基于振动加速度与声音信号融合的轨道交通列车轴箱轴承故障诊断方法

[目的]轴箱轴承是轨道交通列车转向架的关键零部件,其健康状态直接影响列车的运行安全。需建立更为科学、高效的轴箱轴承故障诊断方法,以有效提取强干扰噪声下的轴承故障特征信息。[方法]以振动加速度及声音信号(以下简称“振声信号”)为研究目标,分析了轴箱轴承振声信号的故障特征,提出了一种最优带通卷积滤波的信号降噪方法。该方法将原始信号在频域内划分为多个分段,确定不同分段的带通滤波参数,构建了多通道带通卷积滤波器组。采用时域指标分段峭度来选择最优滤波信号,并对最优滤波信号进行频率加权能量算子解调,以识别轴承的故障部位。[结果及结论]所提故障诊断方法可以在强干扰噪声下实现对振动加速度信号、声音信号故障特征的提取,仿真结果及现场试验结果均验证了该诊断方法的有效性。振动加速度、声音信号的故障诊断结论可相互补充验证,进一步提高轴箱轴承故障诊断的准确率。

参数优化VMD-小波阈值的振动筛加速度信号降噪

为去除振动筛的加速度信号中伴随的噪声,提出一种使用鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化变分模态分解(variational mode decomposition,VMD)-小波阈值的加速度信号降噪方法。使用WOA对VMD的模态分解数k和惩罚因子α进行寻优,将得到的最优参数代入VMD中,并根据设定好的阈值,对含噪有效分量进行降噪处理。经实际运行验证,参数优化VMD-小波阈值降噪方法能有效消除信号噪声。

基于速度信号的扰动观测器及在光电稳定平台的应用

在闭环控制系统中引入了扰动估计和补偿来改善光电稳定平台低速性能,并提高其扰动抑制能力。提出了基于速度信号的扰动观测器,并对其各项性能进行了研究。介绍了常规的基于加速度的扰动观测器的工作原理,指出了它在光电稳定平台应用中存在的问题;通过引入平台的标称模型,构建了基于平台速度信号的扰动观测器,给出了相应的闭环控制系统结构,分析了它的输入输出特性、扰动抑制能力和鲁棒性;最后,对本文方法进行了仿真和物理实验。实验结果表明:当平台按0.5Hz,0.6(°)/s做正弦运动时,引入本文提出的带扰动观测器的PI控制基本克服了常规PI控制存在的低速爬坡现象;对于1Hz,6.3(°)/s的载体正弦速度扰动,平台的扰动隔离度提高了约14dB,稳定精度从0.03°(RMS)提高到了0.004 4°(RMS)。实验结果证明了本文方法的有效性。

基于加速度信号全谱分析的转子碰摩故障特征提取实验研究

转子在运行过程中的振动加速度信号包含了转子运行状态大量信号,瞬态过程中故障加速度信号特征的提取及其识别对于旋转机械故障诊断是十分重要的。旋转机械振动的全谱分析是一种使一些典型故障尤其是碰摩故障能被很清楚检测出来的有效方法,本文在对旋转机械转子中的一些典型碰摩故障进行了模拟试验,以及对故障发生过程中的加速度信号进行采集的基础上,对转子故障加速度信号的全谱特性进行了分析,提取和总结出由故障造成的加速度信号突变和对应的谱特征。分析结果表明:采用转子振动加速度信号对转子的碰摩故障进行诊断是有效的。加速度信号全谱图可以丰富旋转机械碰摩故障诊断系统知识库中的特征信息,对于更准确地诊断转子中的碰摩故障具有重要意义。

32通道无线表面肌电和加速度信号采集系统设计

为满足对表面肌电信号采集系统的无创、便携和大数据量传输的需求,本文实现了基于蓝牙无线传输协议的32通道表面肌电和加速度信号采集系统。该系统由发送端和接收端组成。发送端包括4组8通道信号采集和发送模块,每组完成对5通道表面肌电和一个3轴加速度信号的采集、处理及发送;接收端采用FPGA管理4组蓝牙接收器进行一对一数据接收,同时对数据进行统一打包处理并发送到PC机进行数据存储、数据处理及信号波形显示。测试结果表明,本系统一次充电可持续工作6 h,无线通信距离可达12 m,信号噪声比高于70 dB。基于以上性能参数,本系统可应用于手势识别、健康监护等科学研究领域。

基于加速度信号的柔性板的挠性参数辨识

以柔性板为对象,开展了结构挠性参数辨识技术的研究.给出了一种基于加速度信号输出的特征系统实现算法的计算格式,基于粒子群优化算法给出了加速度传感器在柔性板上的优化位置.仿真结果显示,粒子群方法能够有效地确定出传感器在板上的优化位置,特征系统实现算法能够有效地辨识出结构的挠性参数.

汽车碰撞试验中异常加速度冲击信号的分析

针对某型汽车在碰撞试验中多次出现的异常加速度干扰信号进行了分析和研究。经分析认为,该异常冲击信号的产生是由于牵引链条脱钩后撞击玻璃盖板边框后高速反弹敲击车辆底部刚体所致。采用侧撞小车的模拟试验对该分析结果进行了验证,模拟试验测得的加速度曲线在幅值、频率、持续时间上与实车碰撞试验中的异常加速度信号非常相近,进而验证了对异常加速度信号分析的正确性。

基于EEMD和Choi-Williams分布的侵彻加速度信号时频分析

提出了一种基于总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和Choi-Williams分布联合的时频分析算法,该算法采用EEMD算法将信号从频域上分离为若干个固有模态函数之和,再对各分量进行Choi-Williams分布,得到了信号的时频分布特征,有效地消除了信号内部各模态函数之间时频分布的交叉项,从而挖掘信号的本质及相关特征.通过对实测侵彻两层厚度不同的混凝土靶板的加速度信号,采用EEMD和Choi-Williams分布联合时频分析,得出弹体激发的振动模态和靶厚以及着靶速度有关.

基于加速度振动信号的速度和位移积分误差分析

工程实际中速度和位移信号较难获取,本文通过加速度同速度和位移间的微分关系求得速度和位移。尽管加速度和速度、位移间的数学关系较为明确,但在求取过程中受各种因素的影响,无论采用何种积分算法误差在所难免,影响误差的因素主要有传感器自身因素(零漂)和信号采集精度等,文中忽略零漂以及速度和位移信号初值的影响,重点分析采样频率和采样数据长度对积分结果的影响,在采样数据长度一定的前提下采样频率越高积分误差越大。在采样频率一定的前提下,采样数据的长度对积分误差的影响有限,因此在工程实际中应该尽量采用高采样频率保证计算结果精确。

角加速度信号自适应小波的去噪方法

针对多扰动、大负载环境下角加速度计输出信号中含有脉冲噪声和高斯白噪声的情况,提出一种改进的离散小波阈值法与中值滤波算法相结合的角加速度计信号自适应去噪算法。首先,使用中值滤波对原始信号进行去除脉冲噪声的预处理;其次,使用分解层数的自适应确定方法与改进的阈值选取准则,通过离散小波阈值去噪法去除高斯白噪声。仿真结果表明,该算法能够有效地提高信噪比,降低最小均方误差。实验结果表明,该算法既能去除分子型液环式角加速度计信号中噪声,又能很好地保留真实信号中的高动态部分。

基于机匣加速度信号的航空发动机转静碰摩部位识别

提出了基于机匣加速度信号的航空发动机转静碰摩部位识别方法。利用航空发动机转子试验器模拟了大量不同部位的碰摩,将小波局部极大模归一化能量与直接提取的机匣加速度信号归一化均方值输入至支持向量机中,以进行识别验证及对比分析。结果表明,小波局部极大模方法提取的归一化能量特征比直接提取的加速度信号均方值能更加有效地进行转静碰摩部位的识别。

撞击流混合器速度信号的Hilbert-Huang变换分析

应用激光多普勒测速系统,对撞击流混合器的流场瞬时速度进行了测量。将Hilbert-Huang变换(HHT)应用于瞬时速度信号的分析,提取出各阶内禀模态函数(IMF)并通过经验模态分解(EMD)对速度信号进行滤波降噪。通过希尔伯特谱分析(HSA)确定了撞击流混合器速度信号的能量分布状况,信号能量集中于低频区,即存在于尺度较大的流体涡旋中。分析速度信号各阶内禀模态函数在不同频段的能量分布与转换,发现不同频段IMF的能量分布与流型转变之间的对应关系。通过能量特征值的提取表明,提高螺旋桨转速有助于强化系统的混合效果。最后将撞击流混合器的流场由内而外划分为中心区、涡旋区和回流区3个部分。

基于振动速度信号在线识别最大压力升高率

利用巴特沃斯低通滤波器和模式识别方法对实测振动速度信号进行预处理,处理后的振动速度与压力升高率有较强的相关性.据此,提出了利用预处理后的振动速度信号在线识别最大压力升高率的新方法.在195单缸柴油机上对该方法的可行性进行了试验验证,结果显示:在试验数据范围内,利用振动速度信号和利用缸压曲线得到的最大压力升高率随循环数呈一致的变化规律,二者偏差在±6.5%,,以内.由此表明,基于振动速度信号在线识别最大压力升高率的方法是可行的.

融合表面肌电和加速度信号的下肢运动模式识别研究

为了提高下肢运动模式识别率,本文设计了一种融合表面肌电和加速度信号的下肢运动模式识别方法.首先,用局部均值分解将表面肌电信号分解为多个乘积函数(Product Functions,PFs),再计算PF成分的多尺度排序熵.然后,通过拉普拉斯权重(Laplacian score,LS)特征选择算法选定每路肌电信号的一个尺度排序熵为特征,并把该特征和加速度信号的排序熵组成特征向量.最后,根据类内欧氏距离和类间样本分布,设计了改进的二叉树支持向量机,把特征向量输入该支持向量机进行下肢运动模式分类.实验结果表明所提方法对七个日常动作的平均识别率达到98.62%,相较于其他方法有较高的识别率.

角速度信号在功能性电刺激系统步态分段算法中的应用

研究可应用于功能性电刺激输出控制的步态识别算法,利用MEMS传感器采集步态的角速度数据,通过设置阈值实时识别患者行走时的摆动相,在脚跟离地时刻开启功能性电刺激,在脚跟着地时刻停止电刺激.平地自由行走模式和跑步机平台下的实验结果表明:该算法对脚跟离地和脚跟着地两个时刻的识别率分别大于97%和98%.本算法不需要积分运算,避免了累积误差,步态分段准确性高且算法简单,易于在单片机中实现,为研究穿戴式功能性电刺激系统提供了基础与保证.

转子故障加速度信号的全谱分析

在旋转机械运动中,对于两正交方向的振动信号来说,全谱图相对于传统的谱图包含更多的信息,它包含振动进动方向及轨迹椭圆度.转子在运行过程中的振动加速度变化包含了大量的转子运行状态信号,因此,从分析转子加速度变化的特性来诊断转子故障是必要的.提取和总结出由故障造成的加速度信号突变和对应的加速度全谱级联特征.实验分析结果表明:采用加速度信号全谱分析对转子的一些故障进行诊断是有效的.加速度信号全谱图可以丰富旋转机械故障诊断系统知识库中的特征信息,对于更准确地诊断转子中的故障具有重要的意义.

加速度信号随机噪声及趋势项实时消除方法研究

利用加速度信号测量位移是油田抽油井光杆位移测量的主要方法,而加速度信号的随机噪声和趋势项是影响测量精度的主要因素,本文提出了一种基于学习的实时消噪和剔除趋势项方法。学习时先获取一段时间的加速度信号,再通过时间序列分析技术得出ARIMA模型及其参数,最后基于FFT变换的Rife-Jane频率估计方法求出加速度信号的周期;在线实时消噪和剔除趋势项方法是基于学习阶段所得模型参数,运用卡尔曼滤波技术消除加速度信号随机噪声;按周期两次积分得到光杆位移,用加窗递推最小二乘法在线消除趋势项。通过抽油机半实物仿真平台测试和分析加速度信号,结果表明,该方法有效地去除了加速度信号中的噪声和趋势项,极大地提高了位移的测量精度。

基于卡尔曼滤波的低速伺服系统速度信号估计

给出了基于卡尔曼滤波的测速方法,并利用电流、角速度等参数估算出加速度,作为卡尔曼滤波的控制输入。仿真了该方法的稳态和动态性能,并与其他滤波方法做了对比;将该方法应用于某伺服系统,测试并分析了系统的0.1°/s阶跃响应、频域特性及参数摄动对滤波性能的影响。结果表明,该方法减小了低速时的测速误差和相位延时,扩展了速度环带宽,并且对参数变化不敏感,具有较强的鲁棒性。

编码器测量角速度信号的抗混滤波方法

增量式轴角编码器广泛用于回转运动测量中 ,但由于它是直接数字化转换元件 ,不能用通常的模拟低通滤波器进行抗混滤波 ,而扭振测试时混叠作用会在信号中形成虚假频率分量 ,造成信号分析与识别上的谬误。分析了编码器在弹性安装情况下的低通滤波作用 ,针对工程应用导出了实验法测定“弹性轴 编码器”系统频响函数的具体算法 ,从而得到了利用弹性轴安装编码器实现抗混滤波的方法。文中给出了测试实例。这种方法同时还降低了编码器安装时的工艺难度。

基于加速度信号和进化RBF神经网络的人体行为识别

针对基于加速度信号的人体行为识别,采用递阶遗传算法(HGA)训练径向基函数(RBF)神经网络,获得满意的识别正确率.设计适应度函数,利用四分位数间距改进HGA中参数基因的交叉方式,给出自动确定子代生成区域的方法,省去以往同类算法中的经验性设定,并结合算术交叉选择优秀子代,然后对比均匀变异和非均匀变异子代的适应值,实现对RBF网络结构和参数的联合优化.在基于加速度信号的行为识别系统中,与基本HGA和其他常用的训练方法相比,文中算法训练的RBF分类器可获得更低的输出误差和更高的测试样本识别正确率.