单输入功率谱统计检测算法的研究

结合数字信号处理的功率谱分析方法,分析了火灾信号的频谱特征,并通过计算火灾信号与非火灾信号的功率谱密度差,以及大量的实验数据的处理、分析,研究功率谱统计检测算法在火灾探测信号处理中的应用.     

基于功率谱对消的跳频信号检测算法

为有效解决跳频信号的检测问题,根据跳频信号功率谱随时间变化的差异性,提出一种基于功率谱对消的跳频信号检测算法.该算法可在无需已知先验知识的条件下,对较低信噪比的跳频信号进行盲检测.通过仿真分析表明,该算法在信噪比为10 dB的条件下,可获得功率对消比为-34 dB的检测效果;在较大接收信噪比、较多分段数和切比雪夫函数窗条件下,该算法具有较高的检测性能.此外,在跳频信号和定频信号发生频率碰撞时,该算法仍能实现对跳频信号的检测,更加适合于现代战场的复杂电磁环境.     

基于功率谱密度与随机配置网络的低压串联电弧故障检测

低压串联电弧电流为非平稳信号,故障特征区分度低且具有随机性,给电弧故障特征提取和准确检测带来困难,提出了基于功率谱密度与随机配置网络的低压串联电弧故障检测方法。首先,搭建了串联电弧故障发生平台,采集不同负载类型的电流数据,构建数据集。其次,采用功率谱密度对电流信号执行随机信号分析,实现对电流信号的定量化频域特征描述,增强故障电流与正常电流特征的区分度。然后,采用随机配置网络构建串联电弧故障检测模型,将功率谱密度特征用于随机配置网络的自适应训练学习,提升网络训练效率和模型故障检测能力。在本文构建的电流数据集上,串联电弧故障检测的平均准确率达到96.156 7%,证明了方法的有效性。     

基于响应功率谱灵敏度分析的幕墙拉索损伤检测

幕墙拉索是重要的工程构件,为解决幕墙拉索的损伤检测问题,从弦的强迫振动方程出发,建立了其相应的有限元运动方程。将幕墙拉索的局部损伤模拟为弦单元面积的减少,利用随机振动的虚拟激励法,得到平稳随机激励下结构响应的功率谱密度函数对弦单元面积的灵敏度,采用有限元模型修正实现幕墙拉索的损伤识别。数值算例表明,仅利用有限的几个传感器的频域数据,就能够较好地识别幕墙拉索损伤,并且对模拟的人工噪声不敏感,具有一定的工程实用前景。     

基于ANN及DSP的短路故障早期检测的实时实现

研究了基于人工神经网络(ANN-Artificial Neural Network)及数字信号处理器(DSP-Digital Signal Processor)的电力配电系统短路故障早期检测实时实现的技术.包括基于TI TMS320F2812 DSP及多层前馈神经网络(BP-Back Propagation)的短路故障早期检测实时实现的硬件系统以及软件设计等.实验结果证实了神经网络算法应用于电力配电系统短路故障早期检测并在DSP硬件上实时实现的可行性及实时性.     

基于小波包能量谱及SVM算法的轴承故障检测

针对小波分析在故障诊断时的局限性,将小波分析和支持向量机算法相结合,提出基于小波包能量谱及支持向量机算法(SVM)的故障检测方法.该方法以振动信号小波包分解后各子频带的能量作为故障检测特征,利用SVM算法对轴承故障进行检测实验.结果表明:小波包能量谱能有效地反映轴承信号特征,并对故障进行检测.该方法同基于Lipschitz指数熵、单奇异点检测,以及小波包能量谱与神经网络相结合的故障检测方法进行比较,检测率均优于其他三种常用方法.     

方差分量的谱分解估计

就线性混合模型中含有两个方差分量的情形,对方差分量的方差分析估计和谱分解估计进行比较,得到它们相等的充要条件,由此推出谱分解估计的优良性.     

基于能量和频带方差结合的语音端点检测方法

语音端点检测是语音识别中非常重要的部分,识别率高低很大程度上取决于端点检测的精确程度。在高信噪比(signal-noise ratio,SNR)的实验室环境下,端点检测有很好的效果;但比如像工厂和市场等低SNR环境下,传统的检测方法性能迅速降低,端点检测无法达到预期效果。针对低SNR语音的端点检测,先通过谱减法对带噪语音进行降噪,再分别求出每帧语音信号的能量与频带方差的乘积,将乘积值作为参数进行双门限端点检测的思路,提出了一种能量和频带方差结合的端点检测方法。将TIMIT数据集中语音叠加高斯随机噪声、NOISEX 92噪声库中的factory噪声和volvo噪声进行实验。结果表明,当SNR在-10 d B时,仍有较好的检测效果,显著提高了语音端点检测的效果。     

一种基于线性正则变换域功率谱的信号检测方法

本文通过信号利用线性正则变换域功率谱,进行了参数估计和信号检测.作者首先分析了随机信号通过LCT域滤波器的统计特性,得到了输入输出随机信号的均值关系,输入、输出随机信号之间相关函数之间的关系,同时,定义了线性正则变换域功率谱,进一步研究了在线性正则变换域中,输入输出信号的相关函数与功率谱之间的关系,并且利用信号在线性正则变换域中的功率谱对单分量chirp信号进行了参数估计,理论和仿真结果均表明该方法优于基于FRFT域功率谱的参数估计方法.     

基于小波分析的多类型实时故障检测系统

介绍了一种可以针对不同故障信号进行检测的系统．该系统以小波分析为核心，实时检测信号的异常现象，并实时报警．通过设置异常信息的特征参数来实现多类型的故障检测．     

基于小波包联合AR功率谱理论的滚动轴承故障诊断

提出了小波包联合自回归功率谱理论的故障诊断方法.对采集的轴承振动信号采用高、低正交共轭镜面滤波器组,将信号划分到不同频道上.滤波器每作用一次,数据点减半,采样的时间增至两倍.选取轴承缺陷所在频段的数据插零,将其他频带补零重构提高缺陷信号的时频分辨率;然后通过AR功率谱分析轴承运行状态,诊断出轴承对应的故障.对207滚动轴承的早期缺陷作了实际诊断,诊断结果与实际较为符合.证明该方法是一种有效的弱信号缺陷提取与诊断方法.     

基于停电区域电力系统故障诊断的矩阵算法

利用故障诊断数学模型,在深入分析电网故障时保护、断路器状态信息结构的基础上,提出了相应关联矩阵运算方法。并通过一个简单的电网结构图在几种不同的故障情况下的仿真实验,证明了所提出的矩阵算法是正确的。     

基于OVAL的漏洞实时监测系统

传统检测工具时效性差,难以应对多变的系统环境带来的漏洞威胁,本文在基于主机漏洞检测方法的基础上,提出了漏洞实时检测方法,将使用钩子技术实现的主机实时监控与漏洞检测技术相结合,改进了传统检测方法时效性差的缺点.本文讲述了漏洞监测系统的设计与实现,主要论述了两方面的内容,使用钩子技术进行系统监控和将开放漏洞评估语言进行检测流程改进,使之能够用于漏洞的实时检测.最后对系统进行了有效性测试,结果表明,本系统能够及时对系统环境变化做出反应,同时能够准确有效的检测到漏洞威胁,弥补了传统检测工具的不足     

时频分析方法在机器故障诊断中的应用

阐述了短时傅氏分析、Ｗｉｇｎｅｒ分布及小波分析等时频分析方法和特点；对间隙非线性机械系统振动信号进行了小波分析，发现了间隙非线性机械系统振动信号在小波分解中的状态特征，应有和时频分析方法对ＭＣＮＣ８２数控磨床进行了故障诊断，结果表明时频 分析方法对非线性机械系统的故障诊断比较有效。     

实时故障诊断专家系统的应用研究

介绍了对某钢厂冷轧大型自动化生产线进行状态监测和故障诊断的实时故障为诊断专家系统的研究及实现,对开发类似实时故障诊断专家系统有参考价值。     

基于小波-能量模式的回转支承故障诊断方法研究与应用

回转支承机械结构和工作条件特殊,导致其故障机制复杂,传统的信号分析方法难以对其进行有效的故障诊断.提出了一种基于小波分解与能量谱相结合的回转支承故障诊断方法.利用小波多尺度、多分辨率的特性,对回转支承振动信号进行多尺度分解;根据回转支承低频故障特性,对小波分解后的低频区进行频谱分析,再结合各尺度频带能量谱进行回转支承故障诊断.通过对回转支承加速寿命试验中各阶段数据分析表明,该方法能够有效、准确地诊断出回转支承故障模式,相比单一的小波频谱分析诊断精度更高、可靠性更好,具有一定的工程实用价值.     

基于Hilbert谱熵的柴油机故障诊断方法研究

从信号的特征提取出发,采用局域波时频谱分析和信息熵结合的方法--Hilbert谱熵(HSE),进行柴油机振动信号的特征提取和状态识别.首先,对信号进行局域波分解;然后,根据得到的内蕴模式分量计算Hilbert谱;最后,建立基于时频分布的Hilbert谱熵,并以此作为故障识别的特征参数.以柴油机缸套与活塞间磨损的状态识别为例,根据对时域、频域和时频域的信息熵比较分析,证明了Hilbert谱熵对柴油机的状态进行评价的有效性.此方法为柴油机预知维修提供了一个有效的手段.     

基于噪声小波包络谱的主轴承磨损故障诊断

传统的基于振动信号的内燃机主轴承磨损故障诊断中安装传感器以及提取故障特征频率很繁琐,为此,提出了基于噪声和正交小波监测往复式活塞发动机滑动主轴承磨损故障的一种新方法.利用Symlets小波分析将测得的机体噪声信号变换到时频域,得到含有内燃机主轴承间隙磨损状态的时频信息.主轴承磨损故障会使机体噪声信号的高频成分增加,而且高频滤波成分特征与内燃机的冲击过程相对应,所以,需选择合适的高频带加以提取并进行包络谱分析.通过声级计测取了代表主轴承4类间隙磨损程度的噪声信号,发现2个特征频率处的能量对间隙磨损状态比较敏感,均随着磨损量的增加而增加.通过该方法,可利用机体噪声信号监测主轴承的磨损状态.     

基于Web的冰箱故障诊断信息系统研究

将传统的冰箱故障诊断技术同网络技术相结合，利用面向对象的软件开发工具Visual Basic和SQL Server开发了基于Web的六箱故障诊断信息系统。系统按面向对象的不同分为面向普通用户的功能模块和面向企业用户的功能模块。用户可以通过本系统学习有关冰箱的故障诊断知识，根据冰箱的故障现象对故障进行初步诊断。     

基于时间多重同步挤压W变换的高精度轴承故障诊断

状态监测(condition monitoring, CM)信号中的脉冲特征通常意味着旋转机器中存在缺陷。为了准确捕获CM信号中的脉冲分量,提出了一种高精度的时间多重同步挤压W变换(TMSSWT)用于提高CM信号的时频聚焦性能。首先利用W变换(WT)获取信号的时频表征结果,然后在时频域上构建估计信号真实群延迟(group delay, GD)的时频后处理表征算子——挤压算子,从而对原始W变换得到的时频谱能量进行“挤压”操作;其次,利用不动点的迭代算法将时频能量重新排列至信号真实的GD脊线上;最后利用信号重构的脉冲特征提取算法,计算时频包络,对TMSSWT获得的时频谱提取最强振幅对应频率的脉冲特性,通过对比脉冲特性的时间间隔识别轴承故障。模拟信号结果很好地证实了该方法可以有效地提高时频能量聚焦性,以期在实际故障诊断应用中可以准确地捕获脉冲特征,更好地识别与诊断轴承机械故障。