,通过BP神经网络方法识别桥梁监测系统的异常状态,以验证特征库构建的有效性.江阴长江大桥主梁振动监测数据的分析表明,桥梁异常数据特征库构建方法能够用于诊断桥梁振动.     

基于图像处理的滚动轴承故障特征提取研究

特征提取是故障诊断的关键环节,现有的时域、频域和时频域特征提取方法虽然有效,但在新领域寻找特征提取方法也十分必要。在分析SDP(Symmetrized Dot Pattern)方法得到雪花图像特点的基础上,提出了基于图像处理的滚动轴承故障特征提取方法。首先通过SDP方法将原始振动信号转换成极坐标下的雪花图像;然后采用图像处理技术提取出滚动轴承各故障状态雪花图像的形状特征,并对特征参数进行分析;最后通过建立BP网络进行故障模式识别,验证了该故障特征提取方法的有效性。     

基于特征相关分析的柴油机故障诊断方法研究

针对平稳过程和线性系统统计方法对柴油机工作状态诊断失效问题,提出了一种特征提取与相关分析相结合的柴油机故障诊断方法。对不同工况的柴油机缸盖振动信号提取时域特征、频域特征和时频特征,建立标准特征矩阵和未知特征矩阵,利用相关分析方法分析不同工况信号的相关程度。以某六缸柴油机实验台为研究对象,分别对正常、撞缸、失火和小头瓦磨损4种工况进行模拟。数据验证结果表明,该方法可准确识别正常、撞缸、失火和小头瓦磨损,证明了相关分析方法的有效性;同时,以敏感度系数对各个故障特征进行评估并排序,分析得到撞缸和小头瓦磨损两种工况的故障敏感特征主要集中在时域,而正常和失火两种工况的故障敏感特征除了时域还集中在频域和时频域。     

基于循环提取有效信息的主轴承故障特征增强方法

针对航空发动机主轴承发生故障时特征信息提取不充分的问题,提出一种基于循环提取有效信息的主轴承故障特征增 强方法。 该方法首先对原始振动信号进行小波包分解,计算得到各个节点分量的相关系数值和峭度值,将其进行归一化融合为 一个综合参数 Pi;其次根据特征信息循环提取准则定义一个置信区间,该区间将所有节点分量划分为高信噪比信号、低信噪比 信号和高噪信号 3 个部分;然后不断筛选出高信噪比信号直至达到终止条件;最后重构所有高信噪比信号,并进行包络解调提 取出轴承微弱故障特征。 经仿真信号验证,去噪信号的信噪比相对于去噪前提升了 11. 31 dB。 基于航空发动机中介轴承模拟 试验台所测数据开展了特征信息循环提取方法有效性的综合验证,并对某型航空发动机主轴承振动信号进行了分析。 实践表 明:该方法适用于强背景噪声干扰工况下滚动轴承的特征提取,能准确诊断航空发动机主轴承故障。     

发动机振动评价研究

分析了单缸发动机振动产生的机理,参照GB/T10398建立了发动机振动烈度测试平台。通过对试验得到的加速度信号时域分析和频域分析,得出y,z方向振动由发动机激励力引起,x方向振动与激励力无直接对应关系。为避免信号积分带来误差,提出用加速度振级评价发动机台架振动的新方法。按照新方法和当量振动烈度评级方法对4台发动机做了振动评价,两种评价结论一致,表明新方法可用于发动机台架振动试验评价。     

飞机发动机转子振动特征提取方法诊断

在研究航空发动机振动机理和分析转子故障对应的振动信号特征的基础上,采用经验模态分解方法对发动机机壳上测得的振动信号进行分解。由于振动信号的时频特性可以更有效地揭示转子故障,因此它被用于时频域以提取振动特征。首先将转子振动信号与EMD的固有模式函数的能量状态及其与原始信号的相关性进行比较。然后,在确定IMF包含的主要故障信息的基础上,分别在时域,频域和时频域评估三种信息熵。最后,转子故障诊断的特征向量由每个IMF计算得到的三个信息熵值和小波包分解得到的小波包空间特征的谱熵构成。结果表明,基于时频分析的经验模态分解方法能够有效地提取非平稳故障信号的特征向量。这为航空发动机转子故障诊断中的振动分析提供了一种系统的定量特征选择方法。     

小波改进阈值去噪和经验模态分解相结合的旋转机械故障特征提取

针对实际工程信号易受噪声干扰导致提取的故障特征不明显的问题,将小波改进阈值方法和经验模态分解(Empirical Mode Decomposition,EMD)相结合,提出一种基于小波改进阈值的经验模态分解去噪方法,并应用到旋转机械故障特征提取中。首先,为了克服传统小波阈值方法在阈值函数的连续性以及重构误差等方面的不足之处,研究小波改进阈值方法并利用其进行振动信号预处理,减少随机噪声对振动信号的干扰,同时减少EMD分解过程中的分解层数以及其边缘效应对有用信号分解质量的影响。在实际应用中,由于振动信号中混有多种不同性质的噪声,预消噪处理常常不足以消除全部噪声的干扰,因此有必要用EMD相关度方法适当地消噪后处理,提高故障特征提取的准确度,研究为旋转机械故障进一步识别诊断提供了重要的参考。     

小波改进阈值去噪和经验模态分解相结合的旋转机械故障特征提取

针对实际工程信号易受噪声干扰导致提取的故障特征不明显的问题,将小波改进阈值方法和经验模态分解(Empirical Mode Decomposition,EMD)相结合,提出一种基于小波改进阈值的经验模态分解去噪方法,并应用到旋转机械故障特征提取中。首先,为了克服传统小波阈值方法在阈值函数的连续性以及重构误差等方面的不足之处,研究小波改进阈值方法并利用其进行振动信号预处理,减少随机噪声对振动信号的干扰,同时减少EMD分解过程中的分解层数以及其边缘效应对有用信号分解质量的影响。在实际应用中,由于振动信号中混有多种不同性质的噪声,预消噪处理常常不足以消除全部噪声的干扰,因此有必要用EMD相关度方法适当地消噪后处理,提高故障特征提取的准确度,研究为旋转机械故障进一步识别诊断提供了重要的参考。     

一种基于时域滤波算法的振动信号有效值计算方法研究

有效值是衡量振动大小的一个重要指标,因此在振动信号分析的过程中,振动有效值大小的计算是其中较为关键的环节,在有效值测量计算中,一般采用频域或时域的算法。频域算法一般采用傅立叶变换,得出各个频率的振动有效值,再进行叠加,得出有效值总量,时域算法则是根据有效值计算定义,计算出有效值总量。对两种计算方法进行对比分析,得出两种算法的优缺点,同时提出一种修正解决方法,并对该方法进行仿真计算验证,验证结果说明该方法可以有效的提高有效值计算结果精度。     

基于振动分析的电梯状态监测技术研究

针对电梯系统运行过程中振动信号的非平稳、随机性、不稳定等问题,利用振动信号时域峰值、频域频率值及功率谱密度和时频域能量分布的多参数振动特征量,对电梯机械部件不同工况下的振动特性进行了研究。分析了振动监测系统及其工作原理,在此基础上阐述了机械振动特征量的提取分析方法,论述了小波包分析理论和经验模态分解法;应用上述振动信号提取方法,分别对电梯曳引机减速箱正常和异响工况下的振动信号进行了监测和特征提取。实验结果表明:采用多参数特征量融合表征电梯机械振动特性的方法是可行的,能为电梯机械部件潜在安全隐患识别和故障诊断提供技术支持。     

基于特征提取的航空发动机滚动轴承故障诊断

航空发动机振动信号复杂,数据量大,其机械系统滚动轴承故障诊断困难重重。在振动信号处理及故障检测领域,利用机器学习强大的自主学习能力在旋转机械故障的诊断方面得到了越来越多的应用。本文提出一种基于特征提取的滚动轴承故障诊断方法,通过特征提取获得更全面数据信息,再将深度信念网络模型用于信号识别,全方位反映航空发动机滚动轴承的运行状态。经实验验证,DBN模型在噪声环境下的平均准确率可达99%以上,具有较强的抗噪能力。     

基于振动信号分析的航空发动机状态监测与故障诊断技术研究

文章分析了航空发动机中转子、轴承和齿轮的振动机理和振动信号特征;然后,针对航空发动机的结构特征提供了传感器测点的布置方案;最后,依据各部件振动信号特征,从时域、频域、时-频域三个维度出发,提出了航空发动机的状态监测和故障诊断策略,以期为保障航空发动机的正常运行提供一定的参考。     

改进的HHT方法在旋转机械不对中故障特征提取中的应用

HHT(希尔伯特-黄变换)能够将振动信号分解为有限的具有实际物理意义的模态分量,并由此可对机械故障信号进行特征提取,但噪声的干扰对分解过程和分解结果影响却很大。针对这一不足,本文提出了先利用小波变换技术对含噪故障信号进行消噪处理,再作HHT分析的方法;利用此方法对实测的不对中振动信号进行了故障特征提取和分析。结果表明,该方法克服了直接运用HHT分解方法由噪声带来的不必要的干扰,提高了参数提取的准确性,并由此提高了机械故障诊断率。     

一种基于LLE特征融合的故障识别方法

针对传统的故障识别中未能充分利用特征信息的问题,提出一种基于局部线性嵌入(LLE)特征融合的故障识别方法,通过初步提取信号时域和时频域的特征获得原始特征集,利用LLE算法对原始特征集进行二次特征提取,进一步融合两组特征集并使用KNN算法进行故障识别。仿真信号数据分析与实际故障分析证明了所提方法对故障样本识别的可行性和有效性。     

基于Morlet小波变换的信号去噪及在轴承状态监测中的应用

为在强噪声背景下利用振动信号中隐含的冲击特征成分来反映轴承性能退化趋势,提出一种基于Morlet小波变换和时域特征参数提取相结合的轴承状态监测方法。通过引入谱峭度评估Morlet小波滤波的去噪效果,再从信号滤波结果构建的组合信息中提取时域特征参数。对轴承全寿命数据的应用结果表明,特征参数的变化趋势能够监测轴承状态的劣化过程,伴随的早期故障检测可以提高轴承使用的安全性。     

转子振动信号消噪方法研究

针对转子振动信号周期性强而噪声信号具有随机性的特点，本文将时域平均法和小波软阈值消噪法相结合，先对振动信号进行时域平均，再对平均后的结果进行小波软阈值消噪处理。实验结果表明，这两种方法相结合，可以有效地去除振动信号的干扰噪声，提高信号的信噪比，取得良好的降噪效果。     

[设备健康管理]深度置信网络在齿轮故障诊断中的应用

针对齿轮传动系统中齿轮等零部件易出现故障或失效等问题,提出了一种基于深度学习理论的齿轮传动系统故障诊断方法。首先利用深度置信网络强大的特征自提取能力,对齿轮传动系统的振动信号进行特征提取,然后通过DBNs的复杂映射表征能力对故障信号进行故障判别。诊断实例表明,若不对齿轮振动的原始时域信号进行特征提取,直接利用DBNs对其进行诊断时,故障识别正确率只能达到 60%左右;如果对时域信号进行简单的傅里叶变换后,再利用 DBNs 对处理后的振动信号频谱进行诊断分析,正确率能达到 99.7%,从而证明了所提故障诊断方法的简易性和有效性。     

改进小波包多阈值去噪法及其工程应用

针对机械振动信号提取时面临的去噪问题,在小波包多阈值准则去噪法的基础上,提出一种改进的小波包多阈值准则综合去噪方法(改进FMC去噪法)。该方法首先采用探测插值法对机床原始振动信号进行预处理,剔除受外界干扰产生的突变噪声信号;再以小波包分析为基础,根据有用信号的最小频率确定最大分解层数,并按最小代价原理确定信号分解的最佳小波包基;最后采用小波包多阈值降噪准则对振动信号进行重构,得到去噪后的机床振动信号。针对含噪blocks信号、doppler信号及模拟的含噪振动信号进行的仿真实验结果表明,改进后的FMC去噪法去噪效果优于传统方法。将该方法应用于气囊修整机振动信号分析中,结果表明,改进FMC去噪法能够有效剔除振动信号各频段的噪声,提高信号特征的可分离性。     

基于拉普拉斯分值和模糊C均值聚类的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征和故障征兆的模糊性,提出了基于拉普拉斯分值和模糊C均值（FCM）聚类的滚动轴承故障诊断方法。该方法首先在时域和频域对滚动轴承振动信号进行特征提取,组成初始特征向量;然后利用拉普拉斯分值进行特征选择,形成故障特征向量;最后以FCM聚类为故障分类器,实现滚动轴承不同故障类型的识别。应用实例和对比实验表明,该方法能有效提取滚动轴承振动信号特征,诊断滚动轴承故障。