基于磁转速信号的自适应增益采集系统设计

针对线圈式磁传感器随测量转速变化所产生的电动势信号幅值线性变化,为实现此类幅值与周期动态变化信号的无失真采集,设计了一种增益随输入信号幅值水平改变的自适应增益采集系统。本系统以现场可编程门阵列(FPGA)为控制核心,对输入信号幅值进行分析,根据幅值分析结果控制电路增益在-20dB~80dB范围内自适应改变,并记录系统当前时刻增益,根据当前增益还原得到输入信号,将增益信号和还原信号同步存储。采集信号经自适应增益后输出信号幅值控制在设定范围内,利于对动态信号中不同幅值区间信号变化细节直接观察。通过幅值在20μV~10V范围内转速信号输入测试,系统自适应增益后信号幅值控制在了0.1V~4V范围内,实现了对动态转速信号的无失真采集,验证了本自适应增益采集电路的性能,在高动态幅值信号采集领域,具有良好的应用前景。     

内弹道加速度信号误差优化方法研究

在使用弹载存储式加速度传感器系统进行火炮内弹道的运动参数获取时,由于其内部电源纹波与传感器自身所携带干扰等原因,采集到的加速度信号携带多种噪声,导致加速度解算误差变大。为了减小加速度的解算误差,提出了基于改进自适应噪声的完备集成经验模态分解(ICEEMDAN)的加速度信号处理方法,并根据Spearman相关系数与模糊熵值的综合评价方式对模态分量进行降噪处理,使用处理后的模态分量进行加速度信号重构。对重构前后的加速度信号进行时频域分析和多种算法滤波效果对比,结果表明,信号中的噪声被有效滤除,相对于数字滤波、平滑滤波、EMD等算法,ICEEMDAN算法处理后的加速度信号的信噪比有明显提高;处理后的加速度信号解算的平均相对误差率为2.67%,相比于直接对原始信号速度解算,平均相对误差率减小了9.43%。因此在对内弹道加速度信号进行解算时,使用ICEEMDAN算法进行信号处理可以有效降低积分解算误差。     

基于VMD和小波分析的油液磨粒信号去噪方法

油液金属磨粒检测传感器通过监测机械设备油路中的金属磨粒,可实时反馈机械设备故障特征。为了提升油液磨粒检测传感器的检测精度,文章提出一种针对油液磨粒信号的变分模态分解（Variational Mode Decomposition,VMD）结合小波分析的去噪方法。首先,通过计算各模态分量与原始油液磨粒信号的相关系数确定最优K值;其次,对原始信号进行VMD分解,筛选出特征分量;最后,利用小波阈值去噪方法对特征分量进行降噪处理。实验结果表明,与经验模态分解（Empirical Mode Decomposition,EMD）和传统小波去噪方法相比,本方法的信噪比最高,均方根误差最小,能量占比最大,在油液磨粒信号降噪效果中表现最好,有利于提升磨粒检测传感器的检测精度。     

金属磨屑在线检测电子系统

针对机械设备运转油液中存在的金属磨屑检测设备复杂、检测步骤繁琐、实时性差等问题,设计了基于电磁感应原理的油液金属磨屑在线检测电子系统。通过研究电感式系统检测磨屑的原理,设计了磨屑检测传感器、激励控制器、调理采集电路和磨屑识别程序。在8 mm的油路管径中进行试验测试,铁磁磨屑的信号波形主峰呈“W”型感应增大,最小检测磨屑150μm的信号电压差133.301 mV;铜磁磨屑的信号波形主峰呈“M”型感应减小,最小检测磨屑300μm的信号电压差-96.378 mV。结果表明,系统具有检测效率高、体积小的特点,对机械设备运作性能评估和故障预防诊断有重要意义。