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。

基于轮胎加速度信号的胎路作用力估算模型

研究重载卡车对道路的破坏机制能够指导道路的设计与养护,有效延长道路的使用寿命.其中,针对复杂重载荷作用下道路病害研究对轮胎路面作用力测量的需求,本文提出了一种复合工况下胎路三向力的建模估算方法.以11.00R20型全钢载重子午线轮胎为研究对象,经过对结构的合理简化,利用ABAQUS有限元仿真软件以参数化建模方法建立了轮胎有限元模型,并验证了模型的有效性;以不同的垂向载荷、侧偏角、纵滑率、轮速和胎压设置了多种复合工况,并对轮胎模型进行了稳态滚动分析,获得了轮胎同一断面内衬层上多个观测点的加速度响应信号;对采集的加速度信号进行了滤波处理,并对比了不同信号的响应程度,选取其中特征较为明显的信号作为观测加速度信号;提取了观测加速度信号的特征,并结合胎压和轮速作为输入,建立了基于卷积神经网络(CNN)的复合工况下胎路三向力的回归解析模型;以模型对15个测试工况的估算结果,近似地描述了该模型的泛化能力,该模型下胎路三向力估算的平均绝对百分比误差均在7%以内,均方根误差不超过1 kN.结果表明,轮胎内衬层上的加速度信号与胎路作用力具有较高的相关性,基于加速度信号与卷积神经网络建立的模型能够有效地实现胎路三向力的同时估算,为道路病害研究提供了有价值的载荷信息.

基于加速度信号的功能性踝关节不稳者动态姿势稳定性评价方法

目的 基于身体不同位置的加速度信号,比较采用不同算法获取的评价功能性踝关节不稳(FAI)者动态姿势稳定性指标的重测信度和鉴别效度。方法 2021年4月至6月于北京体育大学招募21例单侧FAI患者和21例踝关节正常者。3个惯性传感器粘贴于腰点、膝和踝位置。通过三维测力台和惯性传感器同步采集受试者多方向单腿落地测试中的地面反作用力(GRF)和运动学数据。采用无界三阶多项式(UTOP)拟合法计算稳定时间,通过均方根值计算稳定指数。结果 基于加速度信号与基于GRF计算的大部分指标相关,但相关系数较低(|r|=0.116~0.368,P <0.05)。基于身体不同位置的加速度信号得到的稳定时间和稳定指数表现出低到高的重测信度(CMC 0.30~0.91)。对女性受试者,基于加速度信号的稳定时间中,有11个评价指标达到一般至很高的鉴别效度(AUC=0.702~0.942,P <0.05);稳定指数中,有8个指标达到一般水平的鉴别效度(AUC=0.717~0.782,P <0.05)。不同算法在男性受试者中未取得良好的鉴别效果。结论 基于腰点位置的加速度信号并应用UTOP算法计算的稳定时间,能够评价女性FAI患者单腿落地动作的动态姿势稳定性,具有较高的鉴别效度和中等至高的重测信度。

未知信号传播速度下存在时钟同步和传感器误差的多基地定位算法

现有未知信号传播速度场景下的多基地定位算法在实际场景中受地形、遮挡等因素影响可能无法利用直接路径获取测量值.同时,这些算法引入了较多辅助变量,在相对较少数目发射站和接收站场景下也无法实现定位.为了弥补这些不足,本文对未知信号传播速度下存在时钟同步误差和传感器位置误差的多基地定位问题开展研究,并提出一种新的闭式算法.所提算法包含两个阶段,第一阶段利用发射站-目标-接收站这一间接路径的时延观测量,基于单一辅助变量构建矩阵方程,随后通过加权最小二乘技术给出初始解.第二步利用未知参数与单一额外变量的关系修正初始估计值,进一步提升定位精度.理论分析表明所提算法在适度的误差条件下可实现克拉美罗下界(Cramer Rao Lower Bound, CRLB),且在较少数目发射站和接收站场景下仍可实现目标位置和信号传播速度估计.仿真实验进一步验证了理论分析,同时表明所提算法定位精度优于现有算法.

基于瞬时角速度信号窄带解调的太阳轮故障检测

由于时变传递路径以及振动传感器受测量频率下限的限制,及在转速较低工况下基于常规振动信号的太阳轮故障检测较为困难。对此,结合编码器信号的优势,提出一种基于编码器信号窄带解调技术的太阳轮故障检测方法。首先使用T法对光栅式编码器角度信号进行采集,然后使用向前差分法获得瞬时角速度(instantaneous angular speed, IAS)信号,随后使用角域同步平均抑制非同步干扰分量,最后通过窄带解调实现太阳轮故障检测。同时,在所提方法中提出一种基于峭度的解调频带选择策略和一种基于相位解调函数相位变化率的故障特征增强方法。实验证明IAS信号可以有效克服常规振动检测方法的不足,并验证了所提出方法能有效实现对太阳轮故障的检测。

基于加速度信号的人体爬行与步行过程中多关节协同运动模式对比

基于人体运动协同控制理论提出人体爬行过程中四肢关节的协同运动模式与步行过程中四肢协同运动模式具有相似性是其能促进步行功能康复重要运动生理基础的假设。为了证明该假设,本研究首先基于MPU9250加速度传感器收集了5名受试者爬行和步行过程中双侧肘、腕、膝、踝关节等8处关节在运动过程中的加速度信号;然后,依次对信号进行预处理、周期分割、矢量化等处理;最后,利用非负矩阵分解算法提取爬行和步行运动过程中肢体间多关节运动的协同运动模式,并计算爬行与步行运动关节协同模式之间的相关系数。结果显示5名受试者爬行及步行过程中均能提取2种关节姿势协同模式,并且对应协同模式的相似系数分别为0.76和0.72,说明爬行运动与步行运动过程中肢体运动协同模式具有一定的相似性。本研究可以为爬行运动用于儿童步行功能康复提供一定的参考。

动车组速度信号耦合干扰问题的研究

文章主要研究了某型动车组在调试时出现牵引电机速度传感器干扰故障及牵引测试失败问题,故障表现为变流器静态启动测试或动态运行过程中闪报速度传感器故障,严重情况下需切除变流器维持动车组运行。通过对牵引电机速度传感器、变流器屏蔽线缆内部屏蔽接地、变流器速度信号软件处理逻辑等进行排查,确认故障原因为牵引电机速度传感器信号受到系统产生的随机耦合干扰。该故障是多设备在整车接地条件下耦合产生的综合性故障,在故障的排查过程中,采取对变流器内部多处接地进行优化整改。通过逐步实施整改策略,故障发生的概率逐渐减小,最终所有的接地处理优化措施实施后速度信号波形较之前有较大改善,毛刺等干扰信号大幅减少,基本不再报出故障。同时,针对此类接地耦合故障问题,除了对所影响系统进行良好的屏蔽层接地处理措施外,为避免该问题再次发生,采用了优化系统软件滤波方法滤除干扰信号,防止信号失真。

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.