基于ISVD和小波降噪理论的轴承故障诊断

针对滚动轴承振动信号的非平稳等复杂特点,在分析迭代奇异值降噪和小波阈值降噪的原理和特点的基础上,将两者理论结合应用于轴承振动信号降噪中。试验证明,结合降噪法能有效剔除噪声,并可较好地保留冲击信号中的尖峰和突变部分,最后通过计算降噪后信号的样本熵可准确地实现轴承的故障诊断。     

谱图小波阈值降噪及其在滚刀主轴振动信号分析中的应用

通过分析谱图小波变换在平面图像、三维实体分析中的应用,提出一种用于一维数字信号分析的谱图小波阈值降噪方法。该方法将一维数字信号定义到路图上,利用谱图小波变换将其分解成尺度系数和谱图小波系数,对谱图小波系数进行阈值过滤处理,再进行谱图小波逆变换得到降噪信号。首先,利用四种典型仿真信号进行降噪试验,并分析不同分解层数对降噪性能的影响;接着,将其与经典小波阈值降噪方法进行仿真对比;最后,采用该方法进行滚刀主轴振动信号降噪,并与经典小波阈值降噪方法对比。仿真及试验结果表明,该方法实现了一维数字信号的快速非迭代降噪,且降噪信号平滑度高、畸变小,优于经典小波阈值降噪方法。     

HHT在Lamb波检测信号分析中的应用

将一种新的超声信号处理技术用于Lamb波波形中多个模式到达时间的提取。通过将希尔伯特-黄变换(Hilbert-Huang transform,简称HHT)与快速傅里叶变换(fast Fourier transform,简称FFT)、小波变换(wavelettransform,简称WT)在时频分辨率方面的比较,表明HHT能够精确识别信号中两种频率分量突变的时刻,显示了HHT方法的优越性。将HHT方法的特性用于Lamb波模式到达时间的提取,从HHT的能量-时间图上可以看出,能量峰值时刻对应着各Lamb波模式的到达时间。试验结果与理论值具有较好的一致性。     

基于ISVD多级降噪和SVM的轴承故障诊断研究

在强噪声背景下难以提取出滚动轴承的故障特征,导致对轴承的故障诊断准确率不高,针对这一问题,提出了一种基于小波变换、改进奇异值分解多级降噪算法与支持向量机模型的轴承故障诊断方法。首先,采用小波降噪对滚动轴承的原始信号进行了初始降噪,消除了部分的随机噪声;然后,主要通过改进相空间矩阵重构方式,对该信号进行了改进奇异值分解二次降噪,并提出了新的奇异值有效秩阶次确定方法,利用峭度对一维信号提取方案进行了优化,并对其完成了降噪;最后,通过提取了10个有效特征,结合支持向量机在MATLAB中进行了仿真实验,分析了不同特征对轴承的故障诊断结果的影响,并将方法与其他方法进行了对比分析。研究结果表明：采用多级降噪算法降低了轴承工作状态下的背景噪声,使其故障特征频率更为明显;支持向量机分类诊断器的故障识别准确率达到98.3%,能够有效地识别轴承故障发生的位置和严重程度。     

基于HHT的导弹发射冲击时频谱分析

为研究弹载部件在导弹发射过程中的冲击响应及冲击信号的传递特性,进行了基于希尔伯特-黄变换(Hilbert-Huang transform,简称HHT)的导弹发射冲击时频谱分析。由于经验模态分解(empirical mode decomposition,简称EMD)结果易受白噪声的影响,研究了总体经验模态分解(ensemble empirical mode decomposition,简称EEMD)技术。以弹体不同位置的实测冲击信号为对象,应用HHT技术进行分析,准确得到了导弹发射冲击信号的固有模态函数(intrinsic mode function,简称IMF)和时间-频率-能量谱特征,并研究了两次冲击的频率分布和各阶IMF与原始信号的相关性。结合边际谱分析对比了两个舱段能量在中低频和高频的传递特性,进一步验证了HHT方法在分析非线性和非平稳冲击信号中的优越性。     

基于重分配魏格纳时频谱和SVD的故障诊断

时频谱重分配能有效提高时频谱的时频聚集性,减少干扰项。当振动信号中存在着能量较大噪声时,重分配时频谱会受到噪声干扰影响,降低时频分布的可读性。将重分配魏格纳时频谱(RWVDS)和奇异值分解(SVD)结合形成一种新的机械故障诊断方法。利用重分配算法对魏格纳时频谱进行重分配,提高魏格纳时频谱的时频聚集性,再对重分配时频谱进行SVD降噪,降低了噪声干扰影响,提高其时频分布的可读性。该方法对仿真信号、滚动轴承及齿轮箱故障信号进行了分析,并与其他几种方法作了比较。结果表明,该方法时频聚集性好,抗噪能力强,能有效识别强噪声背景下的机械故障特征。     

μ-SVD降噪算法及其在齿轮故障诊断中的应用

为了提取机械设备被强背景噪声淹没的故障特征,采用一种具有通用意义的基于奇异值分解(Singular value decomposition,SVD)的子空间降噪算法对信号进行处理,即?-SVD降噪算法。传统的SVD降噪算法是?-SVD降噪算法中拉格朗日乘子??0时的一种特殊情况。?-SVD降噪算法包含滤值因子,能够抑制以噪声贡献占主导的奇异值对降噪后信号的信息贡献量。?-SVD降噪算法涉及延迟时间、嵌入维数、降噪阶次、噪声功率和拉格朗日乘子等5个参数。讨论了?-SVD降噪算法的参数选择方法,并着重研究降噪阶次和拉格朗日乘子对降噪效果的影响。齿轮故障仿真信号和齿轮早期裂纹故障振动信号的试验结果表明,?-SVD降噪算法在降噪效果方面要优于传统的SVD降噪算法,可以在强背景噪声情况下更好地提取出齿轮的故障特征。     

MBCV-EWT和奇异值差分谱的滚动轴承信号降噪方法

针对滚动轴承振动信号降噪时,克服模式混叠、保证各频率成分完整性和独立性问题,提出最大类间方差-经验小波变换分解(maximum between-cluster variance-empirical wavelet transform,简称MBCV-EWT)与奇异值差分谱相结合的信号降噪方法。首先,针对传统区间划分的不确定性问题,提出MBCV-EWT信号分解方法,通过最大类间方差对信号频谱自适应划分,并在每个划分区间上构建带通滤波器;其次,针对分解分量冗余,提出脉冲指标作为调幅-调频分量筛选准则,选取最优的分量用于降噪;最后,对最优调幅-调频分量进行奇异值分解,根据其差分谱重构分量并实现降噪。仿真及实验结果表明,该方法能够实现频谱自适应划分,有效克服模式混叠等问题,保证分解得到的各成分主频独立且完整,调幅-调频分量筛选准确,降噪效果明显,为故障识别和预测奠定研究基础。     

HHT在车辆-轨道系统垂向振动时频分析中的应用

应用希尔伯特黄变换方法(Hilbert-Huang transform,简称HHT)对车辆-轨道系统中高低不平顺与车辆垂向振动加速度关系进行分析。首先,利用经验模态分解法(empirical mode decomposition,简称EMD）对实测的高低不平顺与车辆垂向振动加速度信号进行分解,得到两者的本征模函数;然后,通过比较分析两者本征模函数的时域波形与Hilbert能量谱,说明高低不平顺本征模函数与车辆垂向振动加速度本征模函数之间的确定性的对应关系,可以利用车辆垂向振动加速度来识别轨道高低不平顺的不良区段;最后,对京广提速干线铁路轨检车实测样本进行回归分析,得到在波长为1.5～50m范围内直线和曲线段高低不平顺与车辆垂向振动加速度的定量关系。     

奇异值小波降噪法在柱塞泵振动信号处理中的应用

针对小波阈值和奇异值分解降噪法的不足,研究一种新的小波阈值函数。提出一种基于改进阈值的奇异值小波降噪方法,该方法利用奇异值分解技术,将噪声非均匀分布的信号正交分解为噪声分布相对均匀的分量,并对每个分量进行小波阈值降噪,重构降噪后的分量,得到降噪信号。仿真实例证明,该方法与小波软、硬阈值及改进阈值法相比,不仅提高信噪比,而且能够更好地消除高斯噪声。利用该方法对柱塞泵不同状态振动信号进行降噪,结果表明,该方法能有效抑制噪声,为柱塞泵振动信号预处理提供一种更为有效的方法。     

Improved time-frequency analysis of ASDEX Upgrade reflectometry data using the reassigned spectrogram technique

The spectrogram is one of the best-known time-frequency distributions suitable to analyze signals whose energy varies both in time and frequency. In reflectometry, it has been used to obtain the frequency content of FM-CW signals for density profile inversion and also to study plasma density fluctuations from swept and fixed frequency data. Being implemented via the short-time Fourier transform, the spectrogram is limited in resolution, and for that reason several methods have been developed to overcome this problem. Among those, we focus on the reassigned spectrogram technique that is both easily automated and computationally efficient requiring only the calculation of two additional spectrograms. In each time-frequency window, the technique reallocates the spectrogram coordinates to the region that most contributes to the signal energy. The application to ASDEX Upgrade reflectometry data results in better energy concentration and improved localization of the spectral content of the reflected signals. When combined with the automatic (data driven) window length spectrogram, this technique provides improved profile accuracy, in particular, in regions where frequency content varies most rapidly such as the edge pedestal shoulder.     

烟机运行故障分析与调整

分析影响烟机长周期安全运行的几个主要原因,提出相应的处理措施,使烟机长周期运行成为可能.     

分数阶小波包时频域的信号去噪新方法

为了提高信号去噪的效果,提出了一种基于分数阶小波包变换(FRWPT)的信号去噪新方法。该方法根据输出信号信噪比的大小,用迭代法寻找分数阶小波包变换的最优分数阶p值,通过分数阶小波包变换将带噪信号映射到最优分数阶小波包时频域内,对变换后的信号进行窄带通滤波,最后通过分数阶小波包逆变换对信号进行重构,实现分数阶小波包时频域内的信号去噪。以带噪Bumps信号和语音信号为例的去噪实验结果表明,采用该方法去噪后的信号信噪比明显提高,在抑制噪声的同时可以有效保持细节信息。     

烟气轮机油封的加工改进

简要介绍了油封在烟气轮机中的作用,详细阐述了油封设计和加工制造中的不足,给出了油封的改进设计,并对新的工艺路线作了概括说明。     

Application of RLS adaptive filtering in signal de-noising

针对信号中混有噪声的问题,介绍了一种基于RLS算法的自适应信号消噪系统,并阐述了自适应滤波的原理以及RLS算法的步骤与流程。通过实例仿真,得到了基于RLS算法的自适应消噪系统仿真图。经过对比分析可知,RLS自适应滤波能较好地消除噪声,获得有用信号,从而验证了该方法的有效性和系统的合理性。     

烟气轮机振动故障的诊断及处理

重油催化裂化能量回收三机组由于烟气质量和冷却蒸汽系统出现异常,导致催化剂在烟气轮机叶片上大量聚集结垢,最终引起烟机较大振动。通过及时监测、分析和处理,最后成功排除故障。     

Modal analysis of acoustic leak signal in pipelines using time-frequency analysis

It is important to analyze the propagation characteristics of guided waves in acoustic leak location in pipelines. In this paper, the acoustic leak signal is analyzed in the time-frequency domain. Based on the relation of time-frequency distribution of the acoustic leak signal and the dispersion curves of guided waves, the mode components of acoustic leak signals were obtained. The research can provide a guideline for the mode selection in pipeline leak location, and help improve the accuracy of leak location.     

SVM在混合气体光谱分析中的应用

针对混合气体多维光谱定性和定量分析中组分气体吸收谱线重叠、定性和定量分析无法使用同一方法、训练样本数目有限及输入光谱的维数等难题,将支持向量机应用于混合气体多维光谱分析中,利用核函数将重叠的多维光谱数据进行高维空间变换后求得SVM回归模型,可同时进行混合气体组分浓度的定量分析和组分种类的定性分析.在混合气体为天然气的组分浓度和组分种类分析实验中,组分浓度的最大误差为1.74%;组分种类的识别准确率大于94.87%,效果明显优于其他方法,为混合气体多维光谱分析提供了新的方法.     

Hilbert-Huang transformation-based time-frequency analysis methods in biomedical signal applications

Hilbert-Huang transformation, wavelet transformation, and Fourier transformation are the principal time-frequency analysis methods. These transformations can be used to discuss the frequency characteristics of linear and stationary signals, the time-frequency features of linear and non-stationary signals, the time-frequency features of non-linear and non-stationary signals, respectively. The Hilbert-Huang transformation is a combination of empirical mode decomposition and Hilbert spectral analysis. The empirical mode decomposition uses the characteristics of signals to adaptively decompose them to several intrinsic mode functions. Hilbert transforms are then used to transform the intrinsic mode functions into instantaneous frequencies, to obtain the signal's time-frequency-energy distributions and features. Hilbert-Huang transformation-based time-frequency analysis can be applied to natural physical signals such as earthquake waves, winds, ocean acoustic signals, mechanical diagnosis signals, and biomedical signals. In previous studies, we examined Hilbert-Huang transformation-based time-frequency analysis of the electroencephalogram FPI signals of clinical alcoholics, and 'sharp I' wave-based Hilbert-Huang transformation time-frequency features. In this paper, we discuss the application of Hilbert-Huang transformation-based time-frequency analysis to biomedical signals, such as electroencephalogram, electrocardiogram signals, electrogastrogram recordings, and speech signals.     

大型烟气轮机拉杆螺栓热装工艺探讨

针对大型烟气轮机拉杆螺栓热装中存在的几个关键问题,通过分析给出了解决的办法,并取得了良好的效果,形成了成熟完整的热装工艺。