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。     

钻井液连续脉冲信号频域传输速度影响因素

随钻测量过程中,有效提高脉冲信号的传输速度能减少信号延迟时间,提高信号传输精度。根据连续脉冲信号传输频域模型,对影响信号传输速度的钻井液组分含量特性、钻井液水力摩擦系数以及脉冲信号频率等参数进行了计算分析。结果表明：随着钻井液密度及压缩性的提高,信号的频域传输速度降低,钻井液的含气量对速度的影响更为显著;信号传输速度随脉冲信号频率的增加而增加,并存在稳定传输频率值;钻井液水力摩擦系数越大,信号传输速度越小,而信号稳定传输频率越大。     

正交小波多尺度阵列观测声信息融合预处理算法

在声阵列信号处理中,为了提高窄带声信号的信噪比,降低信号的失真率,提出了基于q带正交小波多尺度分析的阵列观测声信息融合预处理算法。首先,该算法将多通道阵列声信号随机分组,基于正交小波多尺度分析得到阵列信号的细节信号矩阵函数及近似信号矩阵函数;其次,构建了各组细节信号的互相关函数,给出了细节信号互相关矩阵,以细节信号的均值互相关函数为细节阈值,得到了融合细节信号集合;再次,基于融合细节信号集合和近似信号矩阵函数重构了声信号。最后,通过静态半实物仿真试验及能量比、标准差、相关系数、信噪比四个方面的统计分析,表明融合预处理算法后的观测信号不仅保留了初始观测信号90%的声能,降低了初始观测信号的波动程度,而且还保持了初始观测信号90%的相似度,提高了信噪比,降低了信号的失真率。     

卷积混合模型分离算法与多局部放电混合信号分离

为了辨识GIS内多绝缘缺陷产生的单一PD信号,对多PD信号在GIS内的传播与混合机理进行深入分析,提出采用卷积混合模型描述其混合过程,并构建分离算法分离多PD信号以获取辨识所需的单一PD信号。结合PD信号的非平稳特性,将各多PD信号在时域空间下划分成短时内平稳的子信号集合,利用Molgedey-Schuste算法在频域内对子信号进行分离,再利用子信号包络线的相关性在频域对分离子信号进行重构,获取各单一PD信号,以实现对非平稳多PD信号的分离。经仿真和实测多PD信号的有效分离,证实了多PD信号在GIS内线性卷积混合特性的假设,同时为用外置UHF检测法获取多绝缘缺陷产生多PD信号的辨识提供了新方法。     

机床切削力信号在线监测的研究

本文中切削力信号的采集是利用压电传感器测得信号并通过电荷放大器,将微弱的电荷信号放大成电压信号,然后通过数据采集板,将模拟信号转换成数字信号,输入计算机,在计算机上实时采集并动态显示信号,从而监测加工过程。经过时域和频域分析信号得出信号特征,最后获得正确的动态切削力信号,来验证整个监测系统的稳定性和可靠性。     

抗复杂环境干扰的通信信号采集系统设计

针对已有的通信信号采集系统在复杂环境中,存在采集信息分散、信号采集规则难以确定等不足。提出了将模糊关联和信号特征提取技术相结合的通信信号采集系统设计方法。给出了系统设计完整硬件、软件设计方案。在系统软件设计中,结合复杂环境下通信信号的特点,引入模糊理论描述信号的突变性信息,采用关联规则方法,对信号的特征量数据进行模糊处理,从而实现信号特征的优劣排序。最后根据排序的结果,把数据输入到采集模块中,对不同的信号状态进行识别,实现系统复杂环境下信号采集。测试表明,这种方法能够实现复杂环境下通信信号的采集,有效地提高了信号采集的抗干扰能力,较传统采集方法有较大的优势。     

后非线性马尔科夫算法应用于振动信号提取

实际环境中通过传感器检测到的设备状态信号往往是非线性混合信号;而设备状态信号是设备故障诊断的基础,因此从混合信号中分离出设备状态信号极其重要。现有线性独立分量分析方法分离效果并不理想,对此提出将后非线性马尔科夫盲源分离算法应用于设备状态信号提取。为验证算法有效性,将直升机齿轮箱振动信号的非线性混合信号进行分离实验。实验结果表明算法能有效分离出轴承故障振动信号,为进一步提高故障诊断准确性和方便性提供了帮助。     

基于匹配追踪算法的信号复杂度在心音分段定位中的应用

分析心音信号的关键是如何有效地提取心音信号的有效成分(第一心音S1、第二心音S2)。文中结合心音信号的自身特点,把心音信号看成含有冲击成分的冲击信号,将匹配追踪算法引入到心音信号分析中,基于该算法提出利用相关结构复杂度对心音信号进行特征参数的提取方法。首先将心音分段,然后计算每段信号的分解次数,将分解次数定义为信号的相关结构复杂度。根据复杂度曲线可以有效地定位出S1、S2,还可以提取心音信号的一些典型特征参数。     

单元机组信号解耦控制系统研究

为了研究单元机组的解耦控制系统的设计问题,通过对单元机组模型研究发现,单元机组的输出信号是由匹配的控制信号和耦合信号组成,通过引入解耦信号去抵消系统输出中的耦合信号,从而实现解耦目的,为此,给出了基于信号叠加原理的信号解耦方法。通过对125MW单元机组模型进行信号解耦的仿真表明,信号解耦方法物理意义明确,工程实现简单,具有很好的应用价值。     

一种基于激光散点的回波信号融合处理方案

通过分析激光散点回波信号特性,采用复合散点目标特性合成方法对散点回波信号进行合成,合成后的回波信号具有人为或自然噪声,针对合成后的回波信号特性,选用并调整一系列的信号处理方法,对合成后的回波信号进行处理,通过仿真分析,能获得较好的融合效果和处理精度。从采集散点回波信号到合成回波信号,再到处理合成后的回波信号,整个过程构成了一种完整精确的激光散点回波信号融合处理方案。     

双H型石英陀螺耦合信号的分析模型

针对现有模型不能完全解释双H型石英音叉耦合信号某些特点的问题,提出一种分析双H型石英陀螺耦合信号的分析模型. 通过对耦合信号的机理分析,将耦合信号分为静态耦合信号和动态耦合信号,分析了各种耦合信号产生原因及与驱动信号的相位关系. 对静态耦合信号和动态耦合信号分别进行了实验验证,实验结果表明:静态耦合信号与驱动信号同频、同相、同波形,在检测正负两极呈共模状态,动态耦合信号与驱动信号同频,相位不正交,检测正负两极信号幅度不对称,驱动信号频率对动态耦合信号与驱动信号的相位差影响很大.      

管道泄漏信号自适应增强技术

基于动态压力传感器的管道泄漏检测,由于工况的多变使得泄漏信号经常被背景信号淹没,固定分解尺度的小波去噪得不到理想的效果。在分析泄漏信号特征的基础上,提出了一种简单、实用的泄漏信号自适应增强方法。它首先对动态压力信号进行正负区间划分,分别计算各个正负区间信号的累加和,并计算正、负累加和信号的3σ,对于累加和大于3σ的信号区间,保留幅值小于1/2峰值部分信号,并对剩余部分进行3次样条插值,从而自适应地实现泄漏信号增强。信噪比计算、功率谱分析和定位结果表明,该方法可以最大程度地保留泄漏信号的固有变化趋势,并提高泄漏信号的信噪比,降低定位误差。     

微弱信号检测方法的探讨

微弱信号是淹没在噪声中的信号,微弱信号检测的目的是从强噪声中提取有用信号,文章论述了微弱信号检测的基本原理,并详细地讨论了微弱信号检测的几种方法。     

因果周期信号卷积算法研究

研究两类因果周期信号卷积时域计算方法,导出两渐升信号卷积计算公式,具体给出因果周期方波信号、因果周期三角波信号的卷积算法和波形。研究发现,因果周期信号自卷积结果是渐升因果信号,在有限时段上的卷积结果仅由有限多个单位阶跃信号乘指数函数叠加组成。     

用奇异值分解研究数控工作台动态特征

本文用奇异值分解方法研究数控工作台动态特征。测试数控工作台三个方向的加速度信号;用奇异值分解得到信号的奇异谱;找出构成信号的主分量;通过提取主分量动态特征来研究信号的动态特征及其影响因素;通过计算信号能量来对信号及主分量进行量化分析。结果表明：构成信号的前两个主分量的信号特征明显,依此可以提取出混沌信号的动态特征;工作台铅垂方向的信号与水平面上运动方向的信号有很大的互相关性,说明信号来自于同一激振源,而水平面上与运动方向相互垂直的两个方向的信号互相关性小;运动方向的信号总能量最大,水平非运动方向的最小,铅垂非运动方向的居中;丝杠在铅垂方向的弯曲振动远比水平方向的大。     

频谱分析仪的设计

频谱分析是将输入的某些信号利用计算机对其进行分析的过程,本文主要是基于MATLAB软件,通过其GUI界面设计了频谱分析仪,对各种信号进行了分析处理。通过时域分析可以看到出入信号的波形以及该信号的某些特征值,如频率、幅值、相位、周期等,通过频域分析可以得到信号的在频谱内的周期及功率谱、幅频特性、相频特性、实频特性等。本文主要研究的信号有音频信号、声卡录音、信号发生器、图像信号,对于图像信号对其进行了频谱、功率谱以及直方图的分析。     

基于提升小波包的往复压缩机活塞-缸套磨损故障诊断

针对往复压缩机活塞-缸套磨损故障微弱信号特征识别问题,提出一种识别该类信号微弱特征的自适应非抽样提升小波包方法(AULSP)。该方法以分解层信号所有样本的预测差值平方和最小为目标函数,算出与信号特征自适应匹配的初始算子,并构造非抽样算子算出下一层各频带信号。对各层细节信号进行阈值处理并重构,对降噪后的信号再进行小波包分解。各分解频带信号长度与原始信号的长度相同,无须重构即可识别时域故障微弱信号特征。用这种方法成功提取了某往复压缩机活塞与缸壁发生碰磨故障时产生的弱周期性冲击信号。     

基于改进Hilbert-Huang变换的超声回波信号去噪研究

超声回波信号中包含大量有关缺陷性质的信息,由于信号在检测和传输过程中不可避免地受到随机噪声干扰,给后续信号处理带来误差。针对该问题,提出改进的希尔伯特-黄变换(Hilbert-Huang Transform,HHT)应用于超声回波信号去噪,提取回波信号中反映缺陷本质特征的信号。改进算法引入小波包变换对超声回波信号作预处理,对处理后的信号进行经验模态分解,提出对数似然检验法,识别并去除噪声引起的虚假分量,重构出有用回波信号。通过对添加高斯白噪声的超声回波信号去噪,验证改进算法应用于超声回波信号去噪的可行性和有效性。     

小波分析在测井裂缝识别中的应用

针对井下裂缝发育层段识别的难点,提出了用小波分析的方法分解声波时差信号,使井下的岩性与微观结构特征信号、流体性质信号、裂缝响应信号和随机干扰信号互相分离,直接重构出反映裂缝发育的声波高频信号,从而避免许多声波低频信号的影响,正确识别裂缝发育情况。用同样的方法分解双侧向电阻率信号,重构出电阻率测井各个层段的低频信号,直观地反映深、浅侧向的差异情况,有效地识别裂缝发育层位。最后结合高频声波信号和低频电阻率信号,识别出裂缝发育层段。应用表明,该方法与岩芯观察有很好的一致性。     

随机噪声雷达信号性能分析

针对随机噪声信号的分辨能力,推导出了不同功率谱形式的噪声信号的雷达目标距离分辨率表达式。理论分析基于信号的时间相关函数,利用Taylor级数和高次方程求解方法。理论结果表明:在相同的信号带宽情况下,具有高斯功率谱形式的噪声信号比矩形功率谱噪声信号具有更好的距离分辨率,也比常规线性调频信号有更高的距离分辨率,但高斯功率谱形式的噪声信号和线性调频信号可以具有相同的能量。仿真结果验证了理论分析的正确性。