基于小波变换的故障电弧检测技术研究

故障电弧是引起火灾的重要原因,为了确保用电安全,故障电弧检测装置的研究和应用日益受到人们的重视。故障电弧具有随机性,这使得传统的时域和频域方法都难以有效地对故障电弧信号进行分析。小波变换适合对小信号和突变信号进行分析,将其应用于故障电弧检测,可以有效提取电弧特征,准确判断故障电弧的发生。     

非线性数据拟合对重叠峰信号的分离

从最小二乘法出发提出了一种含噪音重迭峰信号的分离方法-利用非线性数据拟合处理含噪音的重叠峰数据,得到各子峰的函数表达式,将传统的峰分辨和峰分解两个步骤合二为一,简化了重叠峰信号分析过程。讨论了该方法对不同分离度重叠峰信号分离的效果,通过仿真分析发现该方法在对分离度仅为0.75的重叠峰信号的分离也有很好的效果。在分离度相同时,对高斯-洛仑兹峰重叠信号分离的相对误差小于对高斯-高斯峰重叠信号的分离;分离得到的各子峰参数相对误差随分离度的提高而减小。该方法可用于实际的含噪音重迭峰信号进行处理。     

基于振动波形分析技术的齿轮故障诊断与研究

振动诊断技术是进行机电设备状态监测与故障诊断中最常用、最有效的手段。针对冷轧厂开卷最易发生的齿轮故障,用时域、频谱分析法对其进行状态监测,并根据检测结果对其进行故障排查,取得良好的效果。     

基于复合字典降噪和优化傅里叶分解的齿轮箱故障特征提取方法（英文）

针对傅里叶分解对噪声敏感且存在模态混叠导致无法准确提取齿轮箱故障特征的问题,提出了一种复合字典降噪与优化傅里叶分解相结合的齿轮箱故障特征提取方法.首先,根据齿轮箱信号特点构造复合字典,结合正交匹配追踪算法降低振动信号中的噪声;其次,针对傅里叶分解过程中的模态混叠现象,提出了利用频谱的极值点划分频带的方法对其进行优化,提高分解质量;再次,使用优化的傅里叶分解将信号分解为若干个傅里叶本征模态分量;最后,选择与降噪后信号相关系数最大的傅里叶本征模态分量进行包络谱分析.该方法可以准确提取振动信号的故障特征频率.通过对齿轮箱故障仿真信号和实验齿轮箱振动信号进行分析,验证了该方法的有效性.     

齿轮系统的能量信号监测与故障诊断系统研究

基于LabVIEW虚拟技术平台,以齿轮传动系统的输入功率信号为处理对象,对能量信号监测与诊断系统进行研究。系统首先通过HHT时频域信号变换方法建立高维特征向量库,然后运用核主元分析、模糊K均值聚类等数据处理方法对其降维并提取出核主元特征,开展故障模式判别。运行结果显示,系统可对典型的非线性、非平稳信号进行有效分析并实现特征融合,在齿轮等旋转系统的故障状态实时监测与诊断方面具有良好性能。     

基于虚拟仪器的函数信号发生器设计

探讨了虚拟仪器技术在高校实验教学中的应用前景,阐述了函数信号发生器的组建方法;结合硬件和PC机,利用LabVIEW软件开发环境,设计了一个基于虚拟仪器技术的多功能函数信号发生器;给出了函数信号发生器的前面板和框图程序设计、并给出了性能指标。实验结果表明基于虚拟仪器技术的多功能函数信号发生器完全可以满足高校实验室教学的需要。     

带噪混叠语音信号盲分离算法研究

盲源分离也称盲信号分离,是指在源信号和传递信道的参数均未知的情况下,仅根据输入源信号的统计特性,通过观测信号恢复各个源信号的过程。语音信号的盲分离技术在计算机听觉、语音识别、语音增强等领域具有重大的研究意义。现有的有关语音信号盲分离研究基本不考虑噪声的影响,然而在现实生活中,接收到的语音信号不可避免地混有各种噪声。因此,对于带噪声混叠语音的盲分离方法研究具有十分重要的现实意义。针对带噪声混叠语音信号,提出一种基于稀疏编码和EFICA的分离方法。首先用稀疏编码去噪方法消除带噪混叠语音信号中的噪声,然后将经过去噪处理后的观测信号用EFICA方法进行盲分离。Matlab仿真实验结果表明,该算法对带噪声混叠的语音进行盲分离效果良好。     

基于自相关函数的目标识别方法研究

针对智能雷弹要求其预警系统对目标快速识别和低功耗工作的特点,根据相关理论和模式识别技术,提出了直接分析所接收的直升机噪声时域信号的方法,即利用自相关函数估计信号基频,以被测信号基频为特征量进行目标识别的方法.仿真研究表明,该方法具有一定的实用性.     

基于小波包络分析的滚动轴承故障诊断研究

滚动轴承出现故障时的振动信号是非平稳信号,傅立叶变换方法难以达到满意的效果。小波分析可同时从时域和频域两个方面对信号进行分析,十分适于滚动轴承的故障诊断。根据滚动轴承故障诊断理论,通过构造轴承上有单个损伤点时的仿真信号,应用小波包分析与包络分析相结合的方法,成功提取了滚动轴承的故障特征,并在此基础上对实测的滚动轴承振动信号进行分析,实验结果表明小波包络技术可以有效的提取滚动轴承故障信号。     

基于相关函数的小波变换实现语音去噪研究

语音信号是非平稳的短时瞬态信号,有用信号与所含噪声处于同一频率段,采用滤波器形式的传统去噪方法,不能将噪声有效分离。小波变换具有时频局部分析的特点,通过将含噪信号进行分解,分离噪声信号,将有用信号进行重构,可有效地去除噪声。白噪声为平稳随机信号,在不同尺度上的小波变换是不相关的。本文根据白噪声和语音信号在不同尺度下的相关性表现,结合小波去噪的基本思想,提出一种基于相关函数的小波变换进行语音去噪的方法。经MATLAB仿真,相关函数确定的去噪方法,能有效去除语音信号的白噪声。     

机电设备故障智能诊断技术研究

机电设备的正常运行对于保证生产的安全和效率都起到十分重要的作用。由于机电设备的电气故障具有一定的隐蔽性,维修人员很难快速地确定故障的位置,影响机电设备故障解决的效率,对相关设备的运行以及生产车间的工作效率造成不利的影响。通过应用机电设备故障智能诊断技术,能够快速、准确地找出机电设备故障的位置,并且对机电设备故障的原因进行分析,促进维修效率的提升。本文对机电设备智能诊断技术进行介绍,分析机电设备故障的主要原因,介绍智能故障诊断技术的工作方式,并展望了机电设备智能诊断技术未来的发展方向。     

一起110kV断路器控制回路故障的分析处理

分析了一起较特殊的110kV开关断路器控制回路故障的排查与处理.首先对故障现象进行了简要描述,并根据图纸对产生的原因进行了详细的分析,得出合闸故障由断路器远方/就地切换开关故障引起,随后对"断路器控制回路断线"未发任何监控告警信号原因进行了进一步深入分析,最后成功排除故障.通过对类似问题的分析和摸排,提出了该信号控制回路的改进措施,对解决类似故障和设备隐患排查起到了一定的借鉴作用.     

小波变换在激光超声无损检测信号去噪中的应用

介绍了基于小波变换的激光超声检测信号降噪处理技术,实际检测信号的降噪处理试验表明,应用该技术对激光超声检测信号进行降噪处理可显著提高信噪比.根据信号的波形特点选取了小波函数,采用heursure阈值去噪有利于提取超声回波波形.     

基于信号特征的在线故障分析和智能诊断研究

研究开发基于电网故障信号特征自动生成电网故障诊断Petri网络的技术。通过在线获取调控一体系统的开关遥信变位、SOE信息、保护动作信号和微机保护软报文信息,对信号综合进行逻辑化、条理化、有效化分析,实现电网故障在线分析、辨识和智能诊断。     

FOURIER分析和小波分析在信号时域分析中的特性比较

信号处理的任务在于发现信号的特征,并根据信号的特征对其进行有效的处理,而信号的时频分析是信号分析的重要内容。Fourier分析和近几年兴起的小波分析是对领带进行时频分析的有效工具,小波分析的思想来源于Fourier分析,是Fourier分析的新发展,小波函数存在性的证明依赖于Fourier分析,因此它不能完全取代Fourier分析,它们在应用中相辅相成,发挥各自的优点,本章将研究它们的信号时频分析应用中所表现出来的不同特点。     

噪声预估下的变压器铁芯松动故障诊断技术

为精准诊断变压器铁芯松动故障,开展噪声预估下的变压器铁芯松动故障诊断方法的设计研究。根据信号在传输过程中可能携带的噪声,对信号实行交叉分段与分帧处理,引进海明窗函数,设计噪声预估下的变压器铁芯松动声纹信号采集;根据信号的功率频谱密度,建立针对提取信号的转换处理函数。使用Mel滤波器,设计信号的降维处理与数据矩阵的压缩处理;计算变压器铁芯在作业中的磁通密度,并计算因磁通量发生变化而直接引起的铁芯振动频率,将其作为松动故障特征频率,实现松动故障特征频率提取与故障诊断。设计对比实验,实验结果证明：噪声预估下的变压器铁芯松动故障方法实际应用效果良好,可以精准诊断变压器的松动故障形式,能够及时排查并高效率处理故障。     

矿山机电设备中故障诊断技术的应用

机电设备是矿山机械中占比最大的设备,其工作环境恶劣因此容易造成自然磨损和人为操作等故障,而一些故障隐蔽性较强,且表现特征复杂.所以故障判断技术就成为了矿山机电设备日常维护和检修的重要手段.     

基于倒谱预白化和辛几何模态分解数量规律的轴承故障特征提取方法（英文）

为了有效提取轴承的故障特征,避免轴承损伤引起的冲击成分受到离散频率分量和背景噪声的干扰,提出了一种基于倒谱编辑信号预白化和辛几何模态分解数量规律的轴承故障特征提取方法.首先,对原始信号进行倒谱预白化来增强轴承故障的冲击特性,去除复杂振动信号中的周期性频率成分,产生只包含背景噪声和损伤引起的非平稳冲击成分的白化信号.其次,发现了辛几何模态分解中哈密顿矩阵的有效特征值数目与信号中的频率个数成2倍的数量规律,并通过仿真和理论推导验证了该数量规律.最后,构造预白化信号的轨迹矩阵,进行辛几何模态分解,根据发现的数量规律,选择相应的特征向量重构信号,进行希尔伯特包络谱分析,并提取故障特征.通过仿真分析和应用实例证明,所提方法可以清晰地提取轴承的故障特征.     

基于盲源分离技术的航空发动机轴承故障诊断

滚动轴承是航空发动机转子系统中重要的支撑部件,其运行状态直接影响整台发动机的工作性能。介绍了基于盲源分离技术的滚动轴承振动信号分析与故障诊断方法,分析了滚动轴承典型故障机理。通过对某型航空发动机进行现场测试,完成了针对其轴承振动信号的测试和数据采集工作,并通过MATLAB软件编程实现其振动信号的分析。采用盲源分离中的独立分量分析(ICA)方法和频谱分析方法,提取主轴轴承的振动信号并与理论计算的故障频率对比,进行轴承故障诊断及状态识别。对实际航空发动机轴承及模拟试验台滚动轴承振动测试信号的分析结果表明,所采用的盲源分离方法可以有效地检测和诊断滚动轴承故障。     

基于信息极大化的ICA混合语音信号盲分离算法的研究

混合语音信号的分离是盲分离的重要内容,也是信号处理领域的一个难题。独立分量分析是一种无需知道信号的先验信号而实现信号分离的盲源分离技术,本文介绍了独立分量分析的基本理论和算法,探讨了独立分量分析在混合语音信号分离中的应用,给出了信息最大化盲源分离算法并对瞬时混合语音信号进行了盲分离仿真。实验结果表明,该方法能有效地提高运算效率并获得较好的分离效果。