周期测量误差对周期信号相位谱的影响

从离散傅氏变换定义出发,探索了周期测量误差对周期信号频谱的影响,并推出了各谐波分量的初相位误差与周期测量误差、一周内采样点数、样本长度所包含的周期数和分量阶数之间的简化关系式,便于工程应用。仿真结果表明,该简化关系式适于工程实际应用。     

平稳随机噪声中暂态信号的检测方法

提出一种在平稳随机噪声中检测暂态信号的循环双谱切片方法,同时给出仿真结果。     

基于Duffing振子的噪声背景下微弱周期信号检测

为有效地实现噪声背景下弱信号的提取,阐述了间歇混沌模型Duffing振子的混沌特性。利用Duffing振子对微弱信号具有敏感性、对噪声与频率差较大的周期干扰信号具有免疫力的特性,研究了基于Duffing振子在噪声条件下检测微弱周期信号、复合频率信号和未知频率信号的方法,用数值仿真验证了该方法的可行性。研究结果表明,基于Duffing振子的信号检测方法对极微弱周期信号检测有其独到的优势,其频率误差率在控制范围之内。     

测试系统中非平稳信号的时频优化小波包检测算法

非平稳信号为测试系统所测试分析的主要目标之一.对于这些信号传统的检测方法(例如:傅里叶变换)不能起到有效的分析作用.小波包变换是非平稳信号分析的常用工具.Shannon小波函数是现有的单小波家族中唯一能够对信号频域进行严格划分的小波函数,但是由于其时域的非紧支性限制了其应用.本文通过对Shannon小波函数的时频联合优化,改善了其在非平稳信号检测过程中的性能;首先在时域上,改写其时域表达式,并保留其频域的紧支性,提升了其时域的紧支性;其次在频域上,提出了对Shannon小波函数频域滤波器的插值算法,改善其频域的滤波性能;再次,通过牛顿插值法给出了算法的快速实现;最后,做出了仿真实例.结果表明,通过本文的算法,改善了Shannon小波包变换的性能,使其成为测试系统关于非平稳信号检测的有效手段.     

基于全相位FFT的故障信号检测方法

针对机械系统中的机械故障信号检测,首次提出了一种通用的全相位FFT检测方法.全相位FFT就是自身的频谱分析功能来实现对信号相位、频率和振幅的判决,所得到的相位没有误差,振幅误差也远小于基于FFT的检测技术.通过理论分析和MATLAB仿真,全相位FFT检测得到的信号相位误差为0,频谱校正后的振幅和频率误差也非常低,表明了该方法在故障信号检测中的可行性和正确性.     

小波变换在瞬变信号检测中的计算机仿真及应用

利用连续小波变换对模糊瞬变信号进行了仿真,试验结果表明,此方法灵敏度高,对噪声具有较好的鲁棒性。在此基础上探讨了基于离散小波变换的刀具破损的检测情况,取得了较好的效果,解决了以往此类故障由于干扰大而难以识别的困难,为故障诊断领域提供了一种非常有效的手段。     

强噪声背景下的滚动轴承故障微弱信号检测新方法

分析共振解调技术和小波变换在滚动轴承故障诊断中存在的不足,提出一种用于提取滚动轴承微弱信号的新方法,该方法将时间序列模型(AR模型)和多重自相关方法应用于滚动轴承信号降噪,再利用小波包络分析,提取出反映滚动轴承故障的特征频率。通过对新方法包络谱特征的自动提取,实现了基于支持向量机(SVM)的智能诊断。实际试验验证了新方法的正确有效性。     

非平稳背景噪声下声音信号增强技术

在电力电缆故障精确定位中声磁同步法由于具有精度高与抗干扰能力强的优点而得到广泛的应用,但放电声音信号的有效检测是其难点。由于小波包变换在检测正常信号中是否含有瞬态异常现象方面具有独特的优势,自适应滤波器具有对信号和噪声的先验知识需求少的特性以及遗传算法具有不依赖于具体问题的优点,提出了一种基于小波包变换分解信号、自适应滤波估计噪声与遗传算法寻优重构相结合的声音信号增强算法。实验研究表明,该算法精确性高、鲁棒性强,尤其适用于电缆故障点放电声不明显时声音信号提取的情况,从而解决了电缆故障精确定位中对背景噪声要求高、识别范围小的问题。     

基于相位相关和差分相乘的动态背景下运动目标检测

本文提出一种基于相位相关和差分相乘的动态背景下运动目标检测方法。首先用相位相关算法配准由于摄像机运动导致的图像背景旋转、缩放和平移量,然后用连续四帧图像差分相乘的方法分割出运动目标的轮廓,最后用形态学图像处理方法填补运动目标中的小空洞,并滤除残留的孤立噪声点。经过对多个视频序列的试验验证,结果表明该方法具有良好的性能,它对于各种因素的影响,如光照变化、背景中树叶晃动等局部微小变化、背景配准误差等,都有很强的适应能力。     

小波变换轮廓术中快速相位展开方法研究

针对小波变换轮廓术中相位展开的精确性和快速性问题,提出了一种新的适用于小波变换轮廓术的相位展开方法.在使用小波变换得到条纹图像的相对相位分布的基础上,详细分析了利用小波变换脊处的尺度因子建立质量图指导相位展开的理论依据和实现方法,这种质量图建立方法有效反映了条纹图像各点的可靠性.在相位展开方面,针对全局洪水相位展开算法计算时间较长的问题,提出了根据质量图将相对相位分布图分层,然后逐层采用不同算法展开的方法.与全场洪水相位展开算法相比,该方法在保持较高测量精度的同时极大减少了相位展开所需的运算时间.计算机仿真和实物测量实验说明使用该方法可以得到准确的绝对相位值,处理速度较快.     

运用总体经验模态分解的疲劳信号降噪方法

将总体经验模态分解(ensemble empircal mode decomposition,简称EEMD)用于疲劳应变信号降噪,并与小波变换(wavelet transform,简称WT)方法进行了对比.提出了基于EEMD方法的疲劳应变信号降噪计算步骤,并分别用于模拟信号、试验数据和实测资料的降噪处理.讨论了EEMD计算参数对降噪效果的影响,给出了计算参数的选取原则.结果表明,EEMD方法可以较好地降低疲劳信号的噪声,提高应力循环次数统计的准确度,具有自适应的特点.     

基于EEMD和HT的三相异步电机断相故障检测研究

三相异步电机发生断相故障后,运行状态将会发生突变。若长期带故障运行,将会导致电动机性能下降甚至烧毁。提出了一种基于集合经验模态分解(EEMD)和希尔伯特变换(HT)检测三相异步电机断相故障的新方法。检测三相异步电机定子线电压,对其进行小波包降噪处理后,利用EEMD将其分解为一系列的固有模态函数(IMF),对每个IMF进行希尔伯特变换得到相应的瞬时频率(IF),在定子线电压第五个固有模态函数的瞬时频率图上可以清晰地识别出断相故障特征。仿真实验结果表明,利用EEMD和HT可以有效地检测出三相异步电机的断相故障,获取其精确的开始结束时间。     

基于相位角变化的桩基缺陷位置识别方法

传统的低应变反射波信号解读方法具有很大的经验性,因而对桩身的缺陷位置常常作出错误的估计。为合理判断桩身缺陷位置,提出一种新的基于相位角变化的桩基缺陷位置改进识别方法。首先,利用解析模态分解定理和递归希尔伯特变换提取了重点关注频带范围内的反射波纯调频信号;其次,对提取的纯调频信号进行小波变换并通过相位角的变化判别桩身缺陷位置;最后,通过王乾1号大桥桩基实测数据验证了所提出方法的有效性。研究结果表明,该方法能够有效判断桩身缺陷疑似位置,为后续的缺陷位置排查提供了便利,但仍需结合其他桩基损伤识别方法和相关工程资料进行验证。     

平稳小波变换在轴承振动信号去噪中的应用

为有效提取振动信号中的故障特征,提出了一种基于平稳小波变换的降噪方法,阈值大小取决于不同尺度上故障信号的小波分解系数的峭度。实例分析表明,该方法具有良好的去噪性能,并能很好地提取振动信号中的故障特征。     

小波变换在弱信号检测中的应用研究

介绍了小波变换原理,将小波变换用于弱信号检测并与传统的傅里叶变换方法进行了比较,仿真结果表明,小波变换能有效提高信噪比。     

某机载雷达频综器相噪故障诊断与试验分析

针对某机载雷达的频综器在振动环境下相位噪声(相噪)相比静态环境下恶化明显,不符合动态指标要求的情况进行故障诊断和试验分析。通过相噪主要来源分析和振动特性试验,探明了振动环境下导致相噪恶化的主要原因,并提出改进方案。最后对改进后频综器的相噪水平进行试验评估,结果显示频综器的相噪全面达到指标要求,成功解决了该频综器在振动环境下相噪恶化的问题。     

DDS噪声信号发生器设计研究

基于DDS原理,采用模块化设计方法,通过Cypress公司的PSoC Designer集成开发平台,设计出了一种可调带宽和功率的噪声信号发生器.系统电路具有结构简单、实用性强、可靠性高及便携,利用一片芯片实现整个系统DDS原理的全部功能等优点.     

具有随机型和区间型干扰因素的产品健壮设计研究

针对随机型和区间型干扰因素共同作用条件下的产品健壮设计问题，在同时考虑设计目标健壮性和设计约束可行健壮性的基础上，提出了健壮设计的分位数型设计准则；在该设计准则的基础上，建立了产品健壮设计的分位数优化模型，保证了所设计产品的抗干扰能力和可靠度。通过汽车离合器膜片弹簧的健壮设计实例，验证了该方法的有效性和实用性。     

周期稀疏导向超小波在风力发电设备发电机轴承故障诊断中的应用

机械故障特征提取的内积变换原理要求匹配基函数与目标特征之间的相似性。在缺乏故障特征的精确信息这一不利条件下,根据故障呈现出的确定性以及统计特性能够有效指导基函数的选择和构造针对发电机轴承发生故障时常伴随周期性特征的先验知识,提出冲击故障特征周期性稀疏为导向的超小波构造方法。所提出的超小波变换利用可调品质因数小波变换作为匹配字典库,从而改进经典的基于单一固定基函数的小波分析思想。在技术路线上:首先采用超小波字典库对信号进行分解,计算各小波尺度上的周期性稀疏故障特征能量权重指标;以该权重指标优化为目标函数作为评价超小波字典与微弱故障特征匹配相适度的依据选择的可调品质因数小波最优刻画参数(即最优超小波);利用最优的超小波基函数对信号进行最终分解,获取其中的关键故障特征。所提出方法成功地应用于某风力发电机组上发电机轴承故障诊断,从中提取振动信号中隐藏的微弱冲击性故障特征。