基于小波域平稳子空间分析的风力发电机齿轮箱故障诊断

风力发电机齿轮箱故障信号为非平稳瞬态微弱信号,容易被齿轮啮合信号及其他噪声淹没。提出一种融合连续小波变换(Continuous wavdot transform,CWT)和平稳子空间分析(Startionary subspace analysis,SSA)的信号分解方法并应用于风力发电机齿轮箱故障诊断中。平稳子空间分析作为一种盲源分离技术可将高维数据分解成平稳源部分和非平稳源部分,对待分析信号各分量间的独立性没有要求且不需要任何先验信息。连续小波变换则可利用其所具有的多尺度分析特性把一维时间序列转换为不同尺度下的多维时间序列。对观测得到的一维时间序列数据进行连续小波变换得到多维时间序列作为平稳子空间分析的输入,利用平稳子空间分析方法将该多维时间序列分解为平稳源信号分量和非平稳源信号分量,对非平稳源信号进行包络谱分析得到齿轮箱故障的特征频率。该小波域平稳子空间分析方法被应用于一个实际风力发电机齿轮箱振动信号的分析,试验结果表明该方法可有效地诊断出齿轮箱中的轴承故障。     

基于概率密度空间划分的符号化时间序列分析及其在异常诊断中的应用

提前诊断出机械系统中的异常信息对于防止生产事故的产生非常重要。在各种诊断方法中,符号化时间序列分析(STSA,Symbolic time series analysis)是一种常用的异常诊断方法,然而它的诊断效果和符号化时间序列的形成紧密相关。在对之前方法总结分析的基础上,提出了一种高效实用的符号化方法——基于概率密度空间划分的符号化方法。在该方法中,首先对时间序列进行概率密度统计分析,进而确定若干个概率相等的区间,然后对属于特定区间的值赋予一个特定的符号。为了检验该方法的效果,将基于概率密度空间划分的符号化时间序列分析方法用于轴承疲劳实验的异常诊断当中。通过对比实验表明:概率密度符号化方法相比于传统的空间划分方法对异常更加敏感,能够更早诊断出轴承的异常。     

一种新型节能无线传感节点的设计与组网

设计了一种节能无线传感节点.该设计在智能节点的平台上,完成一个小型无线传感网络的搭建,实现“节点级节能”和“网络级节能”,从2个方面同时节约能耗,达到较好的节能目标.节点节能是通过传感节点的射频功率自适应来实现的,节点可以自动选取最小必要发射功率,在保证可靠通信的基础上实现发射功率最小;而网络节能则是通过估计星型网络和...     

基于提升Keystone变换的声呐宽带自适应波束形成方法

针对Keystone变换在宽带阵列预处理方面的优势和常规Keystone变换存在的阵元数据缺失问题,该文将自回归模型与常规Keystone变换相结合,提出一种基于提升Keystone变换的声呐宽带自适应波束形成算法。该算法首先将常规Keystone变换应用于宽带阵列信号的相位对齐,接着采用自回归模型对变换后各频段缺失的阵元数据进行预测补偿,最后通过稳健自适应波束形成处理获得目标方位输出结果。仿真实验结果表明,基于提升Keystone变换的宽带自适应波束形成算法性能优于常规Keystone自适应算法、指向最小方差自适应算法和聚焦自适应算法。