基于自适应遗传随机共振的滚动轴承微弱故障诊断

随机共振(SR)能够利用噪声能量增强微弱信号,有效降低了噪声信号对特征提取的影响,针对SR方法参数选择时缺少交互以及提取特征诊断效果缺乏验证的不足,提出自适应遗传随机共振(AGSR)的滚动轴承微弱故障诊断方法。AGSR方法利用遗传算法(GA)寻找随机共振的最优系统参数,在考虑参数间交互作用的同时对其进一步优化,有效提高了轴承微弱故障特征的提取效果,随后将AGSR方法提取的特征信号输入堆叠自动编码器(SAE),通过反向传播算法多次迭代优化整个SAE网络,最终实现故障诊断。滚动轴承实测数据的检验结果表明,该方法可有效实现滚动轴承早期微弱故障检测。     

基于EMD和SPM的滚动轴承故障定量诊断方法

在滚动轴承故障诊断中,冲击脉冲法(Shock Pulse Method,SPM)结合包络解调技术可以进行有效的定量诊断。然而通过对轴承振动信号直接进行包络解调计算SPM方法所需的冲击值时,往往会出现误差。因此本文提出了基于经验模式分解(Empirical Mode Decomposition,EMD)和SPM的滚动轴承故障定量诊断方法,首先对轴承振动信号进行EMD分解,再对分解得到的基本模式分量(Intrinsic Mode Functions,IMFs)做包络解调从而得到准确的冲击值,然后利用SPM方法便可以准确地进行滚动轴承故障定量诊断。仿真信号和试验信号的分析结果表明本文方法可以准确有效地进行滚动轴承故障定量诊断。     

多通道信号自校正分布式融合Kalman滤波器

对带未知参数的多传感器多通道自回归滑动平均(ARMA)信号,采用多维递推辅助变量(MRIV)方法得到自回归模型参数估值,通过Gevers-Wouters算法辨识滑动平均模型参数估值,再用相关方法得到噪声方差的估值。把所有的估值都代入到最优分布式融合信息滤波器中得到自校正分布式融合Kalman信息滤波器。该滤波器具有渐近全局最优性,一个多通道信号仿真例子验证了其有效性。     

基于残差神经网络的轴承声发射信号故障智能诊断

近年来,随着人工智能的发展与普及,深度学习算法以其高准确率和鲁棒性成为了目前分类识别技术的热门。传统的轴承故障诊断采用振动信号,对早期故障不敏感。由于传统的人工特征提取方法难以准确的表征滚动轴承状态,深度学习算法便逐渐应用于滚动轴承的故障诊断。因此采用滚动轴承的声发射信号并结合神经网络进行故障检测,以更好的对轴承运行中的早期故障进行识别,为此提出了一种基于一维卷积残差神经网络的轴承故障诊断模型,通过多层卷积叠加以提取出数据中更加关键重要的信息。该模型在诊断中能够自适应的从输入数据中学习出所需要的特征。模型采用categorical crossentropy交叉熵损失函数及Adam优化算法实现滚动轴承的故障诊断。在试验台上模拟了早期轴承内圈、外圈、滚动体、保持架故障等四种故障,并利用模型进行了故障的分析和诊断,研究结果表明文章提出的模型对故障的声发射信号拥有良好的识别能力。     

激光成像仪器振动噪声故障实时诊断方法

为了提高激光成像仪器振动噪声故障检测能力,提出基于高阶统计特征量提取和谱分析的激光成像仪器振动噪声故障检测诊断方法,采用噪声传感信息融合感知方法进行激光成像仪器振动噪声故障原始样本信息采样,对采集的激光成像仪器振动数据进行信号拟合,结合时频特征分解方法对故障信号进行特征分解和多尺度高阶统计特征量提取,建立激光成像仪器振动噪声故障检测的特征提取模型,采用高阶统计特征量和谱分析方法,实现激光成像仪器振动噪声故障实时诊断和检测。仿真结果表明,采用该方法进行激光成像仪器振动噪声故障诊断的检测准确性较高,实时性较好,提高了激光成像仪器故障的实时分析和故障排除能力。     

便携式血气分析仪管路故障智能排除系统设计

血气分析仪是目前临床中常用的仪器之一,可有效检测出身体酸碱值等指标。为有效排除便携式血气分析仪管路故障,提高其工作质量,设计一种便携式血气分析仪管路故障智能排除系统。管路信息采集模块通过单片机调控电压、电流信号采集电路,采集管路电压和电流信号;主控单元驱动滤波器过滤掉这些信号中的噪声,得到有效管路电压和电流信号传输到故障诊断模块;通过专家系统方法按故障诊断流程诊断出故障信息,并将故障信息发送到故障排除模块中,通过合理的故障排除方法排除故障。实验结果表明,该系统可准确排除便携式血气分析仪管路故障,系统运行性能佳。     

基于空-频域联合滤波的列车轴承轨旁声学诊断

现有的列车轴承轨旁声学诊断方法多集中在多普勒效应去除、空间滤波器优化等方面，忽视了轨旁环境中存在的大量冲击性噪声及循环平稳性噪声的影响。针对此问题，文中提出了一种波束形成和目标频带选择结合的列车轴箱轴承轨旁声学诊断方法。该方法采用传声器阵列采集列车轴承阵列声信号，通过时域插值重采样方法校正信号畸变，使用波束形成空间域滤波器提取目标轴承方向信号，利用ICS2gram选取最优解调频带并提取带通信号，对带通信号进行包络分析实现轴承诊断。实验结果表明，该方法能够在轨旁声场环境下有效避免冲击性噪声和循环平稳性噪声带来的影响，准确提取目标轴承信号并诊断出轴承故障，相较于现有方法表现出了更好的效果。     

基于小波包和Hilbert包络分析的滚动轴承故障诊断方法

滚动轴承故障诊断是机械故障检测中的一个重要方面。本文提出了一种小波包分析和Hilbert包络分析相结合的方法对轴承进行故障诊断。首先利用小波包分析将滚动轴承的振动信号分解到不同的节点上。然后求出各频段的能量,根据频带能量的变化情况,找出滚动轴承的故障所在的频带,对故障频带的重构信号做包络谱分析,将谱峰处的频率与滚动轴承的故障特征频率进行对比。诊断出滚动轴承的故障。通过对实验中采集到的滚动轴承振动信号进行分析,证明了该方法在滚动轴承故障诊断中的有效性。     

小波分析在煤矿胶带机滚动轴承故障诊断中的应用

本文介绍了小波变换理论及小波分析的特点,对小波变换应用于煤矿滚动轴承故障诊断的方法和滚动轴承故障特征频率的计算方法进行了研究。根据煤矿胶带机滚动轴承的振动特征,应用小波分解重构的方法对煤矿胶带机滚动轴承的现场故障振动信号进行分析,验证小波变换在提取滚动轴承早期故障信号特征方面的有效性。     

强噪声背景下动车组轴承微弱故障信号检测

动车在高速行驶中,齿轮箱轴承易发生裂纹、点蚀等故障.为了在故障发生的初期检测出微弱的故障频率成分,本文提出了一种基于小波降噪预处理的周期势振动共振的轴承故障诊断方法.利用小波包提取轴承的固有共振频带,重构提取出的信号,滤除其中的强噪声干扰,随后将信号输入周期势振动共振系统,增强了故障特征.同时,本文建立了考虑振动共振系统中高频激励信号幅值的优化模型,并采用蚁群算法实现了其参数的自适应优化,得到输出信号后将其转化到频域分析,从而检测出轴承早期故障.实例分析表明,所提方法的数据处理结果相比单独采用随机共振的结果更精确,误差缩减至0.3％.     

基于形态中值小波的滚动轴承特征提取

为了提取隐含在噪声中的滚动轴承的故障信息,提出了一种基于数学形态学的形态中值小波分析方法。形态中值小波具有形态学的形态滤波特性与小波分解的多分辨率特性,且是基于信号形态特征的非线性分解。形态变换只有加减法和取极大、极小运算,计算简单。仿真和实验数据表明:该方法能有效的提取信号的故障特征,适用于轴承故障的在线监测和诊断。     

基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法

为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,以此获得振动信号的初始特征。再运用奇异值分解和自回归(AR)模型方法得到滚动轴承各状态振动信号的特征向量,并将其输入到改进的超球多类支持向量机中进行智能识别,从而实现滚动轴承的正常状态,不同故障类型及不同性能退化程度的各状态识别。实验结果表明,相比基于经验模态分解结合自回归模型或奇异值分解的特征提取方法,该方法可更有效地提取滚动轴承故障特征信息,且识别精度更高。     

利用自适应滤波星载激光测高仪回波噪声抑制方法

具有波形记录功能的星载激光测高仪,通过回波信息解算地表与卫星平台距离和反演地物特性。目前广泛采用的固定宽度高斯滤波方法在抑制回波噪声过程中造成有效信号变形,对提取信号有效参量造成严重干扰。根据分块信号统计特性不同的规律,提出了激光测高仪回波噪声均值和方差的估计方法;根据回波信号的统计特性,设计了一种宽度自适应的高斯滤波器。通过GLAS系统实测回波信号的噪声估计与自适应高斯滤波、高斯拟合,得到的波形处理结果与GLAS官方数据有很好的吻合度,噪声均值估计误差小于0.4个数字化仪单位,有效高斯参数计算误差小于1%。该方法能准确地提取波形参量,为地表高程解算和目标表面信息反演提供有效数据。     

基于MAX267的自适应带通滤波器的设计

叙述了用开关电容滤波器MAX267构成二阶自适应带通滤波器的设计.根据驱动信号的频率,运用锁相倍频原理为MAX267提供时钟信号,使其带通滤波中心频率将跟随特征信号频率变化,克服了传统滤波器带通中心频率不易改变的缺点,解决了大功率超声应用中基波信息的提取问题,为频率跟踪和功率控制提供了可靠的信息.实验结果表明,该滤波器较好地实现了自适应带通滤波的功能,能应用于大功率超声设备中.     

一种基于Mel域的自适应时频参数

论文通过对Mel标度滤波器组进行分析,提出了一种基于Mel域的带噪语音信号的自适应时频参数。该参数能根据噪声环境自适应地选取Mel标度滤波器组中能有效区分语音和噪声的频带,获取有用的频域信息。理论分析和仿真实验表明:该方法在低信噪比下有较好的检测性能,由于其自适应能力,很少依赖信噪比,性能可靠。     

噪声环境中的双声道音频回波抵消模型构建

为提升远端说话人员的分辨率，保证真实空间化听觉感受效果，构建一种噪声环境中的双声道音频回波抵消模型。该模型以子带自适应滤波器组为核心分解音频信号，使其形成若干个子频带信号；在子带域内计算噪声干扰阈值，依据阈值的计算结果并结合人耳听觉特性，叠加独立分布白噪声，实现各个子带的回波抵消。在此基础上，引入步长补偿因子和反馈控制理念改进最小均方算法，优化滤波器组参数，提升双声道音频回波抵消效果。测试结果表明：所设计模型可有效处理音频信号中的噪声信号，抵消后的音频信号信噪比均在3.5 dB以上，音频信号的振幅误差均在0.2 V以下，能够提升远端人员说话的分辨率，保证音频质量。     

心电信号处理中的数字滤波器的设计

心电信号是一种基本的人体信号,其中常带有肌电干扰、基线漂移和工频干扰等各种噪声,为了得到不失真的原始心电信号,在显示信号前要进行必要的滤波预处理.介绍了处理ECG信号中滤波器的设计,包括去除噪声的低通、高通和带阻滤波器.     

基于改进ALIF与FA-BP的滚动轴承故障诊断

针对滚动轴承的故障信号存在大量噪声信号和滚动轴承故障的准确诊断等问题，提出一种基于改进自适应迭代滤波算法与萤火虫算法优化BP神经网络相结合的故障诊断新方法。首先采用自适应迭代滤波算法对故障信号进行分解得到若干个内禀模态函数，再进行奇异值分解，绘制差分谱曲线并选择重构信号，对其进行二次降噪；然后通过萤火虫算法寻找BP神经网络的最佳参数，建立FA-BP故障诊断模型，提取降噪后的内禀模态函数中心频率形成特征矩阵，输入故障诊断模型；最后应用于美国凯斯西储大学的轴承数据进行检测，准确率达99.4%，诊断时间为3.18 s。该方法与BP神经网络、萤火虫算法网络、遗传算法网络、遗传算法优化BP神经网络的诊断模型相比，大大提高了诊断效率并具有较高准确率。     

心电信号检测中滤除肌电干扰的方法

心电信号检测是医生诊断治疗心血管疾病的重要辅助手段,但由于心电信号检测实际条件不理想,心电信号中常混有各种干扰信号,常见有肌电干扰、基线漂移和工频干扰。文中针对肌电干扰,采用数字滤波方法进行了去除噪声的滤波器设计。并通过对心电图信号滤波器的设计,不仅提高了ECG信号滤波器的去噪效果,且提高了工作效率。     

有源滤波器与开关电容滤波器的性能比较

为了对一低频信号进行带通滤波及放大,采用由R、C和集成运算放大器组成的有源带通滤波器与开关电容滤波器两种方案,通过对实验数据的分析得出,有源滤波器的无输入噪声比较小,但是信号在中心频率附近变化时,输出信号的相位变化比较大;开关电容滤波器可以方便的改变中心频率及Q值,但是无输入时噪声比较大。