基于自相关降噪的混叠转子振动信号分离

航空发动机在运行过程中,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,对机器的健康监测和故障诊断造成了很大的困难。介绍了盲源分离基本原理和方法,指出盲源分离算法在强噪声环境下失效。针对强噪声环境下的混叠振动信号,提出首先通过时延自相关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。仿真结果验证了提出方法的有效性。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盲分离,为噪声环境下的混叠信号分离提供了一种新的方法。     

机械振动信号非线性混叠的盲源分离

设备状态信号的处理是状态监测及故障诊断的基础.在实际运行环境中,通过传感器检测的信号有可能是振源信号的非线性混合、畸变信号.传统的振动信号处理方法对此种非线性混合信号处理效果并不理想.非线性盲源分离技术由于自身独特的盲处理优势,可以有效的去除外来干扰并分离出源信号,有助于提高诊断的准确性.针对直升机齿轮箱振动信号的非线性混叠进行盲源分离,分离出轴承故障振动信号,表明盲源分离技术是机械故障诊断领域的一个有效的信号处理方法.     

柴油机振动信号的四阶盲识别分析研究

针对柴油机振动信号特征参数的识别提取比较困难,本文运用四阶盲识别的方法分析研究柴油机的振动信号。把基于FOBI(四阶盲识别)算法的盲源分离方法引入到柴油机振动信号的处理中,建立仿真模型对该算法进行验证,并对一组采用北京东方所振动测试仪器在柴油机上实测的振动信号进行分离实验,分离结果表明不同特征的振动信号可以被分离,且最大限度地保留了源振动信号的信息,该算法可以作为柴油机振动信号的预处理方法。     

融合盲源分离的船舶耦合振源传递路径分析技术研究

为解决工况传递路径分析(OTPA)方法面临的核心问题,提升OTPA方法应用范围和工程实用性,提出一种融合盲源分离的传递路径分析技术。首先,结合舱段模型振动试验,深度剖析OTPA方法面临的振源交叉耦合和遗漏振源无法识别等问题;然后,将盲源分离(BSS)技术和OTPA方法进行集成、融合:引入经验模态分解(EMD)-特征值分解的源数估计方法定量估计振源个数,指导振源输入测点的选取;视多个振源信号为卷积混叠,引入非正交联合块对角化方法进行耦合振动源的分离;在解决分离振源排序不确定性的前提下,将分离出的振源作为OTPA方法的输入振源,建立应用限制条件少的BSS-OTPA模型;最后,开展实船海上振动声辐射试验,利用BSS-OTPA模型成功实现了船舶机械振动噪声源的量化、识别。研究成果可直接支持船舶机械设备振动源辐射声场预报和振动噪声控制。     

水下耦合机械噪声源的量化识别及试验

目前水下机械噪声源及其传递路径识别效果较难。为此,将盲源分离算法和传递路径分析方法融合和集成。视多振源信号为卷积混叠,结合LU分解,提出一种新的非正交联合块对角化方法进行耦合振动源的分离。将分离振源作为工况传递路径分析方法的输入振源,建立水下机械振动噪声源识别算法,并对潜艇舱段模型的水下振动-声辐射试验对算法进行验证。结果表明,与现存方法相比,该盲源分离算法具有易实现、收敛速度快、精度高等优点;所集成的源识别算法在水下声场预报和振源贡献量排序中的性能均优于振源耦合时的结果,与实际情况吻合好,达到了高效、准确地识别机械噪声源的目的。     

基于偏时域相干分析的频谱混叠信号分离方法

提出一种基于偏时域相干分析的频谱混叠信号分离方法。该方法依据参考信号,利用偏时域相干函数,通过对信号分量与混合信号的功率比进行定量分析得到信号的瞬时混叠模型,最后按照瞬时混叠的逆过程分离出各信号分量。该方法与自适应分离方法的输入信号模型等价,且概念、算法简明。典型信号条件下的仿真实验表明在其功能与自适应分离方法基本相同的情况下,信号分离的准确度优于自适应方法。     

基于ICA和HMM的低空声目标识别方法

提出了一种基于独立分量分析（ICA）和隐马尔可夫模型（HMM）的战场声目标识别方法。针对战场环境下声信号复杂多变,提取目标信号特征难的特点,该方法先利用基于独立分量分析的盲源分离分解混叠信号,再从分离信号中得到更能反应声音特性的Mel倒谱系数作为识别战场低空目标的特征参数;利用隐马尔可夫过程具有很强的表征时变信号的能力来表现声信号随时间变化呈现出的模式演变现象,建立隐马尔可夫模型（HMM）。实际数据的识别分析结果表明了该方法的准确性与有效性。     

基于MIMO的盲信道语音分离技术

1.引言 盲信道估计在语音信号的分离及识别中有重要的作用.语音处理包括语音识别、语音编解码、混叠语音的分离等许多领域,而混叠语音分离是语音处理中很重要的一部分,在语音识别,语音信号增强等多方面都有其积极意义.目前,国内外在这方面的研究工作大体上集中在盲信号处理及声场景分析两方面.就盲信号分离方法而言,已提出了多种算法,可实现从混合语音信号中分离出多个源信号.本文将会介绍一种基于二阶统计量的线性预测盲信道辨识方法,并着重研究其用于多输入多输出(MIMO)信道估计的过程.     

语音分离技术的研究现状与展望

从计算听觉场景分析和盲源分离两种方法综述了当前语音分离技术的研究现状和发展方向。计算听觉场景分析是用计算机来模拟人类听觉系统的处理机制。它可分为两大类：一类是数据驱动型，特点是信息由低级向高级的单向流动；另一类是图式驱动型，特点是信息由低级向高级和由高级向低级结合的双向流动。最后指出信息双向互流的混合语音分离模式将是未来计算听觉场景分析研究的主要模式：基于听觉和视觉的结合来改善语音分离效果的研究将是未来研究方向之一。此外，盲源分离的欠完全问题．非线性混叠信号的可分离性、非平稳混叠信号的盲分离问题都将需要进一步研究：基于CASA和BSS联合进行语音分离将是未来研究的热点。     

基于盲解卷积的柴油机振动信号分离研究

基于振动信号分析的故障诊断方法依赖于机械状态特征的有效提取,盲源分离能够从复杂的信号中分离出源信号,是一种有效的特征提取手段。建立的多通道盲解卷积模型和机械系统的振动模型表明了两个模型的一致性,理论上证明了盲解卷积用于机械振动信号分离的可行性。利用MBLMS算法进行实测柴油机振动信号的分离实验,成功分离出了活塞撞击、燃烧和进气阀关闭信号,试验结果证明了盲解卷积能够有效分离柴油机振动信号。     

基于解析模式分解的密集工作模态参数识别

长大跨度的桥梁结构或者高层建筑的工作环境振动响应中经常包含密集的模态成分,并会出现模态叠混现象,而传统的信号分析方法往往难以识别结构的密集模态参数。提出一种基于解析模式分解理论与随机减量技术相结合的方法识别环境激励下的结构密集模态参数。对于工作环境激励下的结构振动响应,通过随机减量技术可以提取结构的自由振动响应,利用解析模式分解方法对具有密集模态的自由振动响应进行有效的分解,对每一阶自由振动响应利用最小二乘拟合方法识别出频率与阻尼比。通过两层框架的数值模拟以及对密集频率的密集程度指数和信号时程长度等参数分析,其结果表明通过随机减量技术提取的自由振动响应可以有效的减少模态叠混的影响,虽然提取的自由振动响应的时程长度比实际的信号时程要短,然而解析模式分解仍然能够十分有效的对短时程具有密集模态成分的信号进行有效的分解。最后,通过对一具有密集模态的36层框架的数值模拟,以及对一具有密集模态的3层框架的振动台实验,验证该方法可以有效的识别出环境激励下的结构密集模态参数。     

基于GMM模型和LPC-MFCC联合特征的声道谱转换研究

声道谱转换是语音转换中的关键技术。目前,大多数语音转换方法对声道谱的转换都是先提取语音中的某一种声道特征参数,然后对其进行训练转换,进而合成转换语音。由于不同的声道特征参数表征着不同的物理和声学意义,因此这些方法通常忽略了不同声道特征参数之间可能存在的互补性。针对这一问题,研究了不同声道特征参数之间进行联合建模的方法,引入了一种由线性预测系数(LinearPredictionCoefficient,LPC)和梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficient, MFCC)联合构成的LPC-MFCC特征参数,提出了一种基于高斯混合模型(Gaussian Mixture Model, GMM)和LPC-MFCC联合特征参数的语音转换方法。为验证文中方法的有效性,仿真实验选取了基于GMM和LPC的语音转换方法进行对比,对多组实验数据进行主观和客观测试,结果表明,文中提出的语音转换方法可以获得相似度更高的转换语音。     

一种新的振动信号分形无标度区间识别方法

为了提高振动信号关联维数计算的准确程度, 提出了一种识别分形无标度区间的新方法。该方法首先采用圆拟合、求切线斜率的方法求出相关积分双对数曲线上各点的斜率,得到斜率变化曲线;其次基于斜率变化曲线不同区间内的相关系数进行线性度判断及显著性检验,保留其中线性度较好、相关程度较高的区域;最后选择其中方差最小的区间作为该振动信号的分形无标度区间。整个识别过程中无需任何人工干预,可以交由计算机自动完成,从而避免了主观因素对分形无标度区间识别以及关联维数计算结果的影响。应用该方法对Lorenz吸引子及实测振动信号进行了关联维数值的计算, 计算结果验证了该方法的准确性和有效性。     

基于可控性柱面网壳结构主动控制作动器布置的优化研究

利用磁致伸缩材料的磁控特性制作的作动器可以对结构进行主动控制。首先分析了这种作动器的工作原理和设计方法,并通过实验对其进行了输出性能测试。接着在对作动器进行动力学建模的基础上,推导出整个柱面网壳结构的作动控制方程,同时基于作动效率,提出了不依赖于控制方法的位置优化准则,并且在综合考虑控制效果系数、硬件成本和系统复杂性等因素的基础上,初步确定了作动器的数量,然后采用遗传算法,对作动器的布置位置进行了优化。最后利用LQR主动控制算法,对一柱面网壳模型结构进行了主动控制分析。结果表明,通过优化布置的作动器能够有效地减小结构的动力反应,是一种较好的主动控制方法。此外,主动控制模拟结果也验证了应用遗传算法优化此类问题的优越性和可靠性。     

简化的结构振动自适应前馈控制方法研究

发展一种基于ARX模型描述的实时自适应前馈控制系统,并将其应用到具有拟周期扰力的结构振动控 制中。采用RLS算法处理在线辨识问题,而采用LMS算法进行控制律的更新。实时控制中,辨识和控制的计算都由高 速数字信号处理器完成。此种方法,对于周期扰力以及拟周期扰力激起的结构振动响应都有很好的控制效果。     

复杂分布动载荷识别技术研究

复杂结构的分布动载荷识别技术是动载荷识别技术的难点之一。本文推导了基于广义正交多项式特征技术动载荷识别模型，解决了在一定精度范围内通过有限测量点的振动信息识别具有无限未知量的分布动载荷关键技术，通过动态标定技术的研究和复杂结构有限元模型数值仿真计算，验证了方法的正确性、有效性和工程可用性，适用于具有确定性分布的稳态振动载荷识别．为分布动载荷识别技术的发展打下一定的基础。     

非线性电磁振动能量采集的辨识研究

提出一种单自由度电磁振动能量采集器的系统辨识方法——电压映射方法,该方法基于恢复力曲面法的辨识思想,在系统恢复力函数、电磁机电耦合函数和等效电感函数的具体形式未知的情况下,能准确辨识出具有强非线性的恢复力函数、电磁机电耦合函数和等效电感函数.利用两个典型的非线性模型算例进行验证:一是含有非线性弹性恢复力的电磁振动能量采...     

非线性振动系统神经网络自适应控制方法研究

将人工神经网络理论引入振动控制工程领域，并将现代控制理论中的状态反馈理论与人工神经网络理论相结合，提出了一种基于ＢＰ网络的自适应控制方法。给出了该方法的学习算法和网络参数选择原则，分析了它在建模和控制方面所具有的优点，并就典型的非线性振动ＶａｎＤｅｌＰｏｌ和Ｄｕｆｉｎｇ方程进行了辨识和控制，仿真结果表明该方法对于非线性振动系统具有较强的辨识和控制能力。     

振动加速度影响视觉识别的仿真及分析

采用仿真实验方法研究振动加速度对视觉识别的影响,建立振动加速度对于视觉识别效率（正确识别的反应时）的函数模型。研究结果表明：振动加速度对视觉识别效率有显著影响,两者间的关系可用指数函数表示。实验结果为振动工况下屏显设备的减振设计提供了实验参数,并从人机关系角度提出一种新的减振思路。     

电动振动台模型辨识方法及其应用的研究

电动振动台是振动与冲击环境试验的主设备,对其模型的辨识与估计是开展振动控制技术研究和振动试验仿真的必要环节。本文基于电动振动台的动力学和电学耦合模型,提出了一种以冲击信号作为激励的振动台模型传递函数进行系统辨识与参数估计的方法。并应用其模型参数完成了冲击波形的生成。仿真结果与试验结果一致性很好,表明本文所提出的模型辨识方法有效可行,对电动振动台试验波形的生成具有一定的实用价值