基于加权四阶累积量切片的谱线增强

本文首先介绍了加权高阶累积量切片的概念,给出了加权混合高阶累积量的更新公式,提出了其自适应谱线增强算法,并用实测运动目标辐射噪声数据,对该算法的性能进行了仿真研究。仿真结果表明:该算法具有较强的抑制高斯有色噪声能力,能抑制大约13~23dB的高斯有色噪声;调整高阶累积量切片加权系数,可改善该算法抑制高斯有色噪声的性能。     

一种增强水中目标辐射谐波信号的方法

本文研究了一种基于一维高阶累积量对角切片归一化的自适应谐波信号谱增强新方法(1-D FOCDSBAHSE),该方法在低信噪比情况下,仍具有较强的抑制高斯有色噪声能力,从而克服了传统的自适应线谱增强方法(ALE)的缺点;理论分析与仿真结果均说明了新方法的有效性。     

基于时域波束信号高阶谱的目标检测技术

为解决常规时域波束形成技术抗噪声能力弱、对弱目标检测能力差的问题,利用高斯噪声的高阶累积量(三阶及三阶以上)为零、非高斯信号的高阶累积量不为零这一性质,对常规时域波束形成后输出的波束信号进行后置处理。首先,对常规时域波束形成后输出的各预成波束信号,分别求其四阶累积量切片谱值;然后,再对各四阶累积量切片谱值分别进行能量累加,得到空间谱图;最后,通过对空间谱在时间上的累积,得到方位历程图。用仿真和海试数据对算法进行了验证:在低信噪比情况下,常规算法不能有效检测到弱目标时,经后置处理后可以有效检测到弱目标。结果表明,与常规时域波束形成算法相比,波束形成后再进行切片谱后置处理的算法增强了对噪声的抑制能力,提高了对弱目标的检测能力。     

混合噪声背景下正弦参数估计的互高阶谱Pisarenko方法

本以互四阶累积量为依据,首次证明了互高阶累积量可以有效地抑制非相关噪声和高斯噪声;并在建立互高阶累积量的Yule-Walker方程的基础上,通过该矩阵的奇异值分解,建立了信号矢量空间与噪声矢量空间;首次提出了混合噪声背景下正弦参数估计的互高阶谱Pisarenko方法。仿真结果表明,与自高阶谱Pisarenko方法相比,该方法具有更好的谱估计的分辨率和谱估计的稳定性,抗干扰性更强,其信噪比工作门限更低,特别适合于工程中小信号的测量。     

1(1/2)维谱及其倒谱在故障诊断中的研究与应用

为了提高故障诊断正确率,通过将倒谱和1(1/2)维谱相结合定义了倒1(1/2)维谱。1(1/2)维谱能够消除高斯噪声,倒谱能够减少谱图中的虚假谱峰,但噪声对倒谱分析的结果具有较大的影响。倒1(1/2)维谱则可以结合1(1/2)维谱和倒谱的优点。通过将1(1/2)维谱、倒谱和倒1(1/2)维谱分别应用于溢流阀故障诊断实验,结果表明,倒1(1/2)维谱可以取得较好的故障诊断效果。     

基于高阶谱的旋转机械故障征兆提取

研究了旋转机械振动信号的非线性特征,分析了产生非线性的机制,着重讨论了二次相位耦合与机械故障的关系,在此基础上将高阶谱分析引入转子故障诊断。高阶谱保留了信号的相位信息且能有效抑制噪声,可以定量描述非线性性相位耦合,试验分析表明,对于不同类型的故障,高阶谱特征存在明显差异,因中用于故障模式识别,高阶谱丰富了旋转机械故障诊断系统知识库中的振动特征信息,用于工业现场能大大提高诊断准确性。     

Ar模型定阶方法研究

分析归纳AR模型的定阶方法,同时研究高阶累积量在AR模型定阶中的应用。模拟仿真实验表明,高阶累积量可有效的抑制高斯噪声,因此有很好的实际应用价值。     

无源声呐目标特征提取的一种新方法

水下目标的特征提取一直是水声信号处理的一个难题。由于实际声呐目标的发声机理和反射声波的机理十分复杂,成份多样,造成水声信号具有较强的非平稳性和非高斯性。为了提高对水下目标识别的正确识别率,本文突破以往研究中关于信号平稳性和高斯性的假设,在简要介绍LOFAR谱图和高阶谱(HOS)估计方法的基础上,提出一种基于高阶谱的LOFAR谱图特征的提取方法。本方法既不受高斯性假定的约束,也不受平稳性假定的约束。最后,用本方法对三类实际声呐信号进行了特征提取,取得了令人满意的分类识别效果。     

基于累积量的非高斯信号AR模型估计

高阶统计量能反映信号的非高斯信息,用高阶统计量对非高斯信号建立AR模型,并建立基于信号高阶统计量的Yule-Walker方程就可以进行AR模型谱估计。与基于二阶统计量的参数估计相比,基于高阶统计量的AR谱估计有更好的精度。     

EMD与高阶累积量在滚动轴承故障诊断中的应用

共振解调是滚动轴承故障诊断中最常用的方法之一,但由于滚动轴承的早期故障信号中含有强烈的背景噪声,诊断效果不够明显。为此,提出一种基于EMD（Empirical Mode Decomposition）与高阶累积量(HOC)的滚动轴承早期故障诊断新方法。该方法首先对故障信号进行EMD分解获得多个基本模式分量,然后对各分量进行高阶累积量分析,并进行重构,最后运用包络解调进行故障诊断。故障实例证明,该方法与传统共振解调方法相比,具有较大的优势。     

一种复合材料层合板故障诊断的频响—广义模态能量法

复合材料故障诊断问题日益受到人们的重视。利用振动理论和实验技术进行故障诊断是一种很有吸引力和值得探索的方法。本文提出了一种复合材料层合板损伤的频响一能量诊断新方法,此方法选取对故障比较敏感,又能反映结构动力特性的频响函数作为诊断故障的参数,并引入阻尼耗散能计算本文定义的无损板在各阶模态下广义模态能量的分布,通过理论推导和计算得到了损伤前后频响函数在各阶共振峰处的变化,与无损板在给定模态下各单位的模态能量贡献之间的联系。从而得到一种分析小损伤位置和范围的新方法。此方法的一个重要结论是:在小损伤的前提下,对于同一单元或同一区域各阶广义模态能量贡献之间的比值,同假设这一单元或区域有损伤而得到的各阶频响函数在无损板峰值处的变化率之比基本相等。文中提供了能量贡献分布图等,可供分析之用。算例与实验的结果表明,本文提供的方法是有效,可行的。      

基于瞬时故障特征频率趋势线和故障特征阶比模板的变转速滚动轴承故障诊断

针对难以从滚动轴承的时频分布中提取瞬时转频分量的问题,本文利用由轴承包络时频谱中提取的瞬时故障特征频率替代传统瞬时转频实现重采样,进而基于故障特征因子与转频阶比边带构造故障特征阶比模板以实现变转速运行模式下滚动轴承故障诊断。其具体算法由以下四个部分组成：首先,联合应用谱峭度滤波算法与短时傅里叶变换得到能够突出瞬时故障特征频率的包络时频谱;其次,提出基于幅值重调的峰值搜索算法对瞬时故障特征趋势线进行提取;再次,以瞬时故障特征频率趋势线为基础对原信号进行故障相角域重采样并得到故障特征阶比谱;最后,根据被监测轴承的故障特征因子构造故障特征阶比模板对滚动轴承的运行状态与故障类别进行判断。仿真算例和应用实例将对该算法的有效性予以证明。     

基于可视图图谱幅值熵的滚动轴承故障诊断方法

为了准确有效地提取滚动轴承振动信号的非平稳、非线性故障特征,将复杂网络与图信号处理技术(graph signal processing,GSP)引入机械故障诊断领域,提出了基于可视图图谱幅值熵(graph spectrum amplitude entropy of visibility graph,GSAEvG)的滚动...     

基于加速度信号全谱分析的转子碰摩故障特征提取实验研究

转子在运行过程中的振动加速度信号包含了转子运行状态大量信号，瞬态过程中故障加速度信号特征的提取及其识别对于旋转机械故障诊断是十分重要的。旋转机械振动的全谱分析是一种使一些典型故障尤萁是碰摩故障能被很清楚检测出来的有效方法，本文在对旋转机械转子中的一些典型碰摩故障进行了模拟试验，以及对故障发生过程中的加速度信号进行采集的基础上，对转子故障加速度信号的全谱特性进行了分析，提取和总结出由故障造成的加速度信号突变和对应的谱特征。分析结果表明：采用转子振动加速度信号对转子的碰摩故障进行诊断是有效的。加速度信号全谱图可以丰富旋转机械碰摩故障诊断系统知识库中的特征信息，对于更准确地诊断转子中的碰摩故障具有重要意义。     

一种复合材料层合板故障诊断的频响—广义模态能量法

复合材料故障诊断问题日益受到人们的重视。利用振动理论和实验技术进行故障诊断是一种很有吸引力和值得探索的方法。本文提出了一种复合材料层合板损伤的频响一能量诊断新方法,此方法选取对故障比较敏感,又能反映结构动力特性的频响函数作为诊断故障的参数,并引入阻尼耗散能计算本文定义的无损板在各阶模态下广义模态能量的分布,通过理论推导和计算得到了损伤前后频响函数在各阶共振峰处的变化,与无损板在给定模态下各单位的模态能量贡献之间的联系。从而得到一种分析小损伤位置和范围的新方法。此方法的一个重要结论是:在小损伤的前提下,对于同一单元或同一区域各阶广义模态能量贡献之间的比值,同假设这一单元或区域有损伤而得到的各阶频响函数在无损板峰值处的变化率之比基本相等。文中提供了能量贡献分布图等,可供分析之用。算例与实验的结果表明,本文提供的方法是有效,可行的。     

高斯小波—最大熵谱分析及其应用

充分利用小波和现代谱分析的优点,提出了一种新的谱分析方法——高斯小波-最大熵谱分析方法。文中介绍了该方法的分析步骤,并应用于减速机的故障诊断。该方法实现了在机械故障诊断中不同频带范围内零部件故障信息的分离和提取。     

基于Hilbert边际谱的滚动轴承故障诊断方法

Hilbert-Huang变换是一种新的自适应信号处理方法，它适合于处理非线性和非平稳过程。通过对信号进行Hilbert-Huang变换，可以得到信号的。Hilbert边际谱，它能精确地反映信号幅值随频率的变化规律。针对滚动轴承故障振动信号的非平稳特征，提出了一种基于Hilbert边际谱的滚动轴承故障诊断方法。该方法在Hilbert边际谱的基础上定义了特征能量函数，并以此作为滚动轴承的故障特征向量，建立M-距离判别函数来识别滚动轴承的故障类型。对滚动轴承的内圈、外圈故障信号的分析结果表明本方法可以有效地提取滚动轴承故障特征。     

A Novel Parsimonious Neurofuzzy Model Applied to Railway Carriage System Identification and Fault Diagnosis

ＡＮｏｖｅｌＰａｒｓｉｍｏｎｉｏｕｓＮｅｕｒｏｆｕｚｚｙＭｏｄｅｌＡｐｐｌｉｅｄｔｏＲａｉｌｗａｙＣａｒｉａｇｅＳｙｓｔｅｍＩｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄＦａｕｌｔＤｉａｇｎｏｓｉｓＳ．Ｃ．Ｚｈｏｕ，Ｏ．Ｌ．Ｓｈｕａｉ＋，Ｔ．Ｔ．Ｗｏｎｇ?..     

一种改进的盲解卷积算法在轴承声学诊断中的应用

针对时域盲解卷积算法滤波器长度估计困难的缺点,提出一种基于遗传算法优化的改进算法。该算法利用遗传算法搜索最佳时延,解决了盲解卷积结果不确定问题,并改进了信号分量的聚类指标,采用峭度作为独立分量间距离测度,提高了信号分量聚类的准确性,获得了可靠的估计信号。计算机仿真和实际环境中故障轴承声信号提取实验验证了该算法的有效性。