中医脉象信号的参数化双谱估计及其切片分析

将双谱估计的参数化方法应用于脉象信号的分析中,采用非高斯AR模型分析方法,对15例吸毒者和15例正常人脉象信号进行了参数化双谱估计。选取双谱幅值水平切片提取脉象信号的双谱幅值特征,选取双谱相位主值水平切片提取脉象信号的双谱相位主值特征,并根据这些特征,分别给出了吸毒者和正常人脉象信号的判别依据。根据这2种判别依据,识别率分别达93．3％和90％。实验结果表明,双谱估计的参数化方法能较好地分析吸毒者和正常人脉象信号的差异,是一种分析脉象信号的有效方法．     

时间序列双谱在调速阀故障诊断中的应用

研究液压系统的一种新的故障检测方法,利用时间序列双谱分析实现调速阀故障诊断.根据实验分析,调速阀正常工作和出现故障时采集的振动信号的双谱存在明显的差异.由此可知,时间序列双谱分析是实现液压元件故障检测的一种有效方法.     

汽车悬架振动实验台单频性的符号混沌特征辨识

分析了采用扫频激振方式工作的汽车悬架振动实验台的单频质量.根据计算时间序列的符号参数和混沌参数的原理,对符号概率序列构建了能够区分信号含噪程度的符号混沌特征,包括符号S熵、符号K熵、符号关联维和符号李指数4个参数.采用符号混沌特征,辨识实测的ACXX-160汽车悬架振动实验台振动信号,结果表明:(1)无论是扫频激振或等频激振,实验台振动信号均具有混沌性质;(2)扫频激振较之于等频激振,实验台振动信号的含噪程度大大增强,具有宽带随机性质.因此扫频激振方式不具有高质量的单频特性.图5,表1,参13.     

AR双谱的电梯机械故障诊断

通过采集电梯运行时的加速度振动信号,建立AR时间序列模型.分析AR双谱图、双谱等高线,以及双谱对角切片,诊断电梯机械故障.研究结果表明:在电梯正常工作和故障时的双谱存在明显的差异,AR双谱表现出了不同的特征,可以作为电梯机械故障的诊断方法.     

车辆减振器噪声诊断的双谱分析法

噪声正常与异常的车辆减振器振动信号具有不同的高斯性和对称性特征.以双谱分析理论为基础,分析并计算了不同振动信号的选择双谱.采用选择双谱来提取振动信号的故障特征,通过马氏距离判别法来实现对车辆减振器异常噪声诊断.诊断结果与实际相符,从而验证了双谱分析法的有效性和实用性.对进一步了解减振器异响发生机理,寻求异响控制具有工程意义.     

多重分形去趋势波动分析的振动信号故障诊断

针对基于配分函数的多重分形分析不利于局部标度特性突显的问题,把多重分形去趋势波动分析(MF-DFA)方法引入到振动诊断领域,提出对振动信号进行多重分形谱参数(|B|,α0,Δα和Δf)故障特征分析,并将α0用于故障诊断.首先分析了振动信号的多重分形特性;然后提取振动信号的4种多重分形谱参数特征,并进行了比较;最后用支持向量机算法实现振动故障诊断.研究表明:去除趋势后,振动信号的波动呈现显著多重分形特征,正常状态振动信号的α0明显大于故障状态,而振动信号的|B|,Δα和Δf特征变化规律则不明显;α0作为故障特征量,能有效地区分正常状态与故障状态,有效实现了振动故障诊断.     

亚健康脉象信号的非参数化双谱估计

根据脉象信号的非高斯随机特性,应用双谱估计对其进行分析,提取处于亚健康状态的脉象信号的异常信息,探索亚健康的诊断与治疗评估的客观诊断依据.在信号处理过程中,双谱的相位携带有信号的重要特征信息.采用双谱估计分析法中的非参数化算法对脉象信号进行研究发现,处于亚健康状态的双谱幅值谱峰比处于健康状态的更突出,较大双谱值的分布更为集中.实验结果表明:非参数化双谱估计是分析脉象信号的有效且可行的方法,可以作为识别亚健康状态的方法进行深入研究.     

双谱估计在中医脉象信号分析中的应用

根据脉象信号的非高斯随机特性,应用双谱估计对其进行分析,旨在提取吸毒者脉象信号的异常信息,并得出初步区分正常人与吸毒者的判断依据．在信号处理过程中,双谱的相位携带有脉象信号的重要特征信息．采用双谱估计分析法中的非参数化间接算法对15例海洛因吸毒者和15例正常人的脉象信号进行了分析,提取出双谱估计的平均相位值,发现吸毒者脉象信号在特定频率区域内的平均相位值Ph一般低于正常人的Ph值．以平均相位值作为判断正常人和吸毒者的特征参量,提出了用于划分正常人和吸毒者的临界参数,据此15例正常人全被检测出来,但有1例吸毒病人被误判．研究结果表明．非参数化双谱估计是分析脉象信号的有效且可行的方法．     

基于ARMA模型的振动信号建模与预测

振动信号是反映系统故障的重要信息,预测振动信号的趋势是系统状态监测与故障诊断中的一个重要内容。本文提出了一种采用时间序列模型来分析和预测非线性随机振动信号的方法,建立了描述振动信号的数学模型。首先将现场测得的非平稳振动信号转化成标准正态平稳时间序列,然后利用这些参考信号建立时间序列模型,并采用非线性最小二乘法进行模型参数估计,最后利用该模型对信号进行预测。应用结果表明该模型能够很好地拟合振动信号时间序列,并取得了一定的预测精度,可以达到预测要求。     

车用柴油机振动故障混沌诊断系统及其应用

为实现车用柴油机潜在振动故障有效诊断,基于建立的车用柴油机状态监测系统提取车用柴油机振动信号,并得出不同嵌入相空间下车用柴油机机身振动信号时间序列关联维数的变化规律.研究结果表明;车用柴油机振动信号时间序列是混沌序列,影响车用柴油机振动信号的系统内部因素最多可达8个,最少不会少于1个;缸盖振动既具确定性,又具混沌特性,而缸套振动、机身振动则可以认为是混沌振动.     

双谱分析在脑电信号处理中的应用

着重介绍了双谱理论数学模型及其应用,其中较为详细地介绍了应用双谱分析提取信号相位特性的方法。在研制脑电信号双谱分析处理系统软件及硬件的基础上,给出了对实际脑电信号处理所得到的实验结果及分析。结果表明,采用双谱分析方法有助于从新的角度对脑电信号进行深入研究,获得更多的有用信息。     

触觉的频率分辨机制研究

振动信号在触觉通信中常用来承载快速信息．深入研究触觉的频率分辨机制和能力,可以为设计触觉通信中的振动信号提供理论指导．对13名自愿者触觉的频率分辨精度和分辨速度进行了6个月的训练,并记录下不同阶段的分辨能力．结果表明：触觉根据周期差异来分辨不同振动信号,分辨功能在大脑皮层内完成;经过6个月训练后能够分辨开的振动信号间的最小周期差为1ms,能分辨的最高振动频率为250～322Hz,分辨时所需的振动信号最短保持时间为0．2s．     

基于双谱分析的内燃机曲轴轴承磨损故障的诊断研究

引入高阶统计量诊断曲轴轴承磨损故障,在EQ6100汽油发动机上模拟设置四种曲轴轴承间隙,并应用双干谱、双谱对振动信号进行了分析比较,结果显示双谱有效地抑制了噪声影响,较好地对曲轴轴承四种磨损状态进行了分类和识别,并揭示了非线性相位耦合随曲轴轴承磨损状态的变化规律;而运用双谱沿频率ω1=ω2的对角切片提取了曲轴轴承磨损故障诊断的特征参数,并有效地诊断了该故障.     

隧道掏槽爆破振动信号两种分析方法

通过设计两次起爆的起爆网路,控制掏槽眼引起的振动速度,有效地减少了振动对周边构建物的影响。对掏槽爆破时振动信号进行了FFT分析、小波包分析,结果发现:单向爆破振动速度控制在2.1 cm/s以内,振动频率集中于50~100 Hz。傅里叶分析法(FFT法)与小波包分析法在处理振动信号主频的结果相差不大,速度的FFT图谱与爆破振动信号能量-频谱图相似。可用FFT法快速粗略地计算振动信号的主频与估计能量分配比例。但FFT法计算精度没有小波包分析法高,在精度要求高的情况下仍需使用小波包分析法进行信号分析。     

基于平移窗信号自相关分析的振动稳定性研究

针对目前潜油电泵的振动信号稳定性分析方法存在的不足,提出了基于平移窗信号自相关分析方法,并定义了稳定指数用于定量评价振动信号的稳定性。首先利用滑动叠加平均法获得一个能够最大程度地代表振动信号周期性特征的窗信号;然后将该窗信号在振动信号上平移并进行自相关分析,从而获得自相关系数序列;最后对自相关系数序列进行处理得到稳定指数。仿真及实验结果表明,本方法可有效地评判信号是否存在振动幅度不稳定或振动周期不稳定的现象,并成功地检验出具有潜在故障的电泵,验证了该方法在评价振动信号稳定性方面的可行性和有效性。     

短时能量分析法在断路器机械状态监测中的应用

针对断路器机械特性在线监测中触头关合时刻难以获取的缺点 ,研究了短时能量法在断路器机械振动信号分析中的应用 .通过定量分析指出 ,短时能量法的优点在于有效提高了信噪比 ,可以从现场复杂的噪声环境中提取出振动事件的起始时间 .试验中将该方法应用于ZN12 35型真空断路器的合闸振动信号分析 ,准确得到了空载情况下三相触头的闭合时刻 ,从而计算出不同机械状态下的合闸同期性与合闸时间等状态参数 .在关合单相短路电流的情况下测试了VS1 12型真空断路器的合闸振动信号 ,分析了不同短路电流对振动信号测量及合闸同期性的影响 ,进一步验证了短时能量分析法的有效性和准确性 .试验结果表明 ,在选择合适的窗函数的基础上 ,短时能量分析法的测量精度能达到 0 2ms .     

测速齿盘偏心对扭振测试误差影响的研究

通过分析齿盘偏心引起的伪扭振信号特征，提出用测速齿盘静态偏心计算伪扭振信号的方法，根据计算结果对相应的谐次分量进行修正，从而给出了消除误差的信号合成处理方法．利用提出的计算方法对某型履带车辆扭振测试结果进行了计算和分析，并利用提出的信号合成处理方法对实测的结果进行了修正，提高了扭振的测试准确度．     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声，在进行故障特征提取之前必须加以消除。首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比，然后将奇异值分解技术用于信号降噪。最后提出了一种将小波包和奇异值分解相结合的降噪方法。该方法将输入信号进行一次小波包分解，利用奇异值分解方法对分解后的幅值量化系数进行降噪。实例表明，小波包和奇异值分解相结合的方法降噪效果最好。与其他方法相比，用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高，且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号，大大提高了特征提取的准确率。