基于Lissajous曲线拟合的EFPI光纤传感器腔长解调

为提高非本征光纤珐珀传感器(Extrinsic Fabry-Perot Interferometric, EFPI)腔长解调的精度，基于EFPI传感器反射光谱近似余弦函数的特性，设计了一种基于李萨如图形(Lissajous-Figure)与标准形式椭圆曲线拟合的解调方法。将两组光强信号经过坐标变换拟合为标准椭圆曲线，以减少求解参数；并通过经验模态分解对数据进行分析，去余项后将得到的极值点代入椭圆曲线求解。将离散数据点分别移动5、10、15、20、25个点测试五组不同相移对解调结果的影响并选取其中误差最小的一组对EFPI传感器进行横向负载实验，分别施加5~25 N的应力，通过拟合椭圆曲线的解调方法将计算腔长差与理论腔长差相对比。结果表明，实际腔长差随负载成正比，平均误差值为5.690%左右，可以准确获取 EFPI 的腔长。     

低功耗数字化调制解调平台的设计与实现

针对卫星通信信道设备低功耗和数字化的需求,提出一种低功耗、数字化卫星调制解调平台的设计方法。前端通过AD9364完成模拟信号和数字信号的转换,后端采用大规模FPGA进行数字信号处理。测试结果表明,该调制解调平台通过加载不同的软件,可实现数据速率可变、调制解调方式可变、多种编译码方式、扩展L频段(950～2 150 MHz),大幅度降低了平台的体积和功耗,可作为一个成熟平台应用于卫星通信终端或便携站的产品设计中。     

风电机组传动链典型故障特征提取方法

为解决风电机组传动链易发生故障的问题,文章阐述了风电机组齿轮箱特征频率的计算方法和基于振动信号分析的故障特征提取方法。结合实际情况,以行星级齿轮磨损、中间轴小齿轮崩齿、高速轴齿轮崩齿和发电机轴承电腐蚀等典型故障为例,通过齿轮箱特征频率和传动链典型故障振动信号基本特征分析,可较好地完成故障识别。结果表明,采用经典信号处理方法能对上述典型故障进行特征提取,验证了经典方法对单一、明显故障特征提取的有效性,为深入开展传动链故障特征提取方法研究奠定了基础,为风电机组故障检修维护提供了技术支撑。     

宽带数字接收机IQ不平衡估计与自适应补偿算法

针对宽带调制解调技术中广泛存在的IQ不平衡问题,在IQ不平衡模型及补偿原理的分析基础上提出了一种宽带数字接收机IQ不平衡估计与自适应补偿算法。首先利用解调数据对IQ不平衡参数进行实时估计,然后利用估计参数对接收信号进行自适应补偿。实验结果表明,所提算法可以有效解决宽带调制解调系统中普遍存在的IQ不平衡问题,提升系统误码性能。     

基于小波变换的行星轮系点蚀故障信号分析

为获取煤矿机械行星轮系点蚀故障信号特性,建立行星轮系的虚拟样机模型,通过仿真生成3种状态下太阳轮和行星轮的啮合力信号。利用小波变换、Hilbert解调和谱峭度分析等方法,对啮合力信号进行了全面分析。结果表明:通过小波变换结合Hilbert解调,能够对行星轮系的点蚀故障特征进行较好的识别;点蚀越严重,小波细节信号的包络谱峭度值增大越明显。研究结果可为行星轮系的早期故障诊断提供一定的理论参考依据。     

基于 MPDE-EEMD 及自适应共振解调的轴承故障特征提取方法

针对滚动轴承振动信号具有非线性、非平稳性和非高斯性,并且故障特征往往淹没于系统噪声之中而难于识别的问题, 提出了以多种群差分进化(multiple population differential evolution, MPDE) 算法来改进集合经验模式分解( ensemble empirical mode decomposition, EEMD) 的 MPDE-EEMD 消噪方法,并与自适应共振解调技术( adaptive resonance demodulation technique, ARDT)相结合实现故障特征提取。 首先,为了解决 EEMD 中加入参数依靠人工选择且难以准确获取的问题,建立极值点分布 特性评价函数,利用 MPDE 来寻优获取最佳白噪声幅值,实现 EEMD 自适应分解。 然后,采用峭度与相关性相结合的准则对分 解后的 IMF 分量进行自动筛选,将满足条件的有效信号进行重构,实现对原始振动信号的降噪处理。 最后,采用 ARDT 自动确 定对消噪信号进行带通滤波的带宽和中心频率,再通过包络解调提取出滤波信号的特征频率。 将轴承仿真故障信号与实际故 障信号用于算法的验证,结果表明 MPDE-EEMD+ARDT 能有效提取出轴承故障特征。