EMD自相关阈值去噪法在水电机组振动信号中的研究

经验模态分解(EMD)可将信号分解成若干不同频率的固有模态函数(IMF),传统EMD去噪法只对高频IMF分量进行处理,但缺乏有效的IMF选择依据。自相关能量准则可以定量筛选出含有噪声的IMF分量,利用改进的小波阈值去噪法对这些含噪IMF进行处理,然后重构所有IMF分量得到去噪后的信号。将这种EMD自相关阈值去噪法用于水电机组振动信号中,通过实例仿真,将去噪前后的信噪比和均方根误差进行比较,结果表明这种去噪方法能有效用于水电机组振动信号中。     

玉米联合收获机清选损失监测装置设计与试验

针对玉米籽粒收获时,损失率检测不准的问题,以压电薄膜作为敏感材料,设计了一种由冲击传感器、信号处理电路和安装装置等组成的玉米收获机籽粒清选损失监测装置,并采用支持向量机多分类算法提取玉米籽粒冲击信号,实现了玉米籽粒损失的实时监测。首先,在不同冲击角度和高度的试验条件下,对不同大小的玉米籽粒和杂余进行冲击信号的采集试验,提取冲击信号的主要特征。采用支持向量机多分类算法对模型进行训练,并在监测装置上实现实时分类。使用不同品种和含水率玉米对分类模型进行验证。然后,在不同风机转速和清选筛开度条件下,得到测试时间内传感器检测的籽粒数与总损失量之间的关系,并根据谷物流量值,计算得到实时的清选损失率。最后,将该监测装置安装在4YL-8型玉米联合收获机上进行田间试验。结果表明,该监测装置与人工检测相比,平均相对误差为12.98%,可以为收获机的控制提供反馈信息。     

基于STM32的联合收获机清选损失监测装置的研制

联合收获机清选损失率是评价其工作性能的重要参数,也影响着驾驶员对联合收获机作业的调整。针对目前联合收获机谷物清选损失实时测量精度不高的问题,设计了一种基于STM32F407的谷物清选损失监测装置,包括损失信号传感器、信号处理模块、单片机、CAN总线、LCD显示、报警模块及电源模块。装置能够快速反映籽粒冲击情况,实时采集联合收获机清选损失信号,同时通过CAN总线同步接收联合收获机的相关作业参数,由清选损失计算模型综合上述参数得到实时清选损失率,并将其发送至总线,方便其他系统获取使用。台架实验表明:装置标定误差小于4.53%,能实现与总线的数据交换,实时显示清选损失率;当损失率超标时,能及时提醒驾驶员进行作业调整。     

基于EDEM小麦收获机清选损失监测试验装置设计

针对小麦损失监测传感器结构复杂、成本较高的问题,对收获机清选排杂口不同物料运动特性进行研究,揭示小麦与秸秆撞击敏感板的作用规律,从清选抛出物冲击敏感板的力学特性出发,设计一种小麦收获机清选损失监测试验装置。通过离散元分析软件EDEM分析小麦籽粒、50 mm秸秆、100 mm秸秆撞击敏感板产生的作用力,分析接触力变化曲线,证明可通过判断物料撞击敏感板产生的信号进行损失监测。为增强信号采集准确率,采用两片压电传感器串联的方式,增大损失信号。设计损失监测试验台机械结构及控制系统,使监测装置模拟收获机清选排杂过程且可以实时监测信号,有效提高监测效率。最后,通过不同高度物料运动损失监测试验,得出300 mm高度下传感器识别较为精准,对小麦籽粒的识别率达到98.4%,整体监测误差小于5%,损失监测试验装置能够达到设计目的和要求。     

玉米籽粒直收机夹带损失检测系统设计与试验

针对目前玉米籽粒直收机籽粒损失检测系统缺乏检测夹带损失技术的问题,设计了基于嵌入式单片机的玉米籽粒直收机夹带损失检测系统。该检测系统包括损失检测传感器、数据采集器和数据显示终端,可以同时监测收获机的清选损失和夹带损失,实时反馈收获机的收获损失速率以及损失量。通过模态仿真软件对不同材料、不同厚度的监测板进行有限元分析,选择厚0.5 mm的不锈钢板作为监测板;运用Multisim对滤波器性能进行仿真分析;设计基于STM32系列单片机的自适应限时滤波算法,可以有效抑制谷物撞击引起的的余振干扰。在试验台架上,对不同大小的玉米籽粒、杂余以及玉米穗进行标定试验,获取信号特征;经装机试验表明,玉米籽粒夹带损失检测结果最大误差为9.96%,平均误差约为6.52%,损失速率变化趋势反馈及时,能够辅助工作人员进行作业决策。     

籽粒损失监测传感器敏感板振动特性与试验

为实现联合收获机工作过程中籽粒清选损失的实时自动监测,运用ANSYS软件分别以不锈钢304板、T6铝板、黄铜板作为敏感板,在不同厚度、边界条件下进行模态分析并以YT-5L型压电陶瓷作为敏感元件制成不同形式的籽粒损失监测传感器进行了籽粒碰撞试验,研究了敏感板振动特性与检测性能之间的关系,优选了籽粒损失监测传感器敏感板的材料及结构。设计了由电压放大器、带通滤波器电路、绝对值峰值检波放大电路、包络线检波电路、电压比较器电路和整波电路等组成的信号调制电路,以AT89C52单片机为核心开发测控系统,实时采集籽粒损失信号并具有报警、通讯输出功能。将研制的籽粒损失监测传感器安装在联合收获机上进行田间试验,结果表明所研制的籽粒损失监测传感器能够有效识别出饱满籽粒并实时显示清选损失率,最大测量相对误差为2.39%。     

基于经验模态分解和S变换的缺陷超声回波检测方法

为对金属材料超声无损探伤中的微小缺陷回波进行检测,建立了金属材料背散射信号模型,讨论了调幅回波模型的中心频率估计的无偏性,并提出基于经验模态分解(EMD)和S变换的缺陷回波检测方法。首先对原始信号作EMD,通过时间尺度滤波重构信号,实现初步去噪;为抑制EMD去噪后信号的信噪混叠现象,执行基于S变换和最大类间方差法的去噪算法,进行二次去噪,得到信噪比较高但缺陷回波幅值衰减较大的信号。最后采用二次S变换修正二次去噪中因S变换导致的缺陷回波幅值降低量。对仿真信号和实际棒材检测信号的处理结果证明了该方法在去除噪声和缺陷回波检测方面的有效性。     

简析联合收割机谷粒损失监测系统

在联合收割机的性能测试中,谷粒损失率(包括夹带损失和清选损失)是一项重要指标。长期以来,该项目的检测通常采用人工清选、计算损失率的方法,工作效率很低。本文介绍一种利用传感器技术设计的监测系统,阐述该系统的基本原理和主要硬件设置,并给出电路结构设计思想及系统的标定方法。     

基于传感器技术的谷物联合收获机清选损失监测系统

针对谷物联合收获机作业过程中清选损失较大的问题,设计了一种以AT89C52单片机为核心的谷物清选损失监测系统。该系统能区别出谷粒和杂质信号,实时显示机具前进速度和谷物清选损失率,当损失率超标时报警提示驾驶员及时调整相关机构,以降低收获损失。仿真试验结果表明,系统响应速度快、准确且稳定,符合设计要求。     

阵列式压电晶体传感器谷粒清选损失监测仪设计

设计了由阵列式压电晶体传感器、阵列信号调理系统及单片机监测系统组成的谷粒清选损失监测仪,并制作了仪器样机.测试试验结果表明,阵列式压电晶体谷粒清选损失监测仪对损失谷粒响应时间在1 s以内,测量误差小于5%,且对实际收获工况中各种干扰能有效地抑制.     

基于自适应滤波算法的树木年轮测量方法

为提高树木年轮测量仪的测量精度,提出了一种自适应低通滤波算法对年轮测量仪的直流电机电流信号进行滤波处理。普通低通滤波算法滤波系数固定,当树木年轮宽度发生变化时,既可能保留了部分噪声信号,又可能滤去部分有效的树木年轮信号,因此降低了年轮测量仪的测量精度。自适应低通滤波算法的滤波系数可随滤波器输入值和输出值的变化自动进行调整,提高了噪声滤除效果,减少了有效信号损失。使用自主研发的年轮测量仪测量了大、中、小3种径阶的60个落叶松圆盘,记录直流电机原始电流信号,分别采用自适应低通滤波算法和普通低通滤波算法对原始电流进行滤波处理,根据滤波后的电流波形图,预估圆盘年龄,并计算2种滤波算法的年轮识别正确率。结果表明,自适应低通滤波器年轮识别正确率的平均值为89. 66%,普通低通滤波器年轮识别正确率的平均值为75. 84%;当平均年轮宽度变窄时,自适应低通滤波器的年轮识别正确率从95. 61%下降到82. 02%,下降了13. 59个百分点,而普通低通滤波器的年轮识别正确率从86. 37%下降到62. 30%,下降了24. 07个百分点。表明自适应低通滤波器年轮识别正确率高,自适应能力强,年轮识别精度稳定。     

基于小波变换的汽车轮速信号去噪

传统的汽车轮速信号处理方法难以消除干扰信号的影响。根据信号与噪声通过小波变换后在各尺度空间呈现的不同特性,选用Daubechies四阶正交小波（db4）对噪声信号进行多层小波分解,对小波分解的各层细节信号,分别采用软阈值处理方法进行量化处理,然后进行小波逆变换重构信号以达到对信号去噪和恢复的目的。研究结果表明,采用此方法能够有效地去除轮速信号中的各种干扰。     

基于经验模式滤波与循环神经网络的水锤压力信号预测

为准确预测水锤信号变化规律,实现对水锤冲击强度和能量等特性的提前预判,针对水锤冲击信号提出了一种基于经验模式分解(empirical mode decomposition,EMD)和循环神经网络(recurrent neural network,RNN)的模型预测方法.首先,通过EMD获取具有不同频率的IMF分量,根据水锤信号的频域特性剔除高频噪声分量并重构信号以实现滤波,滤波后信号能量损失不足0.1%;进而,建立了基于RNN模型的时间序列预测模型,搭建试验平台获取水锤冲击信号,完成了RNN模型的训练和参数调节;随后,对不同流速下水锤冲击信号进行序列预测,在测试集与训练集流速不同条件下,得到了准确的预测结果,表现出一定泛化能力.对比分析预测水锤信号与实际信号,得到R²系数大于0.990 0,幅值和能量损失不足1%,验证了所提出方法的正确性,主要结论和建模方法可为各类输水系统的风险评估、管路监测和健康管理提供理论指导和技术手段.     

噪声环境下机械故障源的盲分离

在机械故障盲分离中,传感器所获得的信号常常受到未知的不同类型的噪声干扰,忽略噪声的影响往往产生很差的分离效果。为克服此不足,结合小波变换和盲源分离,提出了一种在未知强背景噪声环境下的机械故障源分离方法,即小波消噪-BSS-小波消噪方法,仿真和实验结果表明该方法是有效的。     

平移不变量小波去噪法在齿轮故障诊断中的应用

平移不变量小波去噪方法是对Donoho阈值法的改进，该方法不仅能有效地抑制伪吉布斯现象。而且能减小原始信号和估计信号之间的均方根误差，提高信噪比，将这种方法用于变速箱齿轮故障信号的去噪处理，同时与阈值法去噪的结果进行比较。结果表明，该方法可以有效地去除强噪声的干扰，提取齿轮故障特征信息，具有很好的工程实用性。     

基于局域波分解的信号降噪算法

局域波分解可以把信号分解成多个内蕴模式分量的和，此分解过程等效于用自适应滤波器库对信号进行滤波，各模式分量的频率随着分解阶数的增大而降低，具有小波分解类似的特征。用局域波分解法对信号进行降噪处理，同时用互相关法和自相关法建立了噪声评判准则，得到了较好的降噪效果。     

MATLAB在植物电信号降噪处理中的应用

植物电信号具有复杂性和时变非稳态特性，在获取有用信号前，需要对原始信号进行预处理，并将采集的信号严格地限制在有用的频段内。首先对信号进行低通滤波，以抑制高频噪声；然后采用陷波滤波器消除因测试环境中的有源设备而引起的50 Hz工频干扰。另外，采用小波降噪的方法处理采集的信号，更容易地分离出噪声或其他不需要的信息。通过MATLAB语言进行编程，设计数字滤波器，对信号进行预处理，并且用小波分析方法对信号进行分析，实现了降噪和去除干扰的目的，从而对植物电信号进行有效的分析。      

薯类农产品视觉图像的去噪方法

针对目前图像处理中的阈值去噪方法存在的问题,探讨了小波阈值法中小波分解层数和小波系数处理算法,在视觉图像阈值去噪中采用了小波分解层数的自适应算法,并针对小波系数处理中硬阈值和软阈值函数存在的问题,提出了一种新的阈值函数用于图像去噪.结果显示:去噪后图像的峰值信噪比PSNR、均方差MSE在最优分解层数下相对传统阈值函数能达到全局最优,同时视觉上的清晰度更好.