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.     

径向基函数神经网络在超宽带探地雷达目标材质识别中的应用

基于探地雷达回波信号进行处理以识别地下埋设的目标,始终是困扰雷达应用的关键,根据数据时间轴截断抑制直达波,利用宽相关处理进行信号滤波和典型数据自动提取,提高回波信号的信噪比.针对提取的典型道数据运用Welch功率谱处理,得到的特征数据归一化处理后作为径向基函数神经网络的输入,实现对地下埋设目标材质的自动识别与分类.在此基础上,分析了不同截断点对目标材质识别结果的影响.实测数据处理表明,本方法可以有效地实现对Fe、Al与土壤的识别和分类.     

一种基于8位微控制器的汽车制动信号快速识别算法

为了利用最小资源解决汽车制动信号的大数据量处理和识别问题,提出了一种基于8位微控制器的汽车制动信号快速识别算法.在保证准确识别汽车制动信号的基础上,采取一种新颖的数据逻辑存储结构,将运算量降低到最小,一次采样只需进行1次加法运算,128次采样只需1次减法运算,即可实现信号平滑和识别,并将数据存储空间降低到233字节,不必扩展存储器,大大地降低了系统成本和功耗.该算法基本上不受平滑滤波等参数的影响,具有很好的鲁棒性,已成功运行于MCS51和AVR微控制器组构的处理系统上.     

基于地震动信号的目标识别

地面目标地震动信号的特性分析是进行地面目标识别的关键,针对人员、车辆地面目标运动时产生的地震动信号,利用JLD-3传感器和DSP设计了一种信号采集与处理系统,并进行多次外场测试.得到的信号时域、频域特征向量可作为目标分类的依据.试验结果表明,该系统结构简单、可靠性高,能有效识别由人员与车辆运动引起的地震动信号.     

溢流阀微机测控系统的试验与研究

通过实验,研究了溢流阀性能试验的微机测控系统,利用计算机采集信号和处理数据,能迅速测出和直接打印出试验数据与曲线.     

车削过程中刀具磨损和破损状态的自动识别

采用机床主电动机功率法和声发射(AE)法来获取切削过程中发出的刀具磨损和破损信号,建立了刀具状态试验系统.在试验数据的基础上,建立了功率信号的自回归时序模型,在提取作为刀具磨损特征量的模型参数时考虑了切削用量的影响.针对刀具破损时功率信号时域幅值变化的随机性,提出用延时方差法来处理功率信号,数据分析结果表明,这种方法是可行的.针对切削过程中发出的AE信号,采用时频分析的方法进行处理,提取出反映刀具破损的特征量,最后利用2个并行的自适应共振神经网络ART-2实现了刀具状态的自动识别,识别成功率达到95%.     

无人机身份识别系统设计

搭建了一个无人机身份识别系统.采用改进的四叉树防碰撞算法提高RFID识别效率,考虑识别多架无人机时容易漏读或者误读数据的情况,通过优化处理无人机身份标签,保证无人机在合法区域飞行.此系统可与监控主站配合,提高无人机空中管制效率,实现重点区域保护.仿真试验结果显示,本系统在识别范围内具有高识别效率与识别速度.     

基于数据手套和神经网络的数字手势识别方法

针对使用数据手套进行数字手势识别时存在个体差异的问题,使用弯曲电阻片设计了数据手套并提出了基于神经网络的数字手势识别方法.首先,在分析测量电路原理的基础上结合弯曲电阻片的特性优选了电路参数,使手指弯曲角度测量的灵敏度最大化.其次,针对用户在手指长度、手势习惯上存在个体差异的情况,提出了一种基于弯曲信号自学习和广义回归神经网络(GRNN)的数字手势识别方法.数据手套信号测试及数字手势试验结果表明,采用优选的电路参数时测量电路的输出振幅最大;在全体评估试验和个体交叉评估试验中,经过自学习预处理后的数字手势识别平均准确率分别为99.2%和96.1%,与未进行自学习处理的识别结果相比分别提高了2.8%和10.7%.在全体评估试验和个体交叉评估试验中,GRNN的识别结果均优于决策树的识别结果.     

基于Daubechies小波和证据理论的声目标识别

根据战场环境复杂多变的特点,提出采用小波变换对目标声信号进行特征转换,用基于Daubechies小波和证据理论(即D-S证据理论)对基于多传感器的声目标进行融合识别。其步骤为:首先,针对Fourier分析在处理目标非平稳随机信号方面的不足,运用Daubechies小波变换对信号进行处理,即将256个数据为一组的采样信号在Daubechies小波第三尺度上进行变换处理,在保留信号的峰峰值位置、个数等原始特征的前提下,数据处理量由256个减少到32个,从而减少了后续数据的处理量和处理难度;其次,对经过Daubechies小波变换的数据采用FOBW编码进行特征提取,并建立常见声目标的特征信息库;最后,分析并研究数据融合在声目标探测识别中的应用。研究结果表明:与单一传感器识别和多传感器融合识别效果相比,采用D-S证据理论的声目标识别,系统的识别率提高,系统的误判率降低,达到甚至超过了预定的技术指标。     

基于相位梯度自动聚焦的机载雷达成像试验

针对缺乏高精度机载运动测量系统情况下获得的某国产机载L波段合成孔径雷达(L-SAR)系统原始信号数据,采用完全数据驱动的基于相位梯度自动聚焦矫正信号相位的方法进行重聚焦成像处理试验.对点目标场景和分布目标场景的机载L-SAR信号数据成像处理试验表明:该成像方法能够有效地估计和补偿相位误差,从而获得方位向分辨率显著提高的机载L-SAR图像,是一种可以满足仅靠数据驱动实现高精度机载L-SAR成像处理的有效方法.     

基于LabVIEW的离心式化工泵振动测试系统设计

针对传统离心泵振动测试时仪器较多、仪器可靠性较差和测试成本偏高等缺点,运用虚拟仪器技术,采用LabVIEW图形化、模块化的编程语言编写了数据的采集、处理、保存和故障诊断程序,并且利用闭式回路试验装置、振动加速度传感器和数据采集卡组建了离心泵振动测试系统.详细阐述了虚拟仪器系统的硬件结构与软件构成、设计思想及其理论依据.虚拟振动测试系统以离心泵为研究对象,实现了多通道的数据采集、数据实时分析和数据保存等功能.通过该虚拟振动测试系统可以采集试验离心泵的振动加速度信号,并对所得信号数据进行轴心轨迹分析和频谱分析,实现了离心泵的故障诊断.最后在离心泵实验台验证了该虚拟仪器系统在实际振动监测中的有效性,该系统具备良好的人机交互界面,易于维护和系统扩展.     

石化烟机振动监测系统研究

为保证石化烟机正常运行,研究设计烟机振动监测系统.通过研究烟机机械振动特点,对烟机机械振动进行了建模,提出了振动信号分析的方法.应用Hibert变换对烟机振动加速度信号进行包络分析,并结合FFT变换对包络信号解调.给出了烟机振动监测系统的硬件组成和软件控制流程.监测系统以计算机和数据采集卡为硬件核心,以虚拟仪器软件LabVIEW为软件开发平台,实现对烟机振动加速度信号采集、数据处理及分析的功能,给出了烟机振动监测系统的软件程序框图.实际应用表明监测系统能准确检测烟机机械运行中出现的异常振动,可有效实现烟机的在线检测与故障诊断.     

基于振动与声音信号深度学习的岩性识别方法

岩性识别对地质勘查和储层评价具有重要意义,科学有效地开展岩性自动识别的相关研究能够有效地为勘查过程提供指导,减少工作的盲目性和冗杂性。针对常见的砂岩地层,选择三类砂岩,基于室内微钻试验台,设计钻杆转速、钻孔深度和钻孔位置三个变量,检测钻进过程中产生的振动和声音特征信号。将采集的振动和声音信号预处理,提高信噪比,生成数据集。将振动和声音的数据集按6∶2∶2的比例划分为训练集、验证集和测试集,之后分别构建二维卷积神经网络和一维卷积神经网络并使用训练集和验证集训练岩性识别模型,最后运用未经训练的测试集验证模型准确率。模型训练完成后,以频谱图为数据集的振动信号识别模型准确率达到95.19%,以梅尔频率倒谱系数为数据集的声音信号识别模型准确率达到73.58%。研究结果表明,不同岩性在钻进过程中产生的振动和声音信号具有不同信号特征,基于振动和声音信号的岩性自动识别方法可以较好地实现几类砂岩的自动识别,这为地质勘查时的岩性自动识别提供了参考与依据。     

振动信号分析用于出砂监测方法有效性研究

 海上稠油油田的适度出砂开采技术需要一种有效的实时出砂监测系统用以监测出砂信号,目前使用的出砂声测法和ER法都存在不同的问题。声测法目前主要用于气井和稀油油井出砂检测中,而ER法则存在寿命短、监测延迟等问题。因此,提出了可以利用流体中的砂粒撞击管壁产生的振动信号作为出砂监测的新思路。为了验证这一方法的有效性,在实验室内建立了一套用于模拟油井出砂的实验装置,系统中主要采用压电式加速度传感器接受砂粒撞击的振动信号,后期采用滤波、放大等动态信号的处理方法来处理;实验中利用高粘度的齿轮油模拟稠油流体,用柱塞泵、加热搅拌器来实现油井生产的出砂状况。实验采用60目砂样石英砂粒,室温下粘度为130mPa·s的稠油,实验过程中温度从室温逐渐增加,每5℃一个点,到70℃,含砂量从无砂加到0.8%,实验过程中通过不断搅拌保持砂粒在流体中的悬浮和均匀。通过对采集到的数据进行功率谱分析,试验结果表明,将振动信号用于出砂监测有效性很好。     

基于WPD-LMD和排列熵的结构损伤识别方法

为了直接从结构响应提取损伤敏感参数,对激励未知情况下的结构损伤模式进行识别,提出了基于小波包分解-局部均值分解方法(wavelet packet decomposition-local mean decomposition,WPD-LMD)和排列熵的结构损伤检测方法.该方法首先对结构振动响应进行小波包分解,将振动信号分解为一系列窄带信号,然后对窄带信号进行局部均值分解,能有效提取低能量分量.通过计算损伤前后分量信号的排列熵,对结构损伤进行了检测,最后通过计算测试数据和样本数据之间的相对排列熵,对损伤模式进行了识别.实验分析结果表明,所提出的方法能有效地对结构损伤进行识别.     

振动试验环境下微光瞄准镜模态参数识别

本文研究了微光瞄准镜在振动试验环境下的材料选择、结构优化设计和模态参数识别等问题。在最优控制理论的基础上,采用振动模态分析理论和曲线拟合方法,对不同模态和试验频率范围的系统频响函数试验数据进行了理论数值计算和曲线拟合,从而得到反映实际系统特性的模态阶次、阻尼特性和振型系数。试验结果表明,该试验系统第5、6和7阶模态工作频率接近系统的固有频率89.16Hz范围,模态工作环境对试件结构影响较大。所以在微光瞄准镜镜身材料的选择时,建议采用钛合金代替殷钢,因为它和主物镜的机械性能接近,在壳体设计时改变现有微光瞄准镜壳体结构,避开产生这样的频率范围。     

工程结构模态的连续型随机子空间分解识别方法

环境振动识别方法利用结构的输出信号识别结构的模态参数,主要的识别方法有时间序列分析法、ERA(eigensystem realization algorithm)法和随机子空间法,这些方法均基于离散模型．基于连续随机子空间模型,本文给出了一种识别大型工程结构模态参数的方法．运用SVD(singular value decomposition)分解将含噪声的输出信号空间分解为信号空间和噪声空间,然后直接估计结构的模态参数．SVD分解保证了算法的鲁棒性．最后讨论了一个7层框架的理想建筑,仿真计算表明,该方法简单有效,能够使用在桥梁和建筑的健康监测和振动控制中．     

信号的人工智能处理系统——基于知识的信号处理方法的探讨

本文将人工智能技术应用于信号处理,构成信号的智能处理系统,首次提出了信号智能处理系统的分类原则。文中讨论了振动系统的模态参数识别的智能分析系统的组成及结构,并对智能识别系统的有关问题进行了探讨。     

倒频谱在航空发动机振动分析中的应用

基于倒频谱分析技术原理及航空发动机振动状态特征,探讨了倒谱在航空发动机振动分析中的应用。采用倒谱技术对实际发动机振动数据进行了分析,结果表明倒频谱分析技术应用于航空发动机振动分析,可以有效分离传递通道影响并从复杂的频谱中提取出特征频率。     

基于Windows数据连续采集实时分析的实现及应用

讨论在Window平台下建立信号连续采集实时分析系统的原理和方法，采用虚拟设备驱动程序，将数据采集卡数据存储到计算机内存缓冲区，信号分析处理模块从内存缓冲区中读取数据，同时采用多线程技术，提高系统的工作效率，实现数据的连续采集和实时分析。采用该系统，可以在连续采集信号的同时进行信号分析．并且由干采用软件讲行信号分析．易干根据实际需要进行功能扩充。