基于小波分析和GA-SVM的金刚石 砂轮磨损的声发射监测研究

针对工程陶瓷磨削中金刚石砂轮磨损状态判别准确度不高的问题,在部分稳定氧化锆陶瓷金刚石砂轮精密磨削的声发射智能监测实验中,在深入研究部分稳定氧化锆陶瓷磨削机理的基础上,对磨削声发射信号进行了5层离散小波分解。研究结果表明:金刚石砂轮磨损后,磨削声发射信号小波分解系数的有效值和方差,以及声发射信号小波能谱系数在低频率段都有所增大;利用部分稳定氧化锆磨削声发射信号的小波能谱系数或小波分解系数的有效值和方差值的组合,作为判别金刚石砂轮磨损状态的特征值,采用基于遗传算法支持向量机对金刚石砂轮的磨损状态判别准确度达100%,判别准确度明显优于BP神经网络方法。     

一种基于时域滤波算法的振动信号有效值计算方法研究

有效值是衡量振动大小的一个重要指标,因此在振动信号分析的过程中,振动有效值大小的计算是其中较为关键的环节,在有效值测量计算中,一般采用频域或时域的算法。频域算法一般采用傅立叶变换,得出各个频率的振动有效值,再进行叠加,得出有效值总量,时域算法则是根据有效值计算定义,计算出有效值总量。对两种计算方法进行对比分析,得出两种算法的优缺点,同时提出一种修正解决方法,并对该方法进行仿真计算验证,验证结果说明该方法可以有效的提高有效值计算结果精度。     

采用IIR滤波器组进行功率分频带测量的研究

介绍了基于小波变换理论的电压电流有效值、有功功率和无功功率分频带测量的基本原理与算法，分析了IIR双通道滤波器组的结构与组成，并对该方法与传统FFT算法进行了比较。采用西安化工厂实际信号进行有效值、有功功率、无功功率的测量，实验结果表明其精度可以达到10^-6级，具有较高的准确度。     

非平稳背景噪声下声音信号增强技术

在电力电缆故障精确定位中声磁同步法由于具有精度高与抗干扰能力强的优点而得到广泛的应用,但放电声音信号的有效检测是其难点。由于小波包变换在检测正常信号中是否含有瞬态异常现象方面具有独特的优势,自适应滤波器具有对信号和噪声的先验知识需求少的特性以及遗传算法具有不依赖于具体问题的优点,提出了一种基于小波包变换分解信号、自适应滤波估计噪声与遗传算法寻优重构相结合的声音信号增强算法。实验研究表明,该算法精确性高、鲁棒性强,尤其适用于电缆故障点放电声不明显时声音信号提取的情况,从而解决了电缆故障精确定位中对背景噪声要求高、识别范围小的问题。     

斜拉桥健康监测信号改进小波相关降噪

为提高斜拉桥健康监测动态信号的降噪效果,针对传统小波相关降噪算法的缺陷,提出一种改进小波相关降噪算法。该算法将各层小波系数的主要能量周期作为相关检测邻域范围,并根据斜拉桥动态响应信号特征设置降噪阈值,最后采用一种全新的信号重构算法,得到降噪后的信号。将该算法与传统小波相关降噪和小波默认阈值降噪算法进行仿真试验比较,结果表明,改进小波相关降噪算法具有较好的降噪效果,能够应用于斜拉桥健康监测动态响应信号的降噪处理。     

提升小波变换在振动信号去噪中的应用

振动信号存在不同形式的波形特征,传统小波去噪中,小波分解的结果与所采用的小波基函数有关,选用不适当的小波基函数会冲淡振动信号的局部特征信息,从而造成原始信号的部分有用信息丢失。为了克服上述缺陷,介绍了提升算法和基于该算法的小波变换快速算法,探讨了如何利用提升小波变换对信号进行去噪一通过对实际信号去噪处理．得出了提升小波算法能够较好地应用于信号去噪的结论。     

金刚石砂轮与氧化锆磨削接触的声发射监测

目前陶瓷精密磨削中,声发射信号有效值RMS受背景噪声影响大,不能用来准确监测磨削接触。为此提出了利用小波重构声发射信号能量来监测金刚石砂轮与氧化锆陶瓷试件磨削接触的方法;并与磨削接触的背景噪声幅值判断和RMS值判断方法进行对比分析,发现小波重构声发射信号能量法不受机床背景噪声的影响,磨削接触判别更准确。     

滚动轴承故障诊断的自适应包络谱谱峰因子算法

表征滚动轴承故障特征的周期性冲击,特别是在故障早期阶段,常常被噪声和其它结构振动所淹没,从而难以辨别。共振解调被广泛用于滚动轴承故障冲击特征提取,但其滤波频带的参数选择常需要一定的先验知识。针对现有的频带优化方法的不足,本文提出一种基于包络谱谱峰因子和复平移Morlet小波滤波的自适应共振解调方法-自适应包络谱谱峰因子算法。包络谱谱峰因子(Crest factor of envelope spectrum,CE)定义为包络谱在一定范围内的最大值和有效值之比,能有效度量信号中周期性冲击强弱,结合粒子群优化算法的寻优特性,对Morlet小波滤波器中心频率和带宽参数进行优化。将包络谱谱峰因子作为适应度函数来比较不同参数组合下的滤波效果,根据适应度函数值最大原则选取Morlet小波滤波器参数。仿真信号、实验信号以及工程实际信号分析验证了该方法在共振解调最优频带选取中的有效性和优越性。     

应用分层自适应匹配追踪重构MEMS陀螺信号

对含噪微机械系统(MEMS)陀螺信号进行小波分解重构时,真实信号对应的小波系数很难选取,故本文提出一种分层自适应匹配追踪算法(LAMP)来解决上述问题。建立了含噪MEMS陀螺信号中信号小波系数稀疏提取架构,将信号小波系数提取问题转化为含噪信号中信号小波系数稀疏性的恢复问题。比较已有稀疏重构算法,采用一种新的LAMP算法,在各种可能的小波系数组合中挑选出分解系数最为稀疏的一组,以此消除信号中的噪声小波系数,进而重构MEMS陀螺信号。实验表明:提出的LAMP算法的稀疏重构效果优于其他迭代贪婪重构算法;基于LAMP的信号稀疏小波重构方法,可以有效去除MEMS陀螺信号的大量噪声;去噪前后,纯MEMS陀螺数据解算的方位角平均累积误差由10.060 2(°)/h减小到5.034 6(°)/h,优于传统小波阈值重构法平均累积误差8.596 8(°)/h,显示了较好的应用效果。     

一种新的小波阈值函数去噪算法

小波阈值去噪算法是一种经典的振动信号去噪算法,但仍有一定局限性。为了更好地消除噪声对被测振动信号的干扰,提取信号的有用成分,本文对比分析了几种不同小波阈值去噪算法,并在经典小波阈值去噪算法的基础上改进了阈值函数,提出了一种新的小波阈值去噪算法。对模拟信号及实测风机振动信号进行去噪处理并分别与经典及改进的小波阈值去噪效果进行定量比较。结果表明:新的小波阈值函数更好地抑制了噪声污染和保持信号细节,有效地消除了背景噪声,提高了信号特征的可分离性,具有较高的实用价值。