基于倒频谱的轴承材料接触疲劳失效诊断

采用轴承接触疲劳试验机,设计了基于Lab VIEW的轴承材料接触疲劳失效诊断的软件系统,利用轴承振动信号的均方根值及温度信号来判定轴承材料的疲劳磨损程度,并通过对振动信号进行倒频谱分析来判定轴承材料的疲劳磨损区域,结果表明:振动信号均方根值结合倒频谱分析能够实现对轴承材料的接触疲劳失效诊断.     

倒频谱在齿轮故障诊断中的应用

根据倒频谱所具有的特性，将原来信号频谱图上成族的边频带谱线简化为单根谱线。利用这一特点来识别齿轮振动复杂频谱图上的周期结构，分离和提取出密集泛频信号中的周期成分、多成分边频等复杂信号，使测试系统的在线故障诊断更加快速准确。     

滚动轴承故障的倒频谱分析

介绍了倒频谱及其特点 ,列举了其在滚动轴承分析中的应用实例。分析表明倒频谱在识别边频及测试系统传递函数的影响方面具有显著的特点。基于具有不同故障缺陷的滚动轴承实测振动信号及功率谱图的特点 ,借助倒频谱分析 ,可以在复杂的干扰信号中 ,准确地确定轴承的故障部分     

齿轮磨损故障诊断方法

通过对齿轮从跑合到磨损报废全过程的振动信号分析,证明时域无量纲因子、标准差及倒频谱对齿轮磨损故障诊断很有效.随着磨损量增加,无量纲因子及标准差皆增大,1/fm处倒谱值减小而2/fm处倒谱值增大.     

基于LabVIEW的倒频谱在齿轮和滚动轴承故障诊断中的应用

介绍了利用LabVIEW平台检测齿轮和轴承故障信号,叙述了在LabVIEW的环境内,使用MATLAB对齿轮振动信号进行倒频谱分析,提取齿轮故障特征信息,实现齿轮故障诊断．并通过实验验证此方法的可行性．     

齿轮磨损故障诊断方法

通过对齿轮从跑合到磨损报废全过程的振动信号分析,证明时域无量纲因子、标准差及倒频谱对齿轮磨损故障诊断很有效．随着磨损量增加,无量纲因子及标准差皆增大,1／fm处倒谱值减小而2／fm处倒谱值增大．     

用倒频谱分析纱条条干不匀

本文用倒频谱分析技术研究了纱条条干不匀结构。从UT-ⅡB型条干均匀度仪取出纱条不匀的电信号送入信号分析仪,构成倒频谱分析的测试系统。通过实验和理论分析可知,用倒频谱分析纱条条干不匀,可以提取出一般波谱图中无法得到的信息,有助于进一步分析纱条不匀的成因。     

局部倒频谱编辑方法及其在齿轮箱微弱轴承故障特征提取中的应用

针对齿轮箱滚动轴承的微弱故障诊断常常由于背景噪声、离散频率成分干扰,造成轴承故障漏诊,不利于设备的长期稳定运行的问题,将局部倒频谱(LC)理论与倒频谱编辑(CEP)方法相结合,提出一种局部倒频谱编辑方法(LCEP),解决了LC无法进行时域信号重构的问题。针对分析频带选择这一关键性问题,在齿轮箱滚动轴承微弱故障诊断中给出了选择准则。调整后的局部倒谱可以成功提取复杂振动信号中的干扰成分,实现对主要干扰成分的编辑,抑制其对微弱故障诊断的干扰。将所提方法用作信号预处理,对重构时域信号做希尔伯特变换和包络分析,建立齿轮箱振动信号模型,利用仿真信号和实验信号验证了方法的有效性。将所提方法与CEP方法和倒谱预白化(CPW)方法对比表明,LCEP结合包络谱(ES)诊断方法在强背景噪声、多频率成分干扰及复杂调幅调频的齿轮箱振动信号中,成功提取轴承外圈微弱故障特征,特征明显性提高了6倍。     

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。     

倒频谱分析在齿轮故障诊断中的应用

齿轮传动的动态性能和许多因素有关,情况是非常复杂的.本文分析了齿轮传动的频率特性和它所产生的频率和幅值调制信号.利用倒频谱技术可以区分齿轮箱中不同转速的齿轮所产生的振动信号;同时倒频谱不会受信号传递通道和相位所影响.因此倒频谱是分析齿轮缺陷的有效工具.本文并介绍了作者研制的倒频谱分析软件.     

一种单通道语音倒谱域去混响新方法

大多数去混响的算法都是基于短时分析,不可避免地带来了截断效应;如果对混响语音进行逆滤波,则要求房间冲激响应满足最小相位.本文提出了一种针对单通道的语音长时分帧的去混响算法.算法采用长时帧分析,有效减小了截断效应的影响.首先对混响语音信号进行长时分帧计算其最小相位分量倒谱,然后根据纯净语音和房间冲激响应倒谱的不同分布,在倒谱域阻带滤波得到去混响语音最小相位分量的估计,根据最小相位倒谱理论,进而可以估计出去混响语音频域的模,最后利用人耳对相位信息的不敏感性,用估计的去混响语音的模和混响语音的相位合成,傅里叶反变换得到去混响语音时域波形.实验表明,该算法有良好的去混响效果.     

基于倒谱的非因果自回归系统自适应辨识

为解决信号处理中非因果自回归（ＡＲ）系统的自适应辨识问题，本文提出了一种利用倒谱进行ＡＲ系统辨识的新方法。这一方法在倒谱域内把非因果ＡＲ系统辨识问题转化为非最小相位有限冲激响应（ＦＩＲ）系统辨识问题，因此可以利用现有的基于倒谱的ＦＩＲ系统辨识算法构造非因果ＡＲ系统辨识算法，从而实现了非因果ＡＲ系统的自适应参数辨识，并解决了以往文献中未曾解决的非因果ＡＲ系统阶次自适应确定问题。另外，本算法可以保证估计出的ＡＲ模型是稳定的。数值仿真结果证明了本算法具有很高的估计精度。     

基于高阶倒谱盲均衡器的设计

倒谱盲均衡算法的关键是建立信号的倒谱与信道参数之间的关系方程,然后以解方程的方式获得信道参数。阐述了基于倒谱盲均衡器的基本构成和工作原理,分析了其特点,推导了基于四阶倒谱盲均衡器的传输函数,给出了均衡器的结构形式。     

基于掩蔽阈值与复倒谱的数字音频水印算法

文中介绍了掩蔽效应与复倒谱技术,并根据这两种技术的特点,提出了一种基于掩蔽阈值与复倒谱技术相结合的数字音频水印算法,并给出了最终的实验结果与结果分析。     

基于子波分解计算散射子平均间距的倒谱法

提出了一种对超声散射信号分析的方法－－子波分解（ＷＤ）倒谱法,并利用该方法对正常猪肝组织的回波信号进行了分析,对软组织中散射的平均间距进行了估计,与用ＡＲＩ倒谱法所得结果进行了比较,结果表明：ＷＤ倒谱比ＡＲ倒谱更能反映软组织的微观结构特征,说明ＷＤ倒谱是软组织超声散射信号分析与软组织散射子平均间距定特征的一种有效方法。     

实倒谱分析识别周期性特征信号

本文把旋转机械故障产生的周期性激励—周期性特征信号分解成“波形”与“特征脉冲序列”的卷积,提出了有关周期性特征信号幅值调制、相位调制、波形畸变以及背景噪声四种类型噪声的概念。在此基础上,应用解卷积理论,对实倒谱分析识别周期性特征信号问题进行了研究。并在计算机上讨论了各种类型噪声对实倒谱分析的影响。研究表明,周期性特征信号在实倒谱上将形成依次递减的倒谐频结构,其大小仅与特征信号本身的稳定性有关,与信号的大小、形状无关,且最大值不超过1。分析结论较好地解释了文献以及作者的应用实例。     

一种基于修正倒谱平滑技术改进的维纳滤波语音增强算法

传统的倒谱平滑维纳滤波算法在求取选择性平滑范围时,噪声会对维纳增益函数的倒谱产生影响,使估计出的选择性平滑范围不正确,进而导致此传统算法在平滑掉音乐噪声的同时也影响了噪声抑制效果。为此提出了一种基于修正倒谱平滑技术改进的维纳语音增强算法,该算法先用最大似然准则估计出纯净语音的倒谱,然后在纯净语音倒谱中求取基频和共振峰的位置,进而得到选择性平滑的范围。该方法提高了选择性倒谱平滑的准确性,进而改善了传统倒谱平滑维纳滤波语音增强算法的噪声抑制效果。最后在不同的噪声场景中对传统算法和改进算法进行了仿真对比,表明该算法能够在去除噪声的同时更好地保留语音的特征结构,较好地提高了带噪语音的质量。     

面向定点实现的有限词汇量汉语语音识别方法

将声道模型视为全极点模型,采用具有定点运算性质的Ｓｃｈｕｒ算法求得部分相关系数,利用ＬＰＣ对数倒谱分析求得语音识别系统中采用的待识特征量——倒谱．本系统以倒谱作为特征参数,采用加权倒谱距离求得待识量与以Ｋ－均值聚类所得的参数库之间的特征距离,利用最小距离原则进行识别．经验证,本文所采用的方法取得了较好的实验结果