湿式球磨机筒体振动信号分析及负荷软测量

针对磨矿过程的磨机负荷(ML)难以有效检测,球磨机常运行在欠负荷状态,造成该过程难以实现优化控制和节能降耗的难题,通过综合分析球磨机筒体振动的产生机理、不同研磨条件下振动信号的功率谱密度(PSD)及ML参数与PSD各频段的相关性,提出了采用料球比、浓度及充填率三个负荷参数对ML进行软测量建模的方法.该方法首先将振动加速度的时域信号通过傅立叶变换至频域,然后采用主元分析法(PCA)对振动频谱数据的低、中、高三个频段分别进行降维和特征谱变量的提取,最后利用最小二乘支持向量机(LSSVM)实现特征谱变量与ML参数间的非线性映射.实验结果表明,该算法能够有效地提取频谱变量的谱特征,并具有较高的估计精度.     

基于能量峰定位的经验小波变换及在轴承微弱故障诊断中的应用

为了解决经验小波变换在轴承振动信号频谱分割不当的问题,提出了一种基于自适应能量峰定位的经验小波变换。该方法采用Teager能量算子对傅里叶频谱进行能量集中,降低噪声和无关分量影响;利用多尺度寻峰定位算法自适应确定频谱分割边界;通过构建小波滤波器组提取各模态分量。依据峭度指标挑选故障信息最大的模态分量,最后通过Hilbert包络解调提取轴承的故障特征频率。仿真和实验分析结果表明:提出的方法从能量角度入手,鲁棒性更强;频段划分考虑频谱的形状,能自适应识别故障频带;与原始经验小波变换方法相比,改进方法能明显增强早期微弱故障特征,提高轴承早期故障诊断性能。     

基于改进小波阈值函数和变分模态分解的 电能质量扰动检测

针对强噪声环境下扰动特征提取困难的问题,提出一种基于改进小波阈值函数和变分模态分解的电能质量扰动检测算法.采用改进小波阈值函数滤除电能质量扰动信号的噪声,通过傅里叶变换确定预设尺度,再基于变分模态分解准确地求出电能质量扰动信号的各个本征模态函数,结合Hilbert变换和奇异值分解分别求解每个本征模态函数的振幅、频率、起止时间等特征量,并据此搭建PXI和LabVIEW结合的电能质量扰动检测平台.分别采用单一扰动、复合扰动和电网实际扰动数据验证本文算法的准确性与有效性,相比现有经验模态分解和集合经验模态分解,本文提出算法不仅具有抗模态混叠和虚假分量的能力,且在强噪声环境下仍具有较高的准确性和鲁棒性.     

基于VMD和FFT的变切深侧铣颤振特征提取方法

针对铣削过程中颤振频带不明显的问题,采用变分模态分解(VMD)和快速傅里叶变换(FFT)相结合的方法来提取颤振频带,为进一步提取颤振特征值奠定基础.为获得包含颤振频率的频带,采用变切深侧铣薄壁件实验获取铣削力信号.提出结合FFT频谱来选择VMD中模态个数的方法,并采用此方法对仿真信号和实验信号进行颤振频带提取,结果表明VMD和FFT相结合的方法能有效提取铣削颤振频带.     

基于瞬时频率曲线拟合和局部搜索组合方法的三阶多项式相位信号参数估计

三阶多项式相位信号是一类非常重要而常见的非平稳信号。在非合情况下,针对低信噪比的三阶多项式相位信号参数估计问题提出一种新方法。该方法采用基于滤波器组的短时RadonWigner变换的时频检测算法完成信号的检测并获得信号瞬时频率的粗略估计,利用三阶多项式对瞬时频率进行最小二乘拟合,从而获得信号参数的粗略估计,再用局部二维搜索和快速傅里叶解线调的方法完成信号参数的精确估计。计算机模拟仿真证明了此方法在低信噪比和较短数据条件下的有效性。     

改进Hilbert-Huang变换的滚动轴承故障诊断

以自适应噪声完备集合经验模态分解(CEEMDAN)为基础,提出了一种改进的Hilbert-Huang变换(HHT)时频分析法。对滚动轴承振动信号进行CEEMDAN获得一组本征模态函数(IMF)。通过自动提取敏感IMF算法,筛选特征敏感IMF分量,计算特征敏感IMF分量的Hilbert包络谱和HHT二维时频谱,提取故障特征频率信息。研究结果表明:CEEMDAN算法有效降低了模态混叠,比经验模态分解(EMD)算法和集合经验模态分解(EEMD)算法具有优越性。将改进的HHT与自动提取敏感IMF算法相结合,可以有效分解信号的特征信息,筛选出含有故障特征信息的敏感IMF,剔除背景噪声和无故障IMF的干扰,有效提取轴承振动的故障特征频率,诊断出轴承故障的发生部位。     

一种安全的抗去同步攻击数字语音取证算法

基于离散分数傅里叶变换的角度不确定性和贝塞尔-傅里叶矩对置乱信号的密切相关性,提出一种安全的抗去同步攻击的数字语音取证算法.解决了基于同步码的数字水印算法安全性不足和对被攻击内容不能篡改定位的问题.水印由帧号和离散分数傅里叶变换系数生成,并嵌入到置乱信号的贝塞尔-傅里叶矩中.实验结果表明,与现有的数字水印算法相比,本文算法不仅具有良好的不可听性和容忍信号处理的能力,同时提高了水印系统的安全性,并对不同类型的恶意攻击能够有效地检测和定位.     

Hilbert-Huang变换及其滤波特性研究

Hilbert-Huang变换是最新发展起来的处理非线性非平稳信号的时频分析方法.其基本的实现分为两步,经验模态分解和瞬时频率的求解.这种方法的核心部分是经验模态分解,任何复杂的信号都可以分解为有限数目并且具有一定物理意义的本征模态函数,对这些本征模态函数作Hilbert变换即可得到每一个本征模态函数的瞬时频率.经验模态分解方法是一个以信号极值特征尺度为度量的时空滤波过程,它充分保留了信号的局部特征,在信号的滤波和去噪中具有较大的优势.本文讨论了Hilbert-Huang变换时空滤波的实现过程,仿真验证了该方法的优越性.     

基于HHT信号处理方法的水轮发电机组低频压力脉动信号的特征提取

基于经验模态分解(Empirical mode decomposition,EMD)的希尔伯特黄变换(Hilbert-Huang transform,HHT)方法能够较好地分析非平稳和非线性的信号.提出了基于Pascal程序设计语言的HHT算法的程序实现方法.通过对某水轮发电机组水导轴承的振动信号进行分析发现,EMD方法等够有效地分离出低频压力脉动信号中的各个单一模态的振动分量,分解出来的各振动分量具有物理意义.Hilbert谱相比于传统的时频谱具有更好的时频分辨率,且具有自适应的信号处理能力.     

基于乘积性多尺度小波变换的MPSK信号码速率估计

为估计MPSK信号的码速率,提出一种基于乘积性多尺度小波变换的MPSK信号码速率估计算法.首先,采用载频估计值将接收信号下变频至基带;然后选取多个不同尺度分别对基带信号做Haar小波变换以检测相位突变点,对多个尺度下小波变换的模做乘积性运算,显著凸显突变点的位置,极大削减了噪声;最后,对乘积性结果做快速傅里叶变换(FFT),便可得到MPSK信号的码速率.仿真实验表明,该方法可以在较低信噪比下估计MPSK信号的突变点和码速率,体现了良好的估计性能和优良的低信噪比性能.     

集成筒体振动信号的球磨机出力在线监测

针对球磨机出力在线监测的不足,提出了一种基于机理模型和黑箱模型相结合的球磨机出力软测量算法.首先,分析了制粉出力的影响因素,并通过与传统的轴承振动法比较,证实筒体振动信号更能反映料位,在此基础上,确定了出力混合模型的辅助变量;其次,基于机理模型获得球磨机出力方程和理论值,并基于最小二乘支持向量机算法对机理模型进行校正,弥补它的不精确性;最后,制粉出力的建模结果表明:该算法能够有效地反映出实际运行中出力的变化趋势和动态特性,比单纯机理模型具有更高的精度和适用性.     

基于RBM和T-S模型的料位软测量方法的研究

球磨机是火力发电厂的基础设备,可靠测量料位是实现系统优化的关键。针对球磨机音频信号中存在强噪声、非线性等问题,结合受限玻尔兹曼机(RBM)、减法聚类和T-S模糊模型,提出了一种软测量方法。首先采用微调后的玻尔兹曼机提取特征,去除存在的噪声,然后使用减法聚类辨识模糊模型的初始结构,最后采用T-S模糊模型预测球磨机料位。通过在球磨机运行数据上进行模型验证,验证了该方法的实用性和可行性。     

基于相空间重构和PSO-K-means的球磨机负荷状态识别方法

针对球磨机振动信号具有强随机性、非平稳性和非线性等内在特性导致负荷状态难以识别的问题,提出一种基于相空间重构和PSO-K-means的球磨机负荷状态识别方法。首先,利用改进前后的自相关系数算法对Lorenz与Rossler两种混沌时间序列进行数值模拟,得出延迟时间和嵌入维数精准有效的计算方法;其次,验证出球磨机筒体振动信号具有混沌特性后对其时间序列进行相空间重构,恢复出等价的混沌吸引子;接着,针对3种不同负荷状态下的相空间吸引子进行特征提取,分析了关联维数特征量的变化规律;最后,将关联维数作为特征向量输入PSO-K-means聚类模型中对球磨机负荷状态进行分类与识别。结果表明,PSO-K-means聚类模型在负荷状态识别时有较高的精准性,欠负荷、正常负荷、过负荷下识别精度分别为94.2%、96.3%、94.8%。以上结果证实了该方法能够实现对球磨机负荷状态的有效识别。     

基于频域特征提取与RBF相结合的磨矿浓度软测量

为解决磨矿浓度难以直接检测的问题,提出一种通过磨机振动、磨音信号频域特征提取利用特征频谱与径向基函数(RBF)神经网络相结合的非线性建模方法.采用快速傅里叶变换(FFT)将时域振动及磨音信号转换为频谱变量,对频谱变量通过主元分析(PCA)进行谱特征提取,采用径向基函数(RBF)变换实现谱特征的非线性映射.实验表明,该方法可以实现对磨矿浓度的准确软测量,提高测量精度1％,方法有效.     

磨煤机振声信号分析及基于BP网的料位识别

对磨煤机振声信号进行了频谱和功率谱分析,分析表明:低频分量携带磨煤机的料位信息,而高频分量则是由高速电机旋转噪声、排风机噪声以及磨煤机筒体混响噪声引起的;低频料位信号与高频噪声信号是调制关系.利用希尔伯特变换对振声信号进行了解析化处理,分解出低频料位信息,并以振声解析信号的包络为对象,进行料位特征的提取.利用BP神经元网络,建立了磨煤机料位与振声信号的关系模型,从而实现磨煤机料位的自动识别.将模型的计算结果与实测值进行比较,结果表明,料位识别精度在±1.5%之内.     

轧机工作辊振动在线监测的新方法

根据轧机振动监测的技术要求和轧机工作辊高速回转、频繁变换位置的工作特性,选择振动位移为监测参量,提出一种位王跟踪、非接触式直接监测工作辊振动位移的新方法,对测点位王的布王等进行分析.根据涡流位移传感器,设计一种具有快速自动移位功能的传感器系统,并对传感器的位置控制和轧机工作辊的振动监测系统进行了研究.研究结果表明,用直接监测位移法直接测得的工作辊振动位移时,所用频率低于500 Hz,避免了轴承振动信号的干扰,无工频噪声,因而信噪比高;而在用测试工作辊轴承座加速度的传统方法获得的信号中,工频干扰等噪声很严重,几乎淹没了有用信号,无法客观提取其低频段的振动频谱特征.     

双H型石英音叉陀螺驱动信号频率跟踪算法的研究

为提高双H型石英音叉陀螺驱动信号的稳定性,基于DSP设计了一种数字化闭环控制电路,依据双H型石英音叉陀螺在串联谐振频率点处工作时驱动叉指振动的幅度随频率变化的影响最小,通过相位控制实现了驱动信号频率的跟踪,并利用希尔伯特变换产生了一对正交的参考信号用作相位检测.实验结果表明,双H型石英音叉陀螺工作稳定后,驱动信号频率跟踪算法的相位标准差为4mrad,精度达到0.003 4Hz.     

基于改进粒子群算法的球磨机运行优化

为了降低制粉系统球磨机的能耗率,对球磨机进行了运行优化的研究.在运行优化过程中,为了获得运行优化的目标模型,运用支持向量回归机对制粉出力进行了软测量建模,实现了制粉出力的在线软计算,得到了制粉单耗的计算模型.在此基础上,将混沌遍历的思想引入粒子群优化算法,提出了一种新的混沌遍历粒子群算法,该改进粒子群算法具有较快的搜索速度及全局收敛的特点.将该改进粒子群算法用于球磨机运行目标的优化从而获得最佳运行参数值.研究结果表明,运用所建立的运行优化目标模型及改进的优化算法可以获得球磨机的最佳运行优化参数,该研究具有重要的工程应用价值.     

基于电反馈自激振动的圆柱壳固有频率测量方法

振动按激励类型分为自由振动、强迫振动、自激振动和参数振动。目前固有频率测量的两种方法:敲击法和扫频法分别基于自由振动和强迫振动的原理。提出基于自激振动的原理测量圆柱壳的固有频率与模态的方法。此处的自激振动是基于电信号反馈激励,从而导致圆柱壳的自激振动;而非普遍被研究的摩擦导致的自激振动或线的风激振。将其命名为电反馈自激振动法,通过该方法对一个圆柱不锈钢钢管的模态与响应幅度-激励频率曲线的测量。与敲击法、扫频法和ANSYS仿真分析的结果进行对比,证明了该方法测量固有频率及模态的可行性;并得到自激振动时的振型分布及稳定激振的频率与传感器的位置有关的结论。该方法相比敲击法和扫频法具有测量设备简单、测量快速的优点。