基于局域波和混沌的转子系统早期碰摩故障诊断

为实现低信噪比下的微弱信号检测,提出一种基于局域波和混沌的微弱信号检测方法.将微弱的故障信号分解为有限的并且具有不同基本模式的分量,每个分量为单一成分信号,实现了信噪分离.将局域波分量输入所设计的混沌振子,混沌振子系统行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分,实现了利用混沌振子对低信噪比微弱信号的检测识别.对转子系统早期碰摩故障信号检测结果说明了该方法的有效性.     

基于混沌的旋转机械故障诊断

研究了Duffing方程解的特性，应用分形维数来识别混沌运动及其分岔参数，说明混沌振子的非平衡相交对微弱信号的敏感性和噪声的免疫力，通过混沌振子由混沌运动到大周期运动的相交识别可对旋转机械早期不对中故障信号进行检测和诊断，为工程实际中旋转机械的早期故障诊断提供有效的依据。     

利用单向驱动非线性耦合Duffing振子检测微弱信号

针对单个Duffing振子检测微弱信号时相变判别计算量大、时间长、不易把握等问题,建立了一个单向驱动非线性耦合Duffing振子系统,根据横向Lyapunov指数分析了系统在混沌态到大尺度周期态时振子间运动轨迹的同步演化特性,提出了利用同步误差来判别相变的新方法。实验仿真表明,在强噪声背景下该耦合系统仍能够正确快速地检测出微弱信号。     

基于双耦合混沌振子的未知频率弱信号检测

针对微弱信号检测的难点问题,提出了一种应用于未知频率微弱信号的分段测频检测方法.利用双耦合Duffing系统相轨迹状态的跃迁对于输入微弱信号的敏感特性实现了对淹没在强噪声中的微弱信号的检测,同时利用分段测频方法实现了对微弱信号的频率测量,有效地解决了单Duffing振子的微弱信号检测方法易受噪声影响产生误判的问题,突破了现有微弱信号混沌振子检测方法只能进行已知频率信号检测的局限性.仿真实验结果证明该方法确实能够较为准确地检测出输入微弱周期信号的频率,使微弱信号检测技术得到进一步完善.     

基于混沌理论和小波变换的微弱周期信号检测方法

根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法.该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据.该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性:同时能检测多种频率的信号.仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100dB,频率误差为0.04％左右,改善了湮没在强噪声下的微弱信号检测技术.     

基于混沌振子的微弱信号检测

分析Duffing振子的混沌特性及其检测原理,阐述基于相平面变化进行微弱信号的检测原理。利用MATLAB仿真的结果表明,Duffing振子对与周期策动力频率差较小的周期信号敏感,对纯噪声和频率较大的周期干扰信号具有免疫力。该振子应用于对已知频率的微弱信号的检测是可行的,并且有效、简单、便于应用。     

基于混沌振子探测微弱动态周期测量信号

介绍了Duffing振子检测微弱信号的原理和过程以及利用混沌振子来检测淹没在强噪声背景中的微弱动态周期测量信号的方法．理论分析和仿真实验均表明混沌振子能有效地检测微弱动态周期信号．该检测方法既能形成一种独立的检测理论，也可以作为现行微弱信号检测理论的有效补充．     

基于Duffing振子的微弱信号参数估计

针对传统Duffing系统在检测频率未知的微弱信号时用振子阵列会增加复杂度的问题,提出结合频谱分析和Duffing振子的频率检测方法,此外还给出信号幅度和初相位的估计方法。将待测信号输入到内置周期驱动力为0的Duffing振子检测系统,对其输出量作频谱分析得出信号频率;利用Lyapunov指数方法得到临界阈值fd;把待测信号分别输入到内置周期驱动力初相为0和π的Duffing振子检测系统,并通过Lyapunov指数方法求出系统发生相变时所对应的内置周期驱动力幅值,计算可得信号的幅度和初相位。仿真实验证明,该方法可检信噪比低至-43.01 dB,与传统Duffing振子系统相比,具有检测精度高、复杂度低的优点。     

基于Duffing振子检测鼠笼型异步电动机转子断条故障的

文章提出基于Duffing振子检测鼠笼型异步电动机转子断条故障的新方法.Duffing振子摄动力为故障电流.当转子断条故障发生时,Duffing振子处于大周期状态;而正常运行或者非此类故障时处于混沌状态,从而识别了转子断条故障.该法判别的过程简单、快速,并具有较强的鲁棒性.仿真结果证明了方法的可行性和有效性.     

Duffing振子的两种检测微弱信号的方法及区别

分析了Duffing振子的混沌运动特征，阐述了两种检测微弱信号的方法：一是利用该振子对与参考信号角频差较小的周期小信号的敏感性、对白噪声及参考信号角频差较大的周期的免疫力来检测微弱信号，二是通过改变噪声强度或调节系统本身的参数产生随机共振来提取微弱信号。对两种方法的机理进行了比较，指出了二者的区别。     

齿轮早期故障的间歇混沌诊断方法

研究了小信号摄动的Ｈｏｌｍｅｓ型Ｄｕｆｆｉｎｇ振子的混沌及间歇混沌运动，发现策动力与摄动信号间的微小频差是振子产生间歇混沌的原因，得出了振相变对小信号敏感以及频差较大的周期干扰信号和噪声具有免疫力的结论，通过识别振子的间歇混沌运动可对齿轮单齿缺陷故障进行诊断。     

基于希尔伯特-黄变换周期平稳类微弱故障信号检测

在希尔伯特黄变换可以将振动信号分解为有限的模式函数的基础上,针对周期平稳类微弱故障信号难以检测到的问题,对信号进行经验模式分解,然后对本征模式函数进行希尔伯特变换;接着通过希尔伯特谱对多频信号中的弱信号和仿真齿轮裂纹弱故障信号分析,得出多频信号中弱信号成分和其时间分布以及调相频率;最后分析滚动轴承损伤弱故障,从希尔伯特谱中可以分析时频和振动量的分布情况,进而提取故障特征,分析出故障;表明希尔伯特谱对周期平稳类微弱故障信号具有一定的分析能力.     

微弱振动信号的谐波小波频域提取

为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.     

A new method for detecting line spectrum of ship-radiated noise using Duffing oscillator

A detection scheme for line spectrum of ship-radiated noise is proposed using Duffing oscillator. The chaotic trajectory of Duffing oscillator is analyzed and the state equation of the system is improved to detect weak periodic signals in different frequencies. According to the simulation results, the phase transforms of Duffing oscillator are sensitive to periodic signals and immune to the random noise and the periodic interference signals which have larger angular frequency difference from the referential signal. By employing Lyapunov exponents in the field of detection as the criteria for chaos, the phase transforms of dynamic behaviors in quantity are successfully determined. Meanwhile, the threshold value in critical state has been evaluated more accurately. Based on the phase transforms of Duffing oscillator, a new method for detecting line spectrum of ship-radiated noise is given. Three types of ship-radiated noise signals are analyzed and the values of line spectrum are acquired successfully by this method. The experimental results show that this method has high sensitivity and high resolution.     

希尔伯特变换在故障诊断中的应用

许多机械故障信息以调制形式存在于振动噪声之中,希尔伯特变换是提取调制信息的一种有力工具。本文首先介绍希尔伯特变换在数字信号处理中提取幅值和相位调制方法,它利用调制信号和它的希尔伯特变换形式构成的解析信号,进行取模和反正切变换,即可获得包络和相位信号。这方法简单,适合于微机实时处理。由于现场实测信号存在各种噪声和干扰,对于被处理的信号需作预处理,因此本文引入时间同步平均,自适应消噪技术用于信号预处理,这有利于提高信号处理结果的信噪比以及诊断的可靠性。最后本文对三个典型机械零件故障的实际诊断作扼要介绍,实测说明希尔伯特变换和它相关的预处理技术结合应用于故障诊断是非常成功的,它为机械故障的早期诊断,和提高诊断灵敏度开辟了新的途径。     

基于 FPGA 的微弱信号检测与实现技术

研究了杜芬混沌振子(Duffing chaos oscillator)微弱信号检测算法及其现场可编程门阵列(field programmable gate arrays,FPGA)实现技术.根据杜芬系统在混沌和大周期2种状态下相图的明显区别,运用基于相图分割的信号检测方法,在FPGA上实现了杜芬混沌算法与系统状态判别方法的结合.根据并行运算与流水线原理,对杜芬方程的结构进行调整.采用递推数列的方法计算正弦值,以便节约存储空间.使用VHDL硬件语言设计了杜芬阵子系统中核心的四阶龙格库塔(fourth order Runge Kutta algorithm,RK4)模块和状态检测模块,在vivado集成开发环境下仿真验证了设计的正确性.通过改变策动力的频率,系统可以检测各种频率的微弱正弦信号.经判断,该系统可实现对与系统信号同频率信号的检测.     

电机驱动系统PWM逆变器故障诊断

电机变频调速系统中,逆变器是故障高发的薄弱环节。设计一种基于小波包分解和RBF神经网络的三相电机驱动系统PWM逆变器故障诊断模型,利用小波包变换提取三相PWM逆变器故障信号特征向量,并将其作为RBF神经网络的输入量;采用狼群—模拟退火算法优化RBF神经网络的结构和参数,利用32组学习样本和6组测试样本分别训练和检验RBF神经网络。仿真实验分析表明,该方法用于三相电机驱动系统PWM逆变器开路故障的诊断,速度快、准确率高。     

相图及方差在注水泵故障诊断中的应用

以混沌理论为基础 ,利用相图分析方法研究了注水泵机组状态由正常到分岔、再到混沌的演化过程 ,得到了振动信号相图与方差值之间的对应关系。提出了用相图定性地判断离心式注水泵机组是否存在故障的方法 ,该方法解决了常规诊断方法难以解决的问题。利用辽河油田欢喜岭采油厂和曙光采油厂的注水泵机组的振动数据进行实验 ,取得了良好效果。将该方法与其他参数相结合 ,可以提高诊断精度 ,为大型离心式设备的故障诊断提供了一条有效途径。     

基于注入式Duffing振子配电网故障选线

针对传统注入法故障选线受高阻限制,提出注入式Duffing振子选线方法。对Duffing振子进行尺度变化,使其适用于电网大频率信号检测。Duffing振子对和内策动力信号同频的外部信号有较高的灵敏度,且Duffing振子的抗噪性良好。配电网发生故障后,提取各线路注入信号作为Duffing振子的输入,系统会因外界策动力不同迅速发生相应相变,通过龙格库塔求解,得到系统三维相图轨迹,用纹理参数对其进行分析,给出数值判据以达到智能选线目的。仿真实验证明了方法的准确性。