基于频域的风电场功率波动仿真:（二）变换算法及简化技术

基于频域的风电功率波动模型物理意义更为清晰,能够更为准确地描述风电功率的波动特性.然而,该模型的仿真计算涉及到更为复杂、含功率谱密度函数的时频转换问题.同时,该模型的计算复杂度较高,计算资源占用过多.为了解决以上问题,首先从基础概念出发,分析了功率谱密度函数的物理意义及其与传统频域模型的区别,并详细推导了该模型的时频转换算法,使其能够在计算机上被快速实现.然后提出了区域内风机分布式接入和集中式接入2种频域模型的简化方法,它们均能根据实际工程情况大幅度加快模型仿真速度.仿真结果验证了以上方法的实用性和有效性.     

山西天脊13万t苯胺项目开工建设

6月19日,山西天脊集团新建13万t苯胺、25万t硝酸铵钙项目举行开工仪式。作为其发展新型煤化工产业的重大举措,两大项目拟总投资6．7亿元（13万t苯胺投入52179万元,     

人体步态雷达信号时频分析方法研究

人体行走步态是一类重要的生物特征,通过分析连续波雷达采集的人体反射回波信号可以获取行走步态的关键特征.提出了人体行走步态特征信号模型,在构建连续波步态试验雷达的基础上,应用时频分析方法对采集的步态样本信号进行了分析,重点讨论了多分量非稳态信号的时频分析方法,对比了短时傅里叶分析、WIGNER-VILLE分布、伪平滑WV...     

基于LABVIEW的HHT法疲劳损伤时频分析

在LABVIEW平台上利用希尔伯特-黄变换方法,对某型飞机的垂尾整流罩系统的前支架在随机载荷作用下的振动疲劳试验数据进行时频联合分析,得出前支架的一阶固有频率及其上应变值在试验最后300s的变化趋势,从而为研究其上疲劳裂纹的产生和扩展提供参考数据,并最终判断支架的试验疲劳寿命为4525s.同时将HHT法与短时傅里叶变换...     

小波包变换和能量分析在声发射信号降噪中的应用

材料或结构受外力或内力作用下产生的声发射信号,其频率成分复杂,包括一些能量相对微弱的高频信号和低频干扰信号,而研究中往往只针对某些频率段信号进行分析。小波包变化可以将复杂频率成分的信号分解到不同的频率段,通过频率和能量筛选,可以将感兴趣的相对高能量的频率段信号提取分离出来。以Q235试件拉伸试验中采集到的声发射为例进行小波分析,证实了小波分析方法在声发射信号降噪中的实用价值。     

时频域机械故障源盲源分离综述

论述基于时频分析的机械故障源盲分离方法,综述时频域盲分离的国内外研究现状。在此基础上,重点论述三种典型的时频域机械故障源分离(Cohen类时频域盲分离、分数Fourier变换域盲分离、EMD域盲分离)方法的技术现状,并进行比较。指出该领域内值得进一步研究的问题。     

局域均值分解方法在机械故障诊断中的应用

局域均值分解(Local Mean Decomposition,LMD)是近年来出现的一种新的时频分析方法。介绍局域均值分解的定义、基本算法。仿真验证LMD方法的有效性,结果表明LMD计算所得的瞬时频率均有物理意义,能更好地反映实际系统的状态。将该方法应用到轴承故障诊断中,实验证明该方法是有效的。     

电液伺服阀动态特征信息在线提取方法的研究

电液伺服阀是电液伺服控制中的关键元件,其性能关系到整个伺服系统的控制精度和响应速度。当前,伺服阀的故障诊断仍以离线为主,缺乏在线诊断的有效手段。根据伺服阀的工作特性,提出一种反映伺服阀动态特征的状态信号选取方法;通过对伺服阀阀芯开口度进行时频联合分析,结合所选取的伺服阀特征参数,提取出反映伺服阀动态特征信息的特征向量;采用粗糙集理论对特征量进行约简以提高在线诊断效率。基于人工神经网络的伺服阀性能在线诊断的实验结果表明:所提取的特征向量能够准确反映伺服阀动态特征信息,有效判断伺服阀的异常状态,为电液伺服阀的在线故障诊断提供了参考。     

调频与调相连续波雷达信号的识别

针对复杂雷达信号的识别,提出了调频连续波(FMCW)和调相连续波(PMCW)雷达信号的识别算法。首先理论分析了周期性连续波(CW)信号自相关函数的特点,利用自相关函数来提取信号的调制周期。根据调制周期将信号进行分段,对分段后的信号采用时频域的非相干积累得到信号的时频分布。通过时频分布进行了时频脊线的提取和时频图像的处理,最终识别出调制类型。仿真结果表明,该算法在低信噪比(SNR)下具有很好的识别效果。     

基于融合特征的双通道CNN滚动轴承故障识别

针对传统的滚动轴承故障识别方法效果较差,对专家经验依赖较高的问题,提出一种基于融合特征的双通道CNN滚动轴承故障识别方法.该方法首先将原始信号采用小波分解方法生成时频图,再将时频图和原始故障信号融合输入到Lenet-５网络中,进一步对故障特征进行准确提取,在输出层对数据进行融合,使用Softmax分类器对轴承故障进行分类.实验结果表明,该方法对不同种类的滚动轴承故障的识别均能做出准确的判断,识别准确率高.