FDA-300R在线全自动探伤设备信号通道分析及供水系统改造

分析探伤设备的伤检测单位和智能终端单元,找出通道故障原因并对探伤的供水系统进行了改造。

用双通道矢量信号分析仪测试时延

对通道互相关的原理进行了分析,介绍了开发出的目前业界最新双通道矢量信号分析仪的互相关功能以及利用该功能进行两路数字调制信号间时延测试的方法。通过实验验证了方法的正确性。

基于多通道信号记录仪的毫米波天线测量方案

基于网络分析仪的测量配置是目前微波毫米波天线测量中较经济的解决方案。网络分析仪方案面世已有数十年的历史,并通过分析仪的改良而得到不断完善,然而,由于网络分析仪的结构体系,其存在无法进行复杂调制信号测试,中频带宽窄等测量限制。针对上述天线测量系统集成中的主要问题,提出了基于多通道信号分析与记录仪的一体化天线测量方案,此方案解决多仪表的中频数据汇聚与共享问题,引入了基于连续数据分析的测量架构与分析方法,解决了集成中多仪表的触发同步问题。

单通道时变ICA算法及其在大坝变形分析中的应用

EEMD-ICA算法具有良好的单通道分离性能,但其使用的Fast ICA是一类离线批处理算法,没有时变处理能力。因此,本文研究了在线盲源分离的单通道独立分量分析(ICA)算法——EASI算法,该算法可用于识别混合矩阵缓慢变化,提出了一种基于EEMD的单通道时变ICA算法,即基于EEMD的单通道EASI算法(EEMD-EASI),并将其应用于五强溪大坝位移监测数据的单通道时变ICA分离中。模拟试验表明,EEMD-EASI算法在单通道时不变和时变混合情况下都具有良好分离效果;而大坝变形分析实例进一步表明EEMD-ICA算法能够分离出温度效应位移分量及时效分量,从时变混合矩阵可以看出大坝蓄水几年后趋于稳定。

转子–轴承故障多通道振动信号分析方法

本文基于Rehman等于2011年提出的多元经验模态分解算法(Multivariate Empirical Mode Decom-position, MEMD)开展研究。该算法是经验模态分解(Empirical Mode Decomposition, EMD)用于多通道数据方面的应用,通过结合MEMD的基本理论,提出了多通道振动信号分析方法,首先,采集多通道振动信号,然后利用MEMD对多通道振动信号进行自适应分解,得到一系列多元本征模态函数(Intrinsic Mode Function, IMF)分量;接着,依据峭度准则从中选取包含故障信息的IMF分量;最后,对选出的分量采用频谱分析和Hilbert包络分析,提取故障特征。

改进MVMD方法及其在轴承故障诊断中应用

随着多传感器采集系统的发展,多元信号的同步处理变得尤为重要。多变量变分模式分解(Multivariate Variational Mode Decomposition,MVMD)方法是一种在变分模式分解方法基础上发展起来的多元信号分析方法,具有物理意义清晰、抗干扰能力强等特点。然而,须预先设置分解模式个数和带宽平衡参数对其在实际工程中的应用产生限制。为此,提出一种改进MVMD方法。该方法构建带宽估计策略和MVMD单分量迭代分解策略,能够合理确定带宽平衡参数,并在固定带宽下基于峭度准则迭代分解出故障分量。多通道的轴承故障试验信号分析结果表明:提出的方法能够合理确定目标分量的带宽,且无须预设模式分量个数;该方法运行所需时间为8.3 s,相较于传统的固定参数MVMD、多维经验模态分解和快速谱峭度,可在没有损失时间效率的前提下更准确地识别出多通道故障特征。