基于有效信息重构的故障旋转机械振动加速度信号积分方法

提出一种基于有效信息重构的故障旋转机械振动加速度信号积分方法。该方法首先利用集总经验模态分解(EEMD)对积分信号进行分解,然后将峭度指标、均方差值和奇异值组合成特征向量对分解信号进行有效特征提取,并通过欧氏距离搜索提取分解信号中隐含的有效特征分量,最后通过阈值限定将有效特征分量进行叠加重构得到所需有效积分信号。仿真分析和实测数据结果表明,该方法在去除噪声和保留有效特征信息方面,比传统积分方法具有更高的精度和优越性。     

音频信号分析仪

系统采用Atmega128单片机作为主控制器,并运用快速傅里叶变换(FFT)对音频信号进行频谱分析。输入音频信号经过双门限电路处理后,一路送入A/D采样,另一路经真有效值电路转换后送入A/D采样,结果经单片机处理,最后送液晶显示。该系统测量信号频率范围覆盖20 Hz～10 kHz,电压峰值范围10 mV～10 V,FFT得到的频谱分辨率为20 Hz,最终可得到音频信号的频谱与正弦信号失真度。     

基于信号延拓的采样信号频谱泄漏抑制

提出一种基于信号数据延拓的采样信号离散傅里叶变换频谱泄漏抑制方法,分析了经典谱估计方法中频谱泄漏产生的原因,得出含噪声周期信号的无泄漏条件,进而提出频谱泄漏抑制方法:对采样信号作周期估计和整数周期数据延拓处理,使DFT计算窗内信号的边界连续或近似连续,以达到抑制频谱泄漏的目的。对通信、电力系统中常出现的加性高斯白噪声恶化信号的仿真表明:该方法可以显著减少频谱能量泄漏,获得更高质量的频谱。     

航空发动机振动数据稀疏傅里叶变换分析

稀疏傅里叶变换是近年来新兴的一种基于信号稀疏特性的频谱分析方法,稀疏傅里叶变换通过识别舍弃对分析结果无影响的频率信号,从而对大数据进行快速准确的处理。为了探究稀疏傅里叶变换在航空发动机振动数据分析中的实用性,结合实际飞行试验振动数据,将稀疏傅里叶变换方法与传统快速傅里叶变换方法在频谱特性、运行时间、算法稳定性等方面进行了研究,通过对比可以发现,稀疏傅里叶变换算法在保证准确率的情况下,可以极大地提高振动数据分析的效率。     

基于耦合源误差分析的转子振动信号识别方法

转子振动信号实时监测是保障旋转机械健康运行的关键,转子圆度误差和电涡流位移传感器误差的耦合源误差在以往的研究和振动监测中很少考虑,使得转子振动信号有一定的失真,甚至会引起误判。以实际转子为例,提出了圆度误差测量表达式;测量和分析了两种常用电涡流位移传感器的误差,利用傅里叶拟合方法构建了圆度误差和电涡流位移传感器耦合源误差表达式,建立了耦合源误差与转子振动信号之间的映射关系。提出了点-点法、平均值法与最大值法3种转子振动信号识别方法,3种方法都能有效识别转子振动信号,其中点-点法最精确,识别误差占比约20%;平均值法计算简便,识别误差占比约10%;最大值法偏保守,但可有效避免误判,识别误差占比约32%。     

基于STM32的音频信号分析仪的设计与实现

该文主要论述了基于STM32F407VET6单片机的音频信号分析仪的具体实现。输入信号先经过信号调理电路处理后,经高性能12位并行ADS7819采样后再进入STM32控制器。该系统采用基-2时间抽取FFT算法分析音频信号的频谱,这样大大降低了运算量。该系统可以分析音频信号频谱和测量正弦信号失真度。可测量输入信号的频谱范围为20 Hz~10 kHz,输入电压幅值范围(峰-峰值)为5 mV~5 V。此外,系统还可以判定输入信号的周期性并测量其周期等功能。     

频谱校正方法在激光测速中的研究

由于多普勒信号处理技术在整个激光多普勒测速(LDV)系统中起到关键作用,针对仅利用快速傅里叶变换处理多普勒信号存在精度低的问题,频谱校正方法的研究显得十分必要。通过阐述比值法、能量重心法和相位差法三种离散频谱校正方法的基本原理和仿真实验,表明三种方法均可使校正频率更加接近真实值。考虑到算法的复杂度和抗噪性能等因素的影响,选用了能量重心法对实测多普勒信号进行频率校正,且校正效果明显。     

基于TMS320C50的语音频谱分析仪

本文分析了信号频谱分析的原理以及我们研制的智能语音信号频谱仪的硬件结构和软件设计,该仪器使用专用数字信号处理芯片ＴＭＳ３２０Ｃ５０完成ＦＦＴ运算,并由主机ＰＣ机完成结果显示,由于充分利用ＰＣ机强大灵活的数据处理及编程能力,使系统具有功能扩展能力强,人机界面友好,便于操作的特点。     

基于DSP的机车轴承故障实时监测系统的设计

文中介绍了基于数字信号处理器TMS320LF2407A的机车轴承实时监测仪的设计方案，应用振动分析法对滚动轴承故障进行诊断。基于综合共振解调技术和快速傅里叶变换法，并采用“相关法”处理快速傅里叶变换结果，有效地提高了轴承故障监测系统响应特性、灵敏度、分辨率和测量计算精度，并实现了机车运行中瞬间故障的实时监测和报警。     

基于频谱分析的电梯垂直异常振动信号研究

电梯部件的安装误差、使用磨损等因素都会造成电梯异常振动,这些振动对电梯乘运舒适性乃至安全性造成极大影响.文章提出了一种在频率域下快速定位异常振动源的方法,通过对异常振动曲线段的快速傅里叶变换,找出异常振动信号频率及其谐波频率,进而匹配产生异常振动信号的激励源,通过实验证明了该方法的可行性和有效性.检验中应用此方法可以精...     

利用奇异值分解的信号降噪方法

为了提高测试信号的信噪比,针对奇异值分解降噪法中有效秩阶次的选择以及重构矩阵结构的确定两个关键问题,提出了一种基于信号频率成分的奇异值降噪方法.该方法利用信号快速傅里叶变换结果中主频率个数来确定有效秩阶次,通过降噪信号的信噪比和均方差大小确定重构矩阵结构,并采用不同频率成分的几组信号对该方法进行了验证.结果表明,有效秩的阶次是源信号主频个数的2倍,并且这种倍数关系不随重构矩阵行列数的变化而变化;在工程应用中,重构矩阵的最佳行数取信号数据长度的一半,可以得到较好的降噪效果;除傅里叶变换结果中有用信号频率与噪声频率难以区分的情形外,无论是白噪声还是色噪声,该方法都十分有效.     

振动攻丝扭矩动态信号的研究

用快速傅里叶变换方法针对振动攻丝扭矩测量信号进行频谱分析,并采用数字信号滤波技术对各组成信号进行提取.信号分析结果表明:测量信号中主要包括扭矩信号及径向跳动信号;扭矩信号的频率与外加振动频率相一致,径向跳动信号随攻丝过程的持续进行逐渐变大.攻丝扭矩信号分析为振动参数对振动功丝扭矩影响规律的研究提供依据.     

基于振动信号频谱分析的回转机械故障诊断方法

比较了回转机械振动信号频谱分析的各种处的优缺点，并详细介绍了高效的FFT－FT算法解决普通FFT算法所无法解决的分辨率和计算数据量的矛盾，最后通过对一台二氧化碳压缩机的谱分析来说明了FFT－FT算法的优越性。     

应用FFT进行FMCW雷达频谱分析的改进算法

采用快速傅里叶变换(FFT)进行调频连续波(FMCW)雷达频谱分析时很难做到同步采样和整周期截断,由此造成的频谱泄漏将影响分析结果。针对已有算法存在的问题,文中提出一种采样参数调整与频谱校正相结合的测量算法。该算法首先根据当前频率值调整采样点数,以满足整周期采样的要求,然后对谱线进行精确校正。将该算法在Lab-VIEW环境下进行了测量实验。结果表明:改进后的算法可使频率测量精度提高100倍以上,同时具有较好的抗干扰能力。     

基于FFT和神经网络的APF故障诊断方法

针对有源电力滤波器APF（active power filter）逆变器中IGBT易发生故障的问题,对APF中IGBT开路故障的仿真、故障分类、特征提取、故障诊断等方面进行了研究.对IGBT开路故障与故障特征进行了分析,提出了一种基于快速傅里叶变换（FFT）和神经网络的APF故障诊断方法,用FFT提取的故障特征向量来训练神经网络,并将训练好的神经网络诊断系统对IGBT开路故障进行了测试.实验结果表明,该诊断方法能用于APF运行状态监测,并可快速有效地识别IGBT故障位置.     

基于振动信号分析的煤矿主通风机故障诊断的研究

介绍了煤矿主通风机结构及常出现的机械故障,并对故障机理做了说明,同时针对机械故障表现出的振动特征进行了分析,对窗口傅里叶变换在主通风机故障诊断中的应用以及局限性做了说明。     

基于小波变换的齿轮箱振动信号降噪处理

应用了小波变换理论和小波降噪的原理,对齿轮箱的振动信号进行了小波降噪处理,有效的从含有噪声的齿轮箱振动信号中提取出该信号更加准确和真实的故障特征,从而为提高齿轮箱故障诊断的准确性以及检测齿轮箱的早期微弱故障信号提供了重要的参考价值。通过对仿真信号的降噪处理,然后进行FFT变换,并且和没经过信号降噪处理就进行FFT变换的对比,显示了小波降噪的优越性。最后通过对齿轮箱的实际振动信号的降噪处理,进一步表明了小波降噪在消除噪声干扰方面有效性。     

基于龙贝格方法的快速傅里叶变换算法

根据龙贝格方法推导了离散傅里叶交换算法,并给出了其快速计算方法和计算实例,其结果优于常规的离散傅里叶变换算法.     

基于现代信号处理方法的动态测量误差分析

动态测量误差信号是包含多分量的非平稳信号,成分的复杂性决定了对动态测量误差的分析和处理需要结合多种信号处理方法.如傅里叶变换、小波变换和神经网络等.分析了各种信号处理方法的原理及其在非平稳信号处理中的应用,建立了一个动态测量误差分析仿真系统,对系统输出的动态测量误差进行分析,将总误差进行分解,找出引起此总误差的各组成单元带来的单项误差,为进一步更精确的进行动态精度评定、动态误差诊断与控制,提供了科学的理论依据.     

轴系轮廓重构信号的CEEMDAN—小波阈值去噪方法

针对轴系回转过程中动不平衡引起的位移误差信号含噪问题,提出自适应噪声完备集合经验模态分解(CEEMDAN)—小波阈值去噪的轴系轮廓重构模型。采用CEEMDAN对位移信号进行分解得到各阶本证模态函数(IMF),采用相关性分析提取含噪的IMF分量,并对其进行小波阈值去噪,与经验模态分析EMD—小波阈值去噪方法进行比较,最后将提纯后的信号进行重构。模拟仿真表明,去噪后的信号不仅保持了原有信号的特征,并且有效去除了噪声。将去噪后的信号输入到重构轮廓模型进行试验,结果表明,去噪后分离的单个截面回转误差准确度提高了0.05μm,圆度误差准确度提高了0.0703μm。