应用时域模态坐标转换法识别内燃机缸内气体压力

本文对时域模态坐标转换法在计算内燃机缸内气体压力方面的也用进行了研究,提出了利用内燃机振动信号识别缸内气体压力的方法.为内燃机的状态监测提供了有力的手段.为提高计算结果的精度,本文还引入了"虚拟点"的概念,取得了较好的效果.     

振动系统参数识别的ARMA模型与Ibrahim-Randec模型的关系

本文研究了用多变量ARMA模型描述振动系统的受迫响应进行参数识别的数学理论,给出随机减量函数的某些性质,指出了对受白噪声激励下的ARMA模型同Ibrahim-Randec之间的关系.     

基于小波分析识别内燃机噪声源

根据连续小波变换具有较二进离散小波变换和小波包变换更精细的尺度分辨率的特点,研究适用于发动机表面辐射噪声源识别的C-mor小波变换的修正与证明.以一台柴油机为例,用得到的声强识别了辐射噪声源,结果验证小波系数修正的正确性和实用性.     

基于参数识别和小波包分析的故障特征提取

针对2D12往复式压缩机气阀的工作特点,提取吸气阀与排气阀均关闭时的压缩过程的局域信号.以此为研究对象,应用模态参数识别与小波包分析相结合的方法对气阀进行故障诊断,最后给出气阀正常与故障时的时域特征参数的图谱分析.     

基于小波包分析和LDB的目标识别

水下目标识别是声纳和鱼雷重要任务之一.小波包分析较多分辨分析具有更高精度的时频定位特性,但它也带来了子空间频带严重重叠的问题.为解决这个问题,利用局域判别基(LDB)算法提取了一组完备且频带互不重叠的小波基函数(子空间),分别以各子空间的能量强度和代价函数为特征对四类不同湖底沉积物的反射回波进行识别,得到了较好的识别效果.     

基于ARMA模型的高速列车隧道压力波预测研究

为研究高速列车通过隧道时车外气压波动规律以提供预测信号给车内保压控制系统,对典型的实测隧道气压波动信号进行分析,建立ARMA预测模型。首先将实测的非平稳气压波动信号转化成标准正态平稳时间序列,然后利用这些参考信号建立时间序列模型,并采用非线性最小二乘法进行模型参数估计,最后利用该模型对信号进行预测。通过实测信号与预测信号进行对比,取得了一定的预测精度,可以达到预测要求。     

基于小波包变换的内燃机气阀漏气诊断方法

探讨了利用缸盖振动信号诊断内燃机气阀漏气的一种新方法－－小波包方法。诊断机理分析和实验研究表明,缸盖 振动信号中关于气阀漏气的特征信息集中在高频段,故选用了小波包变换作为信号处理的基本方法,因为小波包变换较之小波变换在中高频段具有更高更均匀的频率分辨率;对实测信号的分析和处理结果表明了小波包在该领域的适用性;建立了基于马氏距离法的气阀漏气多指标诊断模型;进行了实机诊断,取得了预期的效果。     

基于小波包能量与模型修正的海洋平台结构损伤识别

对于常年服役的海洋平台,准确的损伤识别是保证其安全运行的重要保障。提出了一种对损伤敏感的小波包分解方案选取原则,以结构损伤前后加速度信号的小波包能量变化率作为残差,以结构的弹性模量作为待修正参数,通过灵敏度分析构建了一种新的目标函数用于模型修正和结构的损伤识别。将上述识别方法应用于简支梁模型,能够准确地识别出损伤的存在、位置和程度,验证了方法的可行性。对被噪声污染的信号进行识别分析,证明方法具有一定的鲁棒性。对噪声污染严重的信号进行小波阈值降噪处理,识别效果较降噪前有所改善。将方法应用于海洋导管架平台模型,对不同层高、不同杆件类型的损伤工况均能有效识别,说明方法对多层复杂结构同样适用。     

基于小波分析的Timoshenko梁裂缝识别研究

采用等效转动弹簧代替梁内的不扩展横向裂缝,研究Timoshenko裂缝梁的横向振动特性,建立了一种与有限元分析相结合的、基于模态参数的小波分析识别Timoshenko梁内裂缝的方法。以一简支梁为例,通过建立含横向不扩展裂缝的Timoshenko梁的有限元模型,用Lanczos法对结构的模态进行了计算分析,求出了基本振型和转角模态。分别应用mexh小波和db小波为母小波对二者做小波变换,进行多尺度分析,通过小波系数模极大值位置识别出梁内的裂缝。并对识别结果进行对比,发现识别Timoshenko梁裂缝时,基于转角模态小波变换的方法对小波基、尺度的要求较低,变换后的小波系数线更为平滑,奇异性特征更为明显,故运用转角模态小波变换来识别Timoshenko梁裂缝,较之运用基本振型小波变换的方法更为方便、有效。该方法对Timoshenko梁裂缝识别的工程应用具有参考价值。     

基于小波变换的结构模态参数识别

及时、准确地识别出结构的模态参数是结构健康监测与损伤识别的重要前提。小波分析是众多识别方法中较优越的一种，因其在时一频两域都具有表征信号局部特征的能力，近年来这一方法在线性及非线性系统的参数识别中开始应用。探讨了基于小波脊（Ridge）与小波骨架（Skeleton）的模态参数识别方法，针对小波变换中遇到的边端效应问题，提出了基于自回归滑动平均模型（ARMA）的“预测延拓”方法，并以美国土木工程师学会（ASCE）提供的Benchmark模型为例进行了数值模拟。结果表明，本文提出的方法可以有效地抑制小波边端效应，通过小渡变换可以准确地识别出结构的模态参数。     

基于小波变换的柴油机气缸压力信号降噪

为了获取高信噪比的柴油机气缸压力信号,采用非线性离散序列的小波变换（DTWT）对柴油机气缸压力信号进行降噪．由于降低压力信号采集循环数目,简要分析了气缸压力信号中的高频噪声和高斯白噪声特征,先用Donoho的阂值降噪法去除高斯白噪声,降噪效果明显优于低通滤波和9点平滑法;再用多分辨率分析法,分析不同频率段上的噪声幅值,用小波尺度系数反变换来去除高频噪声,恢复柴油机气缸压力信号．结果表明：这种方法能够有效地去除气缸压力信号的噪声．     

一种水电厂房振动模态参数识别方法

水电厂房的振动是机械力、电磁力、水力脉动共同作用的结果,其动荷载很难测得,结构模态参数识别的难度不言自明。为解决以上困难,提高厂房结构振动模态参数识别的精度,在厂房结构各种荷载未知的情况下,将突然停机工况下动荷载释放后的振动信号,利用随机减量法提取自由衰减信号成分,以基于ARMA模型参数识别法实现了对某大型水电站厂房低阶模态参数的识别。识别结果表明,随机减量法和ARMA联合分析方法是解决大型复杂厂房结构动态参数识别的有效方法,识别结果可用于结构物的健康监测和振动控制中,同时该方法在大型水电站厂房振动模态参数的在线识别领域中具有广阔的工程应用前景。     

信号分析在柴油机气缸压力识别中的应用

论述了采用小波包算法对柴油机缸盖振动信号进行时频特性分析和信噪分离的方法，比较了不同的建模方法的特点并利用时间序列分析方法对缸盖振动信号和气缸压力信号分别建立时序模型，求取了缸盖系统的传递函数，达到了利用缸盖表面振动信号识别气缸压力的目的。     

修正的ARMA模型在微悬臂系统辨识中的应用

在力学显微镜和光力学的研究中,微悬臂是一种被广泛使用的微机械器件。为了了解微悬臂的模态信息,采用ARMA模型对微悬臂进行系统辨识和模态参数识别。针对观测噪声会使时间序列模型辨识精度变低的问题,研究如何将带有观测噪声的ARMA模型转化为无观测噪声的ARMA模型。得到微悬臂的ARMA模型后将其转化为连续系统的传递函数,再从传递函数中求出微悬臂的各模态参数。为了减小微悬臂对外力的延迟响应时间,根据系统辨识得到的模型,构造一个复原滤波器,微悬臂的位移信号通过这个复原滤波器后得到作用力信号。仿真及实验结果证明了所用的系统辨识、模态参数识别及信号复原方法的有效性。     

基于缸盖振动信号频域特征识别气缸压力的研究

在不同的燃烧状况下同时测量缸盖表面振动信号和缸内压力信号,对平均处理后的信号进行频域分析,发现缸内压力信号中相对于基频前50阶的谐波分量包含了所关心的主要信息.根据频域分析得到的复数谱的对称特性建立了训练样本,并对建立的BP和RBF神经网络进行训练.训练的结果表明RBF神经网络可以在更短的训练时间内,获得更小的均方误差.利用不同的神经网络进行了缸内压力信号的识别,识别的结果表明,RBF神经网络识别的精度高于BP神经网络.     

基于ARMA模型的水下爆炸冲击谱预测

针对舰船设备抗冲击设计冲击环境预测难的问题,提出了利用自回归滑动平均模型（ARMA模型）预测水下爆炸冲击响应谱的方法,并引入遗传算法优化ARMA模型阶数。理论介绍了舰船设备水下爆炸冲击谱模型及ARMA模型。建模所需样本数据通过对有限元软件仿真输出的冲击响应信号进行去趋势化和平稳化处理获得,根据该样本数据的自相关函数和偏自相关函数统计特性分析,验证了ARMA建模的可行性。在此基础上,利用遗传算法优化后的ARMA模型,对水下爆炸冲击响应信号进行预测,并通过分析预测误差特性评估预测效果。研究结果表明,基于遗传算法优化的ARMA模型可以很好的预测水下爆炸冲击响应信号,从而为舰船设备抗冲击设计提供帮助。     

基于小波包变换与核主成分分析的铣削颤振识别

提出一种基于小波包变换（wavelet packets transform, WPT）与核主成分分析（kernel principal component analysis,KPCA）的颤振识别方法。铣削颤振会抑制或增强某些频段内的信号,利用四层小波包分解与重构,得到16个频段内的重构信号,获得各重构信号的面积,并进行归一化处理,完成铣削颤振特征向量的选择。继而通过对比基于主成分分析（principal component analysis,PCA）与核主成分分析的特征提取方法的特征提取效果,选取KPCA对特征向量进行降维处理,最后以降维后的数据作为最小二乘支持向量机分类器的输入对铣削状态进行识别。结果表明,在小样本的情况下仍能有效、准确地对铣削状态进行分类,分类准确率达95.0 %。     

圆柱壳水下爆炸冲击响应信号的小波分析

圆柱壳是船舶、潜艇和海洋工程结构物的重要组成部分,研究其在水下爆炸载荷作用下的响应对提高结构物的使用周期有着重要的作用.基于商用有限元软件ABAQUS对圆柱壳水下爆炸进行了数值模拟,得到水下爆炸载荷作用下圆柱壳关键部位的冲击环境,为结构冲击响应信号的分析提供输入条件,然后对仿真数据进行了一维离散小波分析,提取了信号的细节特征.分析结果表明:小波分析是分析水下爆炸信号的有效方法,能提取信号变化的细节特征.运用小波来分析水下爆炸信号较传统分析方法更能适应水下爆炸信号突变快、衰减快的特征,同时为进一步认识水下爆炸机理、破坏原因的确定提供了新的途径.