排序方式: 共有12条查询结果,搜索用时 31 毫秒
1.
2.
分布式测试系统是集计算机控制技术、网络通信技术与多传感器信息融合技术于一体的复杂测控系统;与独立测试系统不同,在网络化分布式测试系统中,各测试装置需按通信协议与网关节点通信以完成相应的测试;不同测试装置在接收网关节点发出的信号时,由于传输距离不同会引起时延差;如果系统中的各个测试装置不具备统一的时间基准,那么得到的测试数据因为时钟差异将无法反映出信息的真实情况;因此,整个网络中所有测试装置需要保持时间同步;针对分布式测试系统时间同步的需求,对信号传输过程中的时延问题进行了研究,提出了一种基于FPGA的时延测量方法,对这种软硬件结合时延测量方法的实现原理进行了详细阐述,并进行了功能仿真及试验验证。 相似文献
3.
针对矿用永磁直驱电机异响声信号噪声干扰大,有用信号被噪声淹没难以提取的问题,提出一种融合改进VMD与小波软阈值的降噪方法。首先,利用粒子群算法优化变分模态分解算法得到分解层数k和惩罚因子α的最优参数组合,基于最优参数组合分解获得矿用永磁直驱电机异响声信号k个本征模态分量(IMF)。其次,利用加权裕度指标筛选出有效信号分量和需进一步分解的含噪分量,基于小波软阈值对含噪分量进一步降噪。最后,将有效信号分量与小波软阈值降噪后的分量重构得到最终降噪信号。应用此方法分别对仿真信号和矿用永磁直驱电机异响声信号降噪,并与其他方法对比。试验结果表明,该方法能将仿真信号信噪比提升至27.524 7 dB,均方根误差降低至0.085 5,实测信号信噪比提升至34.715 3 dB,均方根误差降低至0.006 7,降噪效果较好,为后续的故障特征提取与故障诊断工作提供数据基础。 相似文献
4.
5.
6.
7.
针对凸轮式绝对重力仪微小故障幅值小、故障特征微弱及易被噪声掩盖而难于发现等特点,提出了一种融合改进集总平均经验模态分解(modified ensemble empirical mode decomposition,简称MEEMD)、能量熵以及多尺度排列熵(multi?scale permutation entropy,简称MPE)的凸轮式绝对重力仪微小故障诊断方法。通过MEEMD算法对凸轮式绝对重力仪不同工况下的振动信号进行自适应分解,筛选出有效的本征模态函数(intrinsic mode function,简称IMF),提取出振动数据中具有敏感特征的多尺度排列熵和能量熵,将提取的多维特征向量矩阵输入到以径向基函数(radial basis function,简称RBF)为核函数的支持向量机(support vector machine,简称SVM)中,基于数据实现了凸轮式绝对重力仪微小故障的精确诊断。试验结果表明,该方法可以有效区分凸轮式绝对重力仪的各类微小故障,识别准确度达到97.1%,解决了因微小故障导致凸轮式绝对重力仪测量精度低的问题,实现了重力仪微小故障的快速溯源和精准定位,具有较好的工程应用前景。 相似文献
8.
针对振动信号噪声难以剔除而造成故障诊断精度低的问题, 提出了一种基于深度变分模态分解(DVMD)的
旋转机械故障诊断方法. 首先, 利用麻雀算法(SSA)对变分模态分解(VMD)算法的参数进行优化. 然后, 通过SSA–
VMD对信号进行自适应深度分解得到模态分量, 将每层深度的分量与原始信号作皮尔逊相关系数分析, 再对分量
进行奇异值分解(SVD)或者直接剔除, 将处理后分量重构后, 实现振动信号的深度降噪. 最后, 提取降噪信号的一维
多尺度排列熵特征和二维时频特征, 将特征依次放入轻量级梯度提升机(LightGBM)中进行训练, 实现故障诊断. 设
计方法在风力涡轮传动系统的齿轮箱故障信号上进行验证, 不仅能够剔除信号的大量噪声, 并且提高了故障诊断精
度, 具有良好的工程应用前景. 相似文献
9.
针对分布式测试系统中数据采集装置接收到触发指令的时延不同且未知而影响同步触发的问题,提出了一种实时在线测量触发脉冲传输时延测量模型和数据回传模型,以及基于延时链循环比较法的高精度时间间隔测量方法,实现了同步触发脉冲传输时延的精确测量,为后续同步触发误差的精确校准提供了高精度的时延数据。测试结果表明,该方法能实现分布式测试系统同步触发脉冲传输时延的高精度测量。 相似文献
10.