涡街流量计的压电探头最优距离和新型测量方法研究

针对涡街式流速传感器中电信号微弱并且提取特征涡街信号困难,基于压电方程和湍流N-S方程,建立了流-固-电耦合仿真计算模型,构建了流速测量的新方法.通过理论分析和风洞实验,获得了圆柱绕流体直径(D)、空气流速(v)与压电传感距离(L)以及功率(P)之间的影响规律.仿真计算和实验结果表明:通过提取频域曲线中涡激频率下的功率作为涡街的传感强度,有助于感知微弱的空气流速信号,同时解决噪声等电路上的干扰影响.其次,D增加,最优传感距离(Losr)增加;D不变时,功率(Posr)随流速增大而提高,且Losr不变;通过分析得出了采集信号在Losr下最优的本质原因—在该处,涡街成熟且脱落稳定、升力系数(CL)稳定.最后,该压电装置测量的最低流速为0.3 m/s.     

跟踪型数字滤波方法在涡街信号处理中的应用

涡街流量计广泛应用于流量测量领域。由于测量现场工况复杂,涡街流量信号常会掺杂着各种噪声干扰。尤其低流速时,涡街信号微弱,常被噪声淹没,如何提取真实的涡街信号是涡街信号处理的难点。提出一种新的算法来滤除噪声并提取涡街信号。该算法是基于涡街信号特征来设计的一种特殊滤波器,它能够实现涡街信号幅1／f2值衰减并且动态跟踪真实涡街信号频率。实验结果表明该算法能够自动识别涡街信号,滤除噪声。该算法严格控制了计算量,信号处理精度高,适合于工业现场应用。     

一种基于MUSIC算法的涡街信号处理方法

针对涡街流量计易受管道振动和流场扰动引起噪声干扰的问题,提出了一种基于MUSIC算法的涡街信号处理方法.介绍了涡街流量计的测量原理,建立了噪声环境下的涡街信号模型,并阐述了MUSIC算法的基本原理,在此基础上,分别对多种噪声环境下的涡街信号进行仿真研究.仿真结果表明:所提的涡街信号处理方法能有效地抑制噪声,高精度地分辨频率点,对改善涡街流量计的性能有良好的效果.     

基于耦合随机共振的涡街信号检测方法研究

涡街流量计在工业现场使用时,输出信号中会叠加噪声信号。涡街信号容易被噪声淹没,使小流量测量受限。近年来,基于非线性理论的随机共振(SR)方法为微弱信号检测提供了新途径。非线性系统设计及参数确定是其成功应用的关键。提出了一种基于遗传算法的耦合随机共振系统优化控制方法。对耦合系数、控制系统参数以及变换尺度3个参数进行并行优化,提高了输出信号的功率谱幅值,增强了对微弱信号的检测能力。理论分析和数值仿真结果表明:该方法能够自适应地对不同频率周期信号进行处理,快速搜索到参数最优值。将该方法用于小流量涡街信号分析,能够在信号微弱、噪声强的情况下有效提取涡街信号的特征频率,并获取流量值。该研究成果适用于其他涉及强噪声中微弱信号检测领域,对拓宽随机共振应用范围、解决工程实际问题具有重要意义。     

基于Matlab的涡街流量计小波去噪研究

应力式涡街流量计采用压电传感器,其输出的电荷信号不仅幅值极小,而且常受噪声影响,尤其是低流速情况下,噪声信号甚至能覆盖流量信号,使得信噪比很低,低流速时涡街信号处理成为研究难题。小波分析法是一种新兴的信号处理技术,通过将不同频率成分分解到多个不同频带上,能有效的解决信噪分离、信号滤波和特征提取等问题。应用小波阈值去噪法,在Matlab中对不同频率的涡街信号进行了仿真研究,得出当涡街信号的频率为5Hz到30Hz、采样频率为1k Hz时,可以在四至六这三层的小波分解频段中选择最佳分解尺度。并从处理结果来看,该方法有效的去除了由无规律振动引起的噪声,同时随着涡街信号频率的增强,去噪效果越来越好。     

改进类Lorenz系统在微弱谐波信号识别中的应用

基于类Lorenz系统构建了改进类Lorenz系统.借助概率论、数理统计原理,揭示了不同功率噪声对该系统阈值可信度的影响;利用加入微弱谐波信号前、后系统吸引子个数变化的阈值差值,识别出待测谐波信号的幅值.利用系统的分岔图,研究加入高斯白噪声前后系统吸引子的个数随参数变化的情况.在强噪声作用下,通过大数定律,从加入微弱谐波信号前、后系统分岔图中统计系统阈值,以统计数据中的众数作为所构建系统的阈值.利用阈值的差值识别出了与内置周期驱动力同频微弱谐波信号的幅值,且检测效果的可信度和正确率为89.5%,检测最低信噪比为-33dB.数值仿真对比结果表明改进类Lorenz系统比Duffing系统、受控类Lorenz系统具有阈值可信度高、检测门限低、信噪比低的优势,更适合在强噪声背景下识别信号参数.进一步地,在Simulink仿真结果的基础上,通过Multisim软件搭建改进类Lorenz系统的模拟电路图,验证本文的理论研究结果在工程实际化中有一定的可行性.     

基于EMD的幅值归一化涡街流量计信号处理

采用经验模态分解(EMD)方法对涡街信号中混杂的干扰噪声进行滤除,提取出真实的涡街信号。该方法首先将原始信号输至二阶低通滤波器进行幅值归一化,然后将处理后的信号经EMD算法分解成各噪声分量和真实涡街信号分量,进一步通过施密特阈值翻转法统计频率并且判别出真实的涡街信号所在的分量,从而达到提取涡街信号的目的。最后,通过对在线涡街流量信号进行仿真分析,验证了该数字信号处理方法的有效性。     

小波神经网络在微弱信号检测中的应用

因为噪声总是会影响检测的结果,所以低信噪比下的信号检测是目前检测领域的热点,而强噪声背景下微弱信号的提取又是信号检测的难点。小波神经网络比数字滤波器更加适合检测微弱信号。小波神经网络是一种时频分析的自适应系统,它能检测信号中的微小变化。该文提出了一种新的检测白噪声中微弱信号的方法。仿真结果表明,小波神经网络在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

基于小波核函数-支持向量算法的信号检测

关于水声信号检测优化问题,对在极低信噪比情况下被背景噪声所淹没的微弱信号进行检测时,由于舰船航行时接收目标信号的噪声较大,使检测更加困难。通过对谐波小波变换和支持向量回归算法的分析,在谐波小波函数的窄带信号分析支持向量回归基础上,提出了一种谐波小波核函数-支持向量回归的信号检测算法,实现小样本情况下微弱信号的检测。通过仿真信号和海上实测噪声数据的分析,利用改进算法可以很好地检测出在极低信噪比情况下噪声背景中的微弱信号,从而验证了改进算法在低信噪比情况下检测线谱信号的有效性。     

基于特征向量盲分离的多频微弱信号检测方法

研究了低信噪比条件下混合信号的盲分离,针对实际探测的微弱信号常常是多个频率微弱信号共存的情形, 进行了利用特征向量盲分离检测多个频率周期性微弱信号的研究, 以便把利用特征向量盲分离的微弱信号检测应用于信号处理中微弱信号的提取.该方法首先建立混合信号阵元接收模型,利用多路传感器信号盲分离提取有用信号,达到微弱信号检测的目的.仿真和实测数据试验结果表明,此方法可检测出湮没在强噪声环境中的微弱信号的幅度和频率,在-30dB极低信噪比下恢复出了多个弱信号,具有很高的可靠性.     

基于滑动窗实时小波降噪的扩张状态观测器及自抗扰控制EI北大核心CSCD

自抗扰控制技术应用已日渐成熟,但当系统中存在高频非平稳噪声信号时,线性自抗扰控制(LADRC)存在难以选取合适的观测器带宽的问题:当带宽较小时,线性扩张状态观测器(LESO)难以实现对总扰动的实时观测,会造成时滞;当带宽较大时,LESO又会放大噪声对系统的影响,从而造成总扰动观测失真.为了解决这一问题,将小波降噪环节加入LADRC中,通过设计基于滑动窗实时小波降噪的LESO,对含噪输出信号进行实时降噪.使用Simulink搭建系统模型,分别在输出信号中加入高斯白噪声或谐波等不同类型的高频非平稳噪声进行仿真实验,并将所提方法与滑动平均法进行对比,结果验证了所提方法的有效性.     

基于双调制随机共振的涡街信号检测方法

研究一种用于涡街流量计涡街频率测量的随机共振信号处理方法.探讨了信号与双稳系统的阈值和克莱默斯逃逸率之间的关系,通过外加幅值和频率可调的信号进行双重调制,实现信号与双稳系统的匹配,数值仿真表明该匹配方式是可行和有效的.针对涡街信号,提出基于标准差的调制参数选取方法,该方法利用涡街信号特征,通过信号标准差估计管道内流速,缩小了调制参数的选取范围,提高了信号与双稳系统匹配的效率.实验结果表明,利用标准差选取调制参数对涡街信号进行调制,可以有效地使涡街信号,特别是弱涡街信号产生随机共振,进而检测到涡街频率,实现流量测量.     

分层注水工艺中涡街流量计信号处理方法研究

在一体化分层注水工艺中,每个层段的流量都要精确测量,而其所需的流量计必须能长期置于井下,综合考虑选择涡街流量计作为智能分层注水工艺中的流量检测装置.但涡街流量计易于受到管道震动和流场扰动引起的噪声干扰,且注水管道在注水的过程中更容易产生干扰信号,尤其在小流量处很难分辨出传感器产生的频率信号.本文根据涡街流量计的特点,提出一种以硬件和Mallat算法相结合,处理低频段无法分辨的问题,并进行了试验验证和现场应用.实验结果表明,使用该种方法,能有效的减少噪声干扰,降低了流量计的下限,提高了精度.     

一种基于小波变换的红外导引头信号检测方法

针对某型号红外导引头信号的检测问题,提出了一种基于离散平稳小波变换的微弱脉冲信号检测方法.根据有用脉冲信号与噪声信号在频谱特性上的差异,对导引头信号进行多尺度的离散平稳小波变换,利用分解后得到的低频近似信号逼近信号中的低频噪声来滤出低频噪声的干扰,同时采用阈值去噪的方法处理信号中的白噪声.将该方法应用于仿真信号和真实导引头信号检测,仿真实验结果表明:该方法在有效克服传统离散正交小波变换去噪时容易产生的Gibbs现象的前提下,极大地提高了导引头信号的信噪比,增强了导引头的探测能力.     

基于频率跟踪方式的智能滤波信号处理系统研究

频域模式化分析或时域波形理论等方法在实现与应用上存在一定局限性.介绍了一种较新颖的自适应滤波系统的实现方法,它是利用FFT谱分析抽取的信号主频来实现滤波中心频率实时跟踪及带宽分段变化.实验测试结果表明：该系统具有在较强背景噪声下,跟踪提取有用信号并精确计算信号频率的功能,可为涡街流量计信号处理等工程实际中信号的进一步应用提供研究基础.     

微弱通信信号盲检测技术

在研究背景噪声和目标信号不同特性的基础上提出一种实用的非合作微弱信号盲检测技术。对新的检测技术进行理论分析和算法流程的阐述。并针对复杂电磁环境下多信号检测的性能和低信噪比环境下单信号检测性能进行仿真与分析。表明新的检测方法在高斯白噪声信道下对不同的无线信号都有较好的检测和估计精度,而且具有运算量小、精度高、易于硬件实现的特点。     

基于混沌理论的微弱信号检测方法

分析了间歇混沌模型———Duffing振子的混沌特性,利用Duffing振子的非平衡相变对微小信号具有敏感性及对白噪声和与参考信号频差较大的周期干扰信号具有免疫力的性质,采用混沌振子阵列实现对噪声背景下微弱信号的检测;并采用梅尔尼科夫方法作为混沌判据,该方法的优点在于可以直接进行解析计算。仿真实验表明:该检测方法简单、有效,检测的精度比较高。     

免疫算法自适应滤波器对白噪声的抑制

实际信号经常会受到白噪声及高次谐波的影响,由于白噪声频谱分布在整个实数域,常用的滤波器很难将其滤除。讲述了自适应滤波器的原理及用免疫算法自适应滤波器,对白噪声及高次谐波进行抑制的方法。通过免疫算法对自适应滤波器的权向量进行优化,并用均值滤波的方法对自适应滤波器的滤波结果进行进一步滤波,然后用MATLAB对该算法进行仿真。将免疫算法自适应滤波器的仿真结果和LMS滤波算法的仿真结果进行比较,表明免疫算法自适应滤波器能对白噪声及高次谐波进行有效的抑制。     

基于EMD阈值算法的脉冲涡流信号消噪

针对脉冲涡流信号夹杂着较多的高频噪声,提出了一种新的经验模态分解阈值消噪算法。首先将信号分解为多个本征模态函数（Intrinsic Mode Function,IMF）,对信噪比低的高频IMF进行减小噪声能量处理后得到重组信号;再对重组信号进行EMD分解后根据白噪声统计特性对IMF筛选,对噪声含量多的IMF进行小波阈值消噪;最后将处理过的IMF与噪声含量少的IMF重构得到消噪后的信号。实验仿真的结果和数据表明,该方法可以减少失真,获得更高的信噪比,能够较好地消除噪声的干扰恢复出原始的信号。