加窗插值快速傅里叶变换在滚动轴承故障诊断中的应用

针对滚动轴承故障信号强噪声背景和非线性等特点,为精确识别滚动轴承的故障特征频率,在最小熵解卷积和Teager能量算子解调基础上,提出了一种基于Hanning窗插值快速傅里叶变换的滚动轴承故障诊断新方法。该方法首先利用最小熵解卷积对轴承故障信号进行降噪,再结合Teager 能量算子对降噪后的故障振动信号进行解调,经傅里叶变换后得到信号的Teager解调谱;然后采用Hanning窗对解调谱进行加权处理;最后利用信号频点附近三根离散频谱的幅值做插值处理,从而得到精确的故障特征频率。轴承实测振动信号的分析结果表明：与传统的Teager 能量算子解调方法相比,在选取较少分析点的基础上,大多数情况下所提方法仍能精确识别轴承故障特征频率。     

油液磨粒感应电压特征辨识研究

准确监测滑油液中磨损微粒的大小和分布信息是评估机械设备服役状态和预测剩余生命的重要手段。 然而在实际应 用中,感应式磨粒检测传感器输出信号常常伴随着各种噪声和干扰,导致微弱的磨粒信号特征难以准确辨识。 为此,本文提出 了一种自适应感应电压特征辨识方法。 首先对检测信号进行多尺度滤波,利用多组不同截止频率滤波结果之间的稳定性进行 目标信号的定位和分割。 然后,根据信号的数学模型提取数值特征并进行感应电压辨识,从而实现磨损微粒的精确计数和特征 分析。 实验结果表明,新方法能较为完整地保留磨粒信号的形态特征,并成功提取出直径 70 μm 磨损颗粒所产生的感应电压 信号,对传感器检测精度的提高以及磨损状态准确评估提供了基础。     

基于函数主元分析的多阶段退化过程建模与预测

退化过程建模与预测作为设备健康管理的基础,是降低运行风险和维护成本的有效途径。为解决实际中退化过程所表现出的随机性、非线性和多阶段复杂性,提出了一种基于函数主元分析的多阶段退化过程自适应建模与预测方法。通过将退化测量值视为连续函数的离散采样值,从而将退化建模问题转换为函数型数据分析问题。在此基础上,利用函数主元分析方法对退化数据进行降维,提取设备退化的共性信息以及个体差异性信息。结合贝叶斯推理,利用在线监测数据更新退化模型参数,实现健康状态的在线实时预测。最后,将所提的方法用于散热风扇的加速寿命试验数据,验证了本方法的有效性。结果表明,所提方法可以地很好建模多阶段的复杂随机退化过程,具有潜在的工程应用价值。     

组合复信号的相位差法频率估计EI北大核心CSCD

在随机噪声的干扰下,传统的时移相位差校正算法的抗噪声性能可通过增大时移长度来提升;然而,随机噪声的影响、谱线定位错误以及过长的时移均可能引入相位绕卷问题,从而导致较大的估计误差,这大大限制了传统算法的估计精度。针对这一问题,研究了造成相位绕卷的主要因素,并分析其对时移相位差法频率估计的影响;为进一步提高频率估计的精度,提出一种组合复信号的相位差校正法。仿真结果表明,与几种传统的相位差算法相比,组合复信号的相位差法可实现长时移下的频率估计,且具有良好的抗噪声性能。     

Bagging RCSP脑电特征提取算法

正则化共空间模式（Regularized common spatial pattern,RCSP）解决了共空间模式（Common spatial pattern,CSP）对噪声敏感的问题,但它在小样本脑电数据集中的表现并不理想.针对上述问题,本文提出了Bagging RCSP（BRCSP）算法,通过Bagging方法重复选取训练数据来构造一个个包,并提取RCSP特征,再利用线性判别分析（Linear discriminant analysis,LDA）将特征向量映射到低维空间中,最后采用最近邻（Nearest neighborhood classifier,NNC）算法判定分类结果.线下实验证明,相比较聚合正则化共空间模式（RCSP with aggregation,RCSP-A）,BRCSP的平均准确率提高了2.92%,且方差更小,鲁棒性更好.最后,在智能轮椅平台上,10位受试者利用BRCSP算法实现左右手运动想象脑电信号控制轮椅完成"8"字形路径的实验,证明了该算法在脑电信号特征提取中的有效性.     

迭代加窗插值FFT谐波分析方法

为了提高谐波分析精度,提出了一种基于迭代加窗插值快速傅里叶变换FFT(fast Fourier transform)的谐波分析方法,并给出了统一的谐波频率、幅值及相位的计算公式。通过主瓣拟合,将传统的基于最大旁瓣衰减窗MSDW(maximum sidelobe decay window)的插值FFT方法扩展至其他对称窗,并根据窗函数的主瓣特性选择合适的窗函数进行拟合。最后通过迭代算法计算出谐波的精确频率值。仿真结果表明:在非同步采样的条件下,该算法可精确地实现谐波和间谐波分析。与传统加窗插值FFT方法相比,所提方法不依赖窗函数的类型,针对不同的窗函数具有统一的谐波参数计算公式,通用性强,实现方式灵活。     

噪声激振下的油井动液面测量方法研究

油井动液面深度是原油开采中的关键工作参数,也是油田合理安排开采计划的重要依据。 针对目前声共振法存在测量 范围不足和测量精度较低的问题,论文提出了噪声激振下的油井动液面测量优化方法。 本文首先探究了激励频带变化对测量 结果的影响,并建立了强噪声激励下系统输出响应信号的数学模型。 然后,根据建立的数学模型提出了共振信号的提取算法, 通过功率谱估计和自适应同态滤波有效抑制了强噪声对共振信号的干扰。 最后,研究了基于双线性插值的离散频谱校正算法, 实现了共振特征参数的精确估计。 实验结果表明,该方法能在强噪声干扰下提取出共振信号,实现了超过 1 700 m 的动液面稳 定测量,且波动小于 2 m。     

基于小波包分解与主流形识别的非线性降噪

为解决工程实际中强噪声、非线性且频率成分复杂的振动信号降噪问题,提出了基于小波包分解和主流形识别的非线性降噪方法。采用小波包分解将原始振动信号正交无遗漏地分解到各频带范围内,根据各子频带中信噪空间分布,分别采用相应参数对小波包分解系数进行相空间重构;采用局部切空间排列(local tangent space alignment,LTSA)主流形识别方法在高维相空间中实现信号与噪音的分离,并重构出降噪后的一维小波包分解系数,最后进行小波包分解重构得到降噪后的振动信号。通过仿真实验和实例应用对本文所提方法的有效性进行了验证,试验结果表明本文方法具有良好的非线性降噪能力。     

机械电子课程的线上教学实践

阐述机械电子课程的线上教学特性和实践，基于腾讯会议与雨课堂，开展线上教学改革实践，包括丰富教学设计、实施案例教学、互动交流和互动考查。