柴油机缸盖周期性振动信号的自相关周期识别

提出了类周期概念,利用拓展的周期信号自相关函数,实现了柴油机缸盖振动信号类周期力主要振动波形的提取实验证明垢准确性高,有利于实现数据处理的智能化,为进一步分析柴油缸盖振动信号奠定了扎实的基础     

基于振动信号的柴油机气门间隙异常故障诊断

为探讨简易诊断柴油机气门间隙异常的有效方法,采用柴油机缸盖表面的振动信号进行试验研究。采集了柴油机在不同气门间隙下的振动信号,用时域法和频域法相结合的分析方法对故障特征信号进行分析,得出了气门间隙异常的频率特性和判断依据。结果表明,采用振动检测技术可以实现不拆卸配气机构就可简易诊断柴油机气门间隙异常故障。     

车用柴油机振动故障混沌诊断系统及其应用

为实现车用柴油机潜在振动故障有效诊断,基于建立的车用柴油机状态监测系统提取车用柴油机振动信号,并得出不同嵌入相空间下车用柴油机机身振动信号时间序列关联维数的变化规律.研究结果表明;车用柴油机振动信号时间序列是混沌序列,影响车用柴油机振动信号的系统内部因素最多可达8个,最少不会少于1个;缸盖振动既具确定性,又具混沌特性,而缸套振动、机身振动则可以认为是混沌振动.     

局域波法在船舶柴油机燃油系统故障诊断中应用

局域波时频分析能够从振动信号中提取清晰直观的故障特征。根据该方法的优点，以船舶主机－柴油机的燃油系统漏油故障为例，对柴油机缸盖表面的振动信号应用局域波时频谱进行分析，为柴油机的故障诊断提出一种新的分析方法。     

自适应信号处理在柴油机振动信号识别中的应用

介绍了信号自适应处理的基本方法和自适应对消原理，利用正弦合成信号和正弦与噪声合成信号的对消实例验证了该方法。在对PZ12V190B型柴油机缸盖振动信号的分析中，用非爆发段信号作为待消信号，对原信号进行了对消，抑帛了噪声及其他信号，突出了有效信号。     

柴油机故障诊断中振动信号测点位置的研究

在295柴油机上进行设定的进排气系统故障实验,获取各工况下三个不同测点位置的缸盖振动信号,然后利用改进的基于神经网络和小波分析的故障诊断方法进行分析.实验和仿真结果表明,不同测点获取的振动信号蕴含故障特征是不同的.从缸盖上方采集的振动信号更能表征各种故障特征,其故障准确识别率达到95.4%,较其他两个测点有大幅度提高.为基于振动信号的柴油机故障诊断提供了最佳的测点位置,以提高故障的诊断准确性.对其他复杂机械的振动诊断同样具有参考价值.     

自适应信号处理在柴油机振动信号识别中的应用

介绍了信号自适应处理的基本方法和自适应对消原理 ,利用正弦合成信号和正弦与噪声合成信号的对消实例验证了该方法。在对PZ1 2V1 90B型柴油机缸盖振动信号的分析中 ,用非爆发段信号作为待消信号 ,对原信号进行了对消 ,抑制了噪声及其他信号 ,突出了有效信号。     

多抽样率分析在柴油机气缸压力神经网络识别中的研究

利用柴油发动机缸盖振动信号识别气缸压力，对于柴油机故障诊断及运行状态监测是一个重要的环节，近年来，此类研究引起了相关学科的极大兴趣。在利用径向基神经网络对柴油机气缸压力的识别中牵涉到在一个周期内的采样点数的不同，极大地影响了在不同转速下识别气缸压力的适应性。因此，提出多抽样率分析，即根据缸盖振动信号的频带宽度，通过对原始信号的插值和抽取改变抽样频率，实现不同抽样点数的神经网络运算。     

车用柴油机振动信号的去噪声处理

针对柴油机振动信号的瞬时非线性特点,论述了车用柴油机振动信号处理理论与方法.采用柴油机振动信号的IMF分量进行特征频带识别,将柴油机振动信号经验模态分解,去掉主要干扰因素所对应的IMF分量,再将剩余IMF分量进行重构得到柴油机振动信号.重构后的信号反映了车用柴油机机身振动的真实信息.     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声,在进行故障特征提取之前必须加以消除.首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比,然后将奇异值分解技术用于信号降噪,最后提出了一种将小波包和奇异值分解相结合的降噪方法.该方法将输入信号进行一次小波包分解,利用奇异值分解方法对分解后的幅值量化系数进行降噪.实例表明,小波包和奇异值分解相结合的方法降噪效果最好.与其他方法相比,用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高,且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号,大大提高了特征提取的准确率.     

基于路面激励的汽车振动信号处理

汽车已成为大众生活的必需品.要提高车辆的平顺性,关键就要使其振动的频谱不在人体的敏感区域.以Matlab软件为计算平台,对从实车上采集的数字信号进行处理,得到其振动频谱.通过频谱分析,可以确定其参数是否合适.这对如何处理振动信号及提高汽车的平顺性有现实的意义.     

触觉的频率分辨机制研究

振动信号在触觉通信中常用来承载快速信息．深入研究触觉的频率分辨机制和能力，可以为设计触觉通信中的振动信号提供理论指导．对13名自愿者触觉的频率分辨精度和分辨速度进行了6个月的训练，并记录下不同阶段的分辨能力．结果表明：触觉根据周期差异来分辨不同振动信号，分辨功能在大脑皮层内完成；经过6个月训练后能够分辨开的振动信号间的最小周期差为1ms，能分辨的最高振动频率为250～322Hz，分辨时所需的振动信号最短保持时间为0．2s．     

涡街流量信号中管道振动噪声的分析与处理

研究了获取管道振动噪声干扰特征的方法,介绍了基于加速度传感器的管道振动信号的采集.结合涡街流量信号和管道振动信号的频谱分析结果,指出了管道振动信号频率与涡街流量信号的主要干扰分量频率直接相关.研究表明,可通过获取管道振动加速度信号特征,来间接获得涡街流量信号中最主要噪声的频率特征.基于这一研究结论,以管道振动信号的特征信息为参考输入,验证了通过自适应滤波对涡街流量信号中振动噪声的滤波方法.     

蚕蛹随机振动信号及噪声信号的预处理研究

提出了一种处理蚕茧随机振动以及噪声信号数据的方法,探讨了如何剔除蚕蛹随机振动信号的干扰值。     

隧道掏槽爆破振动信号两种分析方法

通过设计两次起爆的起爆网路,控制掏槽眼引起的振动速度,有效地减少了振动对周边构建物的影响。对掏槽爆破时振动信号进行了FFT分析、小波包分析,结果发现:单向爆破振动速度控制在2.1 cm/s以内,振动频率集中于50~100 Hz。傅里叶分析法(FFT法)与小波包分析法在处理振动信号主频的结果相差不大,速度的FFT图谱与爆破振动信号能量-频谱图相似。可用FFT法快速粗略地计算振动信号的主频与估计能量分配比例。但FFT法计算精度没有小波包分析法高,在精度要求高的情况下仍需使用小波包分析法进行信号分析。     

用振动信号的小波变换监测泥浆泵的吸入状态

将小波变换理论用于泥浆泵吸入状态的监测。研究结果表明 ,用振动信号绝对值小波分解后的逼近信号可较准确地判断吸入阀的关闭时刻 ,进而准确地判断泵的吸入状态。该方法可排除随机干扰的影响 ,具有信号特征简单、监测准确性较高及便于在现场推广应用等优点 ,在不测量缸压的情况下 ,较容易实现对泥浆吸入状态的缸外监测     

齿轮振动信号的压缩感知采集与故障诊断

传统的采样策略会产生大量的数据,为了减少齿轮振动监测中的数据量,在压缩感知的基础上,建立了齿轮振动信号采集和重构模型。首先通过高斯随机矩阵对振动信号进行压缩测量、传输和存储压缩后的信号可以节省成本。信号重构归结为一个最优化问题,应用正交匹配追踪求解信号重构问题。进而得到重构信号的Hilbert解调谱,从Hilbert解调谱中提取特征频率,以特征频率能否识别来评价信号重构的效果。仿真实验和齿轮实验证明了模型的有效性。     

求强非线性振动系统的新摄动法

对强非线性振动系统进行参数变换 ,把强非线性振动系统转化为弱非线性振动系统 ,同时再把振动系统的解展开为付立叶级数 ,利用参数待定法即可方便求出强非线性振动系统的高精度摄动解。     

旋转机械振动信号处理中的滤波及特征提取技术

在广泛调研国内外旋转机械振动信号处理技术研究的基础上,针对振动信号处理中的滤波和特征提取技术进行了较为详细的回顾和总结,分析了各种滤波和特征提取方法的优缺点．文中调研和总结的研究方法和技术,可为大型旋转机械振动检测与故障诊断研究提供参考．