基于腕带传感检测系统的脉搏信号时频分析

通过腕带传感检测系统,研究了时频分析方法在人体脉搏信号中的理论应用,使用M atlab工具对健康人和高血压患者的脉象样本进行了时域、频域和功率谱的对比分析,通过现场采集高血压患者样本并分析,证明了时频分析方法在脉搏信号分析中的可行性和可靠性.研究结果对中医脉诊的数字化应用具有一定的实际意义.     

基于小波能量谱和粗糙集的离心式压缩机振动故障诊断

结合小波能量谱和粗糙集理论各自优点,采用尺度小波能量谱计算公式对实测的时域信号进行尺度小波能量谱计算.以尺度小波能量谱为特征参数,对应故障为决策属性,结合粗糙集理论进行故障诊断规则获取,从而提出一种基于小波能量谱和粗糙集理论的离心式压缩机振动故障诊断方法.研究结果表明:测试样本对象诊断正确率为100%;该方法不需要精确计算离心式压缩机振动的故障特征频率,与传统的提取时域和频域参数方法相比,诊断正确率达88.5%.     

桥梁随机载荷数据采集和数值模拟

考虑了随机过程的分布函数和功率谱密度函数,采用非高斯过程的数值模拟方法对某桥梁车辆荷载实行再现,模拟结果表明,这一方法很好地处理了从交通流量到试验载荷谱的转换,完成了交通流量时域到频域的转换。     

信号短时分析方法在机械故障诊断中的应用

定性研究了短时能量分析法的特性,指出该方法在时域中相当于用能量法检测瞬态信号,而在频域中相当于用自相关函数法检测频谱中的周期成分,并根据方差与一步自相关系数的关系讨论了可用于分析调频信号的短时一步自相关函数法,给出了2种计算短时参数的快速算法,最后以振动信号分析实例验证了短时分析法的有效性。     

对羟基苯甲酸酯类物质的太赫兹光谱特性研究

利用太赫兹时域光谱(THz-TDS)技术检测了对羟基苯甲酸甲酯、对羟基苯甲酸乙酯、对羟基苯甲酸丙酯和对羟基苯甲酸丁酯的时域光谱,通过傅里叶变换获得其在0.30～2.40 THz频段的频域光谱和透射光谱,进而得到这4种物质的折射率谱、吸收谱和介电函数谱.同时,检测了对羟基苯甲酸甲酯和对羟基苯甲酸乙酯以不同比例混合的样品光谱特性,为THz-TDS技术用以鉴别混合物质中的特定物质方法奠定基础,也为安全检测防腐剂提供了重要依据.     

用择近原则确定轴承的故障类型

在机械故障振动诊断中,通过检测传感器拾取时域振动信号,再经过ＦＦＴ变换得到频域信号,可以对故障类型进行判别。分析了轴承的故障类型与特征频率的关系。通过建立隶属函数和贴近度函数,提出了以模糊数学为基本原理的故障判别方法。利用该方法可以更好地解决故障类型的计算机识别问题     

一种基于窄带自相关的实信号频率估计算法

单频含噪实正弦信号的自相关函数和其原信号的频率一致,且自相关可去除一部分噪声影响,因此基于自相关的频率估计算法一直备受关注。由于自相关可以从时域获得也可以从频域获得,基于自相关的频率估计算法有比较简单的基于时域的方法和性能比较好的基于频域的算法。结合时域和频域自相关的特点,提出一种基于窄带自相关的实信号频率估计算法,该算法在频域进行谱峰搜索后,利用信号的窄带功率谱来计算自相关,进而用简单的时域自相关的改进协方差算法(modified covariance,MC)来得到频率估计,推导出频率估计闭式解。仿真结果表明该算法性能优于传统的自相关时域算法和频域算法,在信噪比高于-7 dB时就能逼近CRB界。     

基于随机信号非线性特征的信号体制识别

在信号处理与模式识别相结合的信号体制识别中,利用Ｖｏｌｔｅｒｒａ非线性模型对随机信号进行分析,求解出Ｃａｕｓｓｉａｎ随机过程的输出自相关函数和功率谱密度。通过时域和频域特征提取及二次函数分类,提高识别的准确率和系统的广谱性。     

滤波白噪声路面时域模拟方法与悬架性能仿真

为合理模拟路面时域模型,通过路面不平度空间功率谱密度分析路面频域模型,并由路面频域模型推导路面时域模型的滤波白噪声数值模拟方法.提出了采用滤波白噪声方法模拟路面时域模型时,改变仿真车速的同时需调整白噪声采样频率使之与车速相配.通过分析生成的路面时域模型的空间功率谱密度,验证了路面时域模型的准确性.比较只改变车速和所提出的改变车速并调整相应白噪声采样频率模拟的路面时域模型的高度历程、频谱和空间功率谱密度,得到了后者模拟方法更符合标准等级路面的结论.并通过仿真,分析比较了某1/4车辆悬架模型在不同方法生成的路面时域模型输入下的系统响应精确性,体现了所提方法的重要性.     

一种基于振动位移的扬声器异音故障检测方法

为了满足扬声器纯音检测的需要,提出了一种基于激光位移传感器的扬声器异音故障检测方法.该方法利用激光位移传感器采集扬声器纸盆中心振动信号,通过短时傅里叶变换将扬声器振动信号从一维的时域信号变换成两维的时频域信号.对时频图采用多级阁值分割的方法进行图像分割,统计其高频区域灰度值落于0～ 0.3的所有像素个数作为特征值,进而判断扬声器的好坏.实验表明,此方法对扬声器异音故障检测的正确率可达到97％.     

钻井泵泵阀状态的监测与故障诊断

对钻井泵泵阀故障识别进行了实验研究，提出了一种简单而实用的泵阀故障诊断方法。以位置传感器测量活塞死点所产生的信号为触发信号，可用计算机准确采集到钻井泵泵阀关闭时在阀箱上激起的瞬态响应信号。对该瞬态信号的时域和同步功率谱进行分析后，可较为准确地判别泵阀的工作状态。用该方法可检测出较为明显的故障信息。     

配电网接地故障定位的传递函数法

为解决配电网的单相接地故障定位问题 ,提出一种新的单端测距算法。该方法基于频谱分析的原理和线路的分布参数模型 ,建立配电网络的传递函数 ,从单端施加激励信号 ,由传递函数的频谱特性构造判据进行故障定位。理论推导和计算机仿真计算表明 ,根据各分支端口传递函数频谱的频率、相位和波形特征可以有效实现配电网的接地故障定位并测距。由于该方法不受负载参数变化的影响 ,测量方便 ,克服了以往单端测距算法的缺陷 ,因此有很好的应用前景     

基于声卡的乳化液泵故障诊断系统

通过分析乳化液泵排、吸液阀振动产生的机理设计了泵的振动信号测试系统和泵的故障诊断软件。测试系统采用PC计算机、电涡传感器,声卡,建立了乳化液泵振动信号的信号采集系统并对测点的安放进行了说明。用声卡成功地代替了一般的数据采集卡来采集振动信号,有效的降低了整个测试系统的成本。乳化液泵故障诊断系统软件主要包括主调度模块、功能模块组、人工神经网络程序包和数据库等部分。主调度模块主要控制和协调诊断系统其它部分的工作。诊断系统软件的在线故障诊断功能、事后故障诊断功能、人工神经网络的训练以及其它工具的功能都是通过它调用相应的功能模块或子程序来实现的。中心数据库是为整个乳化液泵状态监测与故障诊断系统服务其主要功能是存储各种过程参数和故障诊断参数。     

基于小波降噪和EMD方法的风力发电系统齿轮箱故障诊断

将小波降噪和经验模态分解相结合,提出一种风电机组齿轮箱故障诊断的方法。先对齿轮故障振动信号进行小波降噪预处理,再进行经验模态分解,对包含故障特征的固有模态函数用Hilbert变换得到包络谱,通过对包络信号做功率谱分析,提取故障特征频率,与未降噪信号处理的结果进行比较,降噪后诊断效果明显。     

基于LabVIEW的齿轮故障测试系统

采用噪声分析法,用普通的计算机声卡代替专用数据采集卡,利用LabVIEW虚拟仪器软件平台,设计了基于PC机的虚拟齿轮故障测试系统.能实现齿轮噪声信号的实时采集和信号时域分析和频谱分析功能,达到监测和诊断齿轮故障的目的.     

泥浆泵轴承的故障诊断

为了掌握泥浆泵工作状态,测取3NB1300C泥浆泵正常工况和一些故障工况下动力端轴承的振动信号,对其进行共振解调处理后,进一步对所得的时域信号进行频域分析,得到了有价值的检测部件振动规律、一般特征以及故障特征,可用于泥浆泵的故障诊断.     

高阶时频分布在滚动轴承故障诊断中的应用研究

滚动轴承故障信号是非高斯、非线性、非平稳信号,由于调制性,使用幅值谱分析方法无法找到轴承故障频率。将高阶时频分布——主要是Wigner双谱分析方法应用于滚动轴承的故障诊断,计算滚动轴承振动信号的高阶时频分布,并对其沿时间轴切片,分析了切片的幅值谱。针对不同故障轴承,对其振动信号幅值谱、高阶时频分布及其切片谱的对比分析表明,高阶时频及其切片谱性能优于幅值谱。     

小波消噪用于钻井泵阀泄露故障诊断

讨论了钻井泥浆泵阀的失效机理,提出影响泵阀寿命的2个主要因素是阀的冲击造成的阀的疲劳点蚀和由泥浆液的刺蚀、犁沟造成的冲蚀磨损。针对钻井泵现场工况,采用声信号进行诊断,泵阀声信号的特征是信噪比低、冲击信号丰富、故障信息的时域特征明显和非平稳性。因此通过对声信号的小波降噪处理,突出了泵阀失效的故障特征,Fourier分析很难达到这样的效果,说明小波分析对这类信号的消噪有着Fourier分析不可比拟的优点,同时通过消噪也为进一步诊断中特征量的提取奠定了基础。     

基于能量—故障模式的工程机械故障诊断

基于能量-故障模式的工程机械故障诊断方法结合工程机械数学模型，根据输出信号的各频率成分能量的变化，建立能量变化到每一种故障的映射关系，得到表征每一故障的特征向量。然后与实验统计方法得出的特征向量相比较，依据特征向量进行分类决策，从而确定是否有故障及故障的位置。应用此方法，对某正常和故障状态下的信号进行分析，其评判结果与实际较为相符。     

基于音频识别的无人值守变电站设备在线监测

介绍了无人值守变电站主设备音频在线监测系统的原理与结构,然后重点介绍音频数据的监测与识别过程.首先系统利用传感器采集变电站设备的音频信号,数据采集器把多路音频数据传至监控主机,音频数据经频谱分析和处理后提取到MFCC特征参数作为信号特征,再把特征参数输入正弦基神经网络进行识别,实现高效、准确地判断电气设备运行状态或故障类型.该方法从根本上改进了以往人工监听电气设备判断故障的方法,提高了设备故障检测效率,为及时发现和处理设备故障提供了帮助.