基于小波变换的汽车电子漏电信号检测系统设计

汽车电子漏电信号具有较强的微弱性和瞬时性。当前的漏电信号检测方法无法避免这种微弱性和瞬时性的特点,导致漏电信号检测准确性较低。设计并实现了一种新的汽车电子漏电信号检测系统。该检测系统由硬件部分和软件部分构成。在硬件设计方面重点介绍了基于PCI1712数据采集卡的漏电信号采集模块和滤波电路;软件部分由LADVIEM和MATLAB仿真软件共同编程完成,重点阐述了小波变换滤波器的设计方法,并给出部分漏电信号采集程序。实验结果表明,该系统能够有效提高汽车电子漏电信号检测的准确性和检测效率。     

基于快速独立分量分析的脑电波信号降噪

针对原始脑电波信号存在非平稳性且非常容易受到各种信号的干扰等特点,对基于小波变换和快速独立分量分析的脑电波信号的滤波降噪方法进行了研究,说明了小波变换和快速独立分量分析的降噪原理,并通过对利用MindSet耳机采集得到的原始脑电波数据的处理,证明了快速独立分量分析算法可以将原始脑电波信号中包含的心电伪迹和工频干扰等多种干扰信号成功地分离出来,同时比较了两种方法的性能,验证了基于快速独立分量分析的降噪方法具有明显的优越性。     

基于定量小波基选取与改进LDB算法的机械故障诊断

通过研究信息论中的各种测度,提出了一种以信息论中的共信息熵来开展故障信号分析的定量小波基选取的方法;同时针对局域判别基算法(Local Discriminate Bases,LDB)自身存在的一些问题,提出了一种基于改进的局域判别基理论的最优小波基分解算法,构造了以局域判别基空间上的结点能量为元素的特征矢量,并在滚动轴承上进行了实验研究;实验分析表明,该算法可以有效地识别旋转机械系统中不同严重程度的故障,且与原始的LDB算法相比,改进后的LDB算法对提高识别率和降低计算复杂度都有着明显的优势。     

二阶多重同步挤压变换及其在涡轮泵信号处理中的应用

液体火箭发动机涡轮泵振动信号在变工况情况下表现出非平稳和强噪声特性,为特征频率分量提取带来困难。针对该问题,首先,提出二阶多重同步挤压变换(second-order multisynchrosqueezing transform, SMSST)时频分析方法,完成了数学推导并证明了其收敛性。在此基础上,提出基于自适应带通滤波与脊线提取的转频分量提取方法。用仿真信号对SMSST方法进行验证并与传统方法比较。最后,将基于SMSST的转频特征提取方法应用于发动机转速辨识和故障诊断,并用实际数据进行验证。结果表明,与传统时频分析方法相比,SMSST具有更高的时频分析精度。提出的方法可以提供有效、可靠、冗余的转速测量手段,并且该方法可以支撑故障早期预警。     

新型胶原-腐植酸钠复合水凝胶的研制与分析

水凝胶具有弹性高、含水量高,冷效应、保湿性强、形状多变等优点,是医用敷料的主要材料之一。将具有优良生物相容性、促细胞增殖功能的胶原(COL)与具有止血、消炎等作用的腐植酸钠(NaHA)按不同比例(COL∶NaHA)共混并采用自组装方式制备了一种新型胶原-腐植酸钠复合水凝胶,并考察两者间的相互作用及复合水凝胶的结构与性能,以期应用于医用敷料行业。NaHA不改变胶原的三股螺旋结构且两者之间存在氢键与静电作用。当COL∶NaHA≥4∶6时,两者间的静电结合被NaCl所屏蔽,因此体系相容性较好;然而继续增加NaHA会引起聚沉现象。当COL∶NaHA=4∶6时,两者结合率最高,达到93.2%且相容性较好,复合水凝胶的纤维具有明显的D-周期且各方面性能最佳。NaHA的释放较缓慢,24 h后仍有约80%保留在水凝胶中;热稳定性较纯胶原提升了34.9℃;储能模量和损耗模量分别为31.89 Pa和3.99 Pa。此外,随着NaHA的加入,冻干复合水凝胶的孔径缩小、孔隙分布更加均匀;复合膜的亲水性明显提升。     

优化深度残差网络及其在强噪声环境下滚动轴承故障诊断中的应用

针对传统基于深度学习的故障诊断方法存在抗噪性能差、计算复杂度高和泛化性能不足的问题,提出了一种基于深度可分离残差网络（Depthwise Separable Residual Network,DS-ResNet）的滚动轴承故障诊断方法。采用快速傅里叶变换（Fast Fourier Transform,FFT）将滚动轴承一维振动转换到频域进行表示;利用深度可分离卷积（Depthwise Separable Convolution,DSC）计算复杂度低和逐点卷积（Pointwise Convolution,PWC）能增强网络非线性表达的优点,分别代替传统深度残差网络中的两个标准卷积层,构建出优化后的DS-ResNet模型。将各类故障状态下的频域信号作为DS-ResNet模型的输入进行识别分类,结果表明,在信噪比为-4 dB的强噪声环境中,识别准确率达到92.71%;在变转速工况下,平均识别准确率可达90.19%,高于其他常用深度学习诊断方法,且模型每轮的训练时间仅需2.16 s,证明了所提方法具有更好的抗噪性能、泛化性能和更高的诊断效率。     

一种滚动轴承早期故障预警技术及试验验证

针对滚动轴承运行状态在线监测,提出一种新的滚动轴承早期故障预警技术。首先,通过二进离散小波分解提取共振频带;然后,通过自相关分析抑制频带信号中的非周期性成分并进一步提升信噪比;最后,基于小波包络频谱构造一个新的特征量,通过该特征量的变化趋势来反映轴承的健康状态。将新方法应用于滚动轴承在线监测,分别对三组滚动轴承的全寿命试验数据进行分析,结果表明,提出的在线监测技术相较于传统有效值监测更为敏感,能够更早地发现滚动轴承早期微弱故障,实现故障的早期预警及定位。     

基于小波变换和人工神经网络的保护模型

采用一种结合小波变换和神经网络原理的模型,来识别电力系统短路故障．用小波变换提取测量信号的特征量,作为多层前向神经网络的输入．对不同的输出要求,采用不同的神经网络,判断出发生故障的相别、性质和位置．实验结果表明,该模型是有效、可行的．     

超导储能装置用GTO PWM电流型变流器模块方阵

本文提出一种ＧＴＯＰＷＭ电流型变流器模块的连接方法。Ｎ×Ｎ个变流器模块组成一个方阵,通过适当地设计调制信号和载波信号的相位,该方阵能够实现特大功率变换,且网侧谐波得到抑制。由于ＰＷＭ主要用来实现功率的调节,因此ＧＴＯ仅需工作在较低的开关频率。本方案只需用Ｎ个移相变压器,就能获得６Ｎ２脉波变流器的特性。通过仿真,将变流器模块方阵与经典变流器模块直接并列结构作了比较。     

由文本至口形的媒体变换技术的研究

本文根据汉语的发音特点,提出了由基本音素口形参数和预先建立的口形模型来生成各种音节相应的正面口形图象的方法,从而完成由文本至口形的媒体变换,首先我们建立变形物体运动模型,然后由此构造一个口唇的动态发音模型,最后采用纹理映射技术,由基本音素口形参数和动态发音模型合成正面发音口形的图象。