复合故障下风电齿轮箱声音信号耦合调制模型辨识与故障诊断

针对两级行星一级平行齿轮箱不同位置受损导致的复合故障,提出一种声音信号耦合调制模型,以辅助专家进行故障诊断。当风电齿轮箱发生复合故障时,其特征频率会以调幅和调频的形式影响不同轮系的啮合频率,为此,本文提出了复合故障下风电齿轮箱声音信号幅值耦合调制模型;利用模型参数辨识思路,确定所提耦合调制模型中不同轮系的调幅系数,并通过构建边带能量比指标,用于评价辨识效果;最后,利用声音信号耦合调制模型的重构谱,确定复合故障位置,实现具有辅助性质的故障诊断。实验与现场数据分析表明:用于评价辨识结果的边带能量比指标分别为0.948,0.972,0.977和0.9643,有效说明了模型辨识的有效性,为齿轮箱复合故障自动诊断奠定了基础。

基于声音信号的汽车安全带卷收器质量检测方法研究

为提高汽车安全带生产现场质量检测效率,根据《QC/T987—2014汽车安全带卷收器性能要求和试验方法》搭建实验平台,采集卷收器合格品与次品工作过程中的声音信号,将卷积注意力模块(CBAM)嵌入残差网络(ResNet-18)残差块之前,设计CBAM-ResNet-18“Before Blocks”模型,对采集到的卷收器声音信号进行分类。与不加注意力机制的ResNet-18模型、在残差块后加注意力机制的CBAM-ResNet-18“Within Blocks”模型、传统分类模型支持向量机和随机森林相比,模型在卷收器声音信号分类任务中的混淆矩阵、准确率、精确率、召回率和F 1值等方面均表现良好。实验结果表明:所设计的模型对于基于声音信号的汽车安全带卷收器质量检测十分有效。

基于声音信号的离心泵轴承故障预警研究

为了对离心泵运行状态进行监测,通过采集离心泵运转声音信号,对离心泵声音信号进行时域分析、频域分析,提取时频域轴承故障预警特征。利用变分模态分解方法,筛选合适的本征模态函数进行包络调解,通过包络谱图分析离心泵轴承故障特征信息,提取离心泵轴承故障预警特征。针对离心泵轴承故障预警,从中提取正常运行和轴承故障运行特征参数,建立预警特征,进而实现对离心泵维护和保养的预警,提高离心泵使用寿命,避免离心泵轴承故障。研究结果对离心泵轴承故障预警具有指导意义。

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。

退役锂电池高压放电声音信号时频特征研究

为实现退役动力电池的梯次利用,以10 A·h方壳电池高压放电声音为研究对象,将不同SOH电池内部离子活性、放电能力、电荷迁移与补给能力等与其放电声纹建立联系,提取相关统计指标表征电池老化状态,为后续通过声音特征快速检测退役电池SOH打下理论基础。通过自搭建声音采集实验平台采集电池放电声音,而后对放电声音进行预处理,最后提取其时域特征(时域图、均方根能量)与频域特征(声谱图)进行分析。通过时频域特征分析得知:电池在高压电场诱导下放电发声,电池放电高能区域集中于10 kHz附近,随着SOH的降低,电池内部离子失活,电荷迁移与补给能力减弱,时域图中声音信号波形稳定性越差,且振幅主体范围不断减小,电池放电声音的均方根能量不断降低,语谱图中则表现为放电现象微弱,放电频率以及能量大幅下降。

基于置信规则库的汽车视镜系统声音信号故障诊断

考虑到声音信号非接触、获取方便的优势,提出了一种基于置信规则库(Belief Rule Base, BRB)的汽车视镜系统声音信号故障诊断方法。首先,采用多尺度散布熵(Multiscale Dispersion Entropy, MDE)来提取视镜系统声音信号特征;然后,融合提取的特征及专家知识建立BRB故障诊断模型;之后,采用协方差矩阵适应进化策略优化算法(Projection Covariance Matrix Adaptive Evolutionary Strategy, P-CMA-ES)对BRB中专家给定的初始参数进行优化,提高模型精度;最后,利用某型汽车视镜系统耐久试验过程的声音信号监测数据验证了所提方法的有效性和准确性。

基于声音信号的中波广播应急系统快速增强技术

声音信号作为信息传递的基本媒介,通过其独特的物理特性实现信息的有效传递,已广泛应用于中波广播。然而,受限于技术和环境因素,中波广播在应急响应中常常面临信号衰减和干扰等问题。为提高应急广播的响应速度和信号质量,研究中波广播应急系统快速增强技术显得尤为关键。基于此,提出基于声音信号的中波广播应急系统快速增强技术,探讨在实际应急响应中如何应用该技术提升系统的性能和响应速度。

基于振动与声音信号深度学习的岩性识别方法

岩性识别对地质勘查和储层评价具有重要意义,科学有效地开展岩性自动识别的相关研究能够有效地为勘查过程提供指导,减少工作的盲目性和冗杂性。针对常见的砂岩地层,选择三类砂岩,基于室内微钻试验台,设计钻杆转速、钻孔深度和钻孔位置三个变量,检测钻进过程中产生的振动和声音特征信号。将采集的振动和声音信号预处理,提高信噪比,生成数据集。将振动和声音的数据集按6∶2∶2的比例划分为训练集、验证集和测试集,之后分别构建二维卷积神经网络和一维卷积神经网络并使用训练集和验证集训练岩性识别模型,最后运用未经训练的测试集验证模型准确率。模型训练完成后,以频谱图为数据集的振动信号识别模型准确率达到95.19%,以梅尔频率倒谱系数为数据集的声音信号识别模型准确率达到73.58%。研究结果表明,不同岩性在钻进过程中产生的振动和声音信号具有不同信号特征,基于振动和声音信号的岩性自动识别方法可以较好地实现几类砂岩的自动识别,这为地质勘查时的岩性自动识别提供了参考与依据。

基于峭度原则的VMD-SVD微型电机声音信号降噪方法

微型电机运转时的声音信号包含丰富的状态信息,可用于生产线上电机的快速检测,但由于待测电机体积小、声音能量低,采集过程中声音信号易与环境噪声耦合,导致声音信号提取和检测不准确。该文通过研究电机组成结构,分析声音信号频率成分与成因,得到该文研究电机的声音信号3倍频谐波特点,提出一种基于峭度原则的VMDSVD算法对电机声音信号进行提纯降噪,该算法采用VMD分段原理,对各分段信号进行SVD分解,提取谐波特征,利用峭度原则优化VMD参数选取。首先通过仿真信号对比实验,验证了该文算法具有更好的降噪效果和降噪性能指标。而后,将该方法应用于微型电机实测声音信号,测试结果表明提出的基于峭度原则VMD-SVD算法具有良好降噪效果,能够显著提高原始信号信噪比,更利于后续特征提取和故障检测工作。

声音信号分析技术在白羽肉鸡智能化养殖中的应用进展

声音信号分析技术是当前白羽肉鸡智能化养殖的重要技术,随着机器学习和深度学习技术的日益发展,将声音信号分析技术与机器学习、深度学习结合已经成为研究热点。文章阐述了白羽肉鸡传统养殖面临的困难和白羽肉鸡的智能化养殖技术,以及声音信号分析技术检测任务的一般流程,并指出了相关过程的技术分类和典型方法,系统阐述了声音信号分析技术在白羽肉鸡疾病检测、应激检测、性别分类、体重预测、行为分析中的应用。

基于CEEMDAN和层次波动离散熵的滚动轴承声音信号故障检测

声音信号在收集时具有非接触测量的优势,但容易受到周围环境噪声的干扰而导致信噪比较低,不利于特征信息的获取。为从滚动轴承声音数据中提炼出有效的特征信息,并实现故障的精准识别,提出一种基于自适应噪声完全集成经验模态分解(CEEMDAN)和层次波动离散熵(HFDE)的声音信号故障诊断策略。在该策略中,CEEMDAN缓解了集成经验模态分解(EEMD)的模态混淆缺陷;针对传统多尺度波动离散熵(MFDE)无法考虑时间序列的高频信息的缺陷,提出一种基于层次化处理的层次波动离散熵非线性动力学指标。将所提策略用于滚动轴承的故障识别,能够检测出不同故障状态下的声音数据。通过数值模拟和滚动轴承实验数据分析,将所提方法与CEEMDAN-MFDE、EEMD-HFDE、EEMD-MFDE、HFDE和MFDE进行对比。结果表明:所提方法达到了100%的识别准确率,多次实验的平均识别准确率也达到了99.5%,均高于对比方法,从而验证了该策略的有效性和优越性。

基于组合集成分类的伺服机构声音信号状态识别研究

本文针对测控设备伺服机构的健康管理问题,研究了伺服机构声音信号的状态识别方法。采用t-SNE算法对采集的伺服机构声音信号的频谱特征进行降维聚类分析,获取了设备状态的数据簇包络,结合人工标注等对数据标注,得到各状态下的训练样本。利用训练样本进行分类器模型训练,分别实现了基于阈值分类、贝叶斯和随机森林以及三种弱方法组合集成分类的状态识别。试验结果证明,新提出的组合集成分类识别方法较单个识别弱分类方法在识别准确率与精确率上均有较大提升,在伺服机构健康管理方面有着较强的使用价值。

基于声音信号的风机叶片故障检测

本研究采用离散傅里叶变换提取声音信号的频域特征,基于频域特征构建多层感知机进行分类。试验结果表明,对小型风力发电机模型叶片故障检测准确率达到98%以上。

利用敲击声音信号进行禽蛋破损检测和模糊识别

为了在蛋品加工中能够快速检测并剔除异常蛋(钢壳蛋、尖嘴蛋)和破损蛋,利用一个微型话筒和声卡采集蛋在敲击时的声脉冲信号,将采集到的声脉冲信号送计算机处理和分析。研究结果表明:正常蛋、破损蛋、钢壳蛋、尖嘴蛋的敲击声音信号在衰竭时间、最小共振峰频率和四点最大频率差等参数上存在差异,且差异的边界是模糊的。利用最大隶属度原则进行模糊识别,破损蛋的识别准确率达95%。

基于独立分量分析的混合声音信号分离

论文简要介绍了有关独立分量分析 (ICA)的基本理论和算法 ;探讨了独立分量分析在混合声音信号分离中的应用 .针对ICA输出结果排序的不定性以及在长时间记录声音信号的过程中 ,ICA混合模型系数存在时变性等问题 ,提出了一种结合小波变换和独立分量分析的解决方法 ;试验结果表明 ,该方法能有效地提高运算效率并获得较好的分离效果 .

用时频分析法研究铝合金电阻点焊过程中的声音信号

研究了铝合金点焊过程中声音信号的时频域能量分布 ,并应用它来识别点焊的熔核状态。点焊过程中的声音信号包含着熔核形成信息 ,是点焊质量监控的重要参数。为了能够确定熔核的变化状态 ,作者尝试采用非平稳过程的时频分析方法对声音信号进行研究 ,试验与计算结果表明 ,Choi-williams时频分布是一种较好的铝合金点焊声音分析方法 ,可以区分不同熔核状态 ,其计算结果可作为铝合金点焊过程的监控参数和质量检验的依据 ,具有一定的实用价值 ,同时它对其它焊接方法中的信号分析与处理也有较高的参考价值。

昆虫声音信号和应用研究进展

昆虫声音信号是昆虫在长期进化过程中形成的种内、种间信息交流方式之一,在昆虫求偶、聚集、攻击、报警等各种行为中起着重要作用。近年随着微电子和计算机信息科学的快速发展,越来越多的昆虫发声机制被揭示。本文简要评述了不同目昆虫的发声器官和发声机制,及其声音信号特征和信号采集分析方法,并讨论了昆虫声音信号的研究趋势和实际应用问题。

基于独立分量分析的点焊特征声音信号提取

采用独立分量分析的方法和传感器阵列技术对点焊声音信号进行了研究,建立了点焊声音信号独立分量分析算法.采用8个传声器阵列,同时对点焊过程中的声音信号进行了测量,获得了比单传感器丰富的点焊信息.计算了这些声音信号的峰度系数,确认其为非高斯型,满足独立分量分析的要求,并对其进行独立分量分析.结果表明,基于FastICA算法的独立分量分析可以从叠加噪声中分离出点焊过程信号源,且效果明显,为深入分析点焊过程提供了一个新的技术手段,并且该算法可以应用于其它焊接方法中.

利用声音信号能量比在线识别钢材材质

针对在铁塔加工过程中角钢在冲孔时会发出一定的声音,提出一种利用声音信号能量比在线识别Q235和Q345两种材质角钢的方法。搭建实验系统,现场采集加工Q235和Q345两种材质角钢的声音信号,分析不同型号角钢对应声音信号的频谱特征,计算信号在特定高频频带与低频频带的能量比值,以及能量比均值和标准差,找到其区别两种材质的能量比取值范围。并且现场采集一定量的信号样本,根据统计学原理并经过试验验证,识别两种钢材材质的正确率可达到95%以上。

基于Matlab的声音信号采集与分析处理

介绍了利用Matlab软件采集与处理声音信号的方法,并结合蛋壳破损声音检测的应用实例,深入地分析了声音信号采集与处理的Matlab实现。