基于小波自适应包络解调技术的滚动轴承故障识别研究

针对传统的包络解调技术在实际使用过程中存在必须人为确定高频共振频率和带通滤波器的中心频率缺点,提出了小波自适应包络解调技术。该方法通过最小Shannon熵原理自适应确定小波函数的中心频率和带宽,求得在此小波变换下的系数,运用希尔伯特变换得到解析信号,最后计算包络和包络谱来识别故障特征频率,实验结果表明,提出的方法能准确有效地识别出滚动轴承外圈、内圈及滚动体的单点类故障。

基于最优Morlet小波自适应包络解调的弱故障特征提取方法

为自适应实现Morlet小波与故障冲击特征成分的最优匹配,采用基于Shannon小波熵的方法优化带宽参数设计最优Morlet小波。针对最佳尺度求取的难题,利用谱峭度与小波熵均能敏感反映冲击性的特性,提出了基于峭熵比求取最佳尺度。基于此,提出基于最优Morlet小波自适应包络解调的弱故障特征提取方法,该方法首先对信号进行最优Morlet连续小波变换;然后,依据峭熵比自适应地求取最佳尺度并提取最佳尺度的小波系数;最后,对最佳尺度的小波系数取模即可实现对最优频带的包络解调,得到包络谱,从而实现微弱故障特征的提取。实例分析表明:该方法克服了传统包络解调需要人为设定带通滤波器参数的不足,能有效地从强噪背景中提取微弱故障特征。

一种自适应Morlet小波包络解调的弱故障检测方法

为自适应实现Morlet小波与故障冲击特征成分的最优匹配,采用基于Shannon小波熵的方法优化带宽参数设计了最优Morlet小波。针对最佳尺度的求取难题,利用谱峭度与小波熵均能敏感反映冲击性的特性,提出了基于峭熵比的最佳尺度的求取方法。基于此,提出基于自适应Morlet小波包络解调的弱故障特征提取方法。仿真实验与实例分析表明:该方法克服了传统包络解调需要人为设定带通滤波器参数的不足,减少人工干预,能自动有效地从强噪背景中提取微弱故障特征,具有一定的工程应用价值。

基于自适应极值的白光干涉信号解调算法研究

针对传统时域解调算法等光程点定位稳定性差、抗干扰能力弱,而频域解调算法效率低且部分方法受扫描采样步长限制等问题,课题组提出一种基于自适应极值的白光干涉解调算法。从干涉信号统计学规律出发,通过对干涉信号包络曲线加权平均,将它修正为高斯型包络曲线;然后,通过对包络曲线高斯拟合插值得到等光程点,进而得到测量方向的深度信息以及三维形貌;最后,以高度为20μm标准台阶样块为测量对象进行多次实验。结果表明:与传统算法相比,课题组所提出算法的测量重复性和精度均有显著提升。该算法为白光干涉中信号解调提供了一种重复性更好、误差更小的方法。

基于探地雷达波振幅包络平均值确定土壤含水率

为了评估探地雷达探测地表土壤含水率的准确性,该研究使用雷达波振幅包络平均值(average envelope amplitude,AEA)方法在室内对含水率为0.05、0.15及0.25 cm3/cm3的砂质土壤进行了探测,并与时域反射仪(time domain reflectometry,TDR)所得土壤含水率进行了对比。结果表明,在实验室内,在0.05、0.15及0.25 cm3/cm3的土壤含水率条件下,使用AEA方法探测所得土壤含水率均比TDR所得含水率大,均方根误差分别为0.026、0.015及0.01 cm3/cm3,这3个含水率条件下,AEA方法探测土壤水分的有效深度分别为0.9、0.6和0.3 m。利用AEA方法在野外进行地表含水率探测,并与TDR和钻孔取样探测的地表含水率进行对比。野外探测结果表明,AEA方法所得含水率与TDR探测所得含水率的均方根误差为0.020 cm3/cm3,与取样实测所得含水率的均方根误差为0.031 cm3/cm3,使用AEA方法能够得到与TDR及钻孔取样精度相近的土壤含水率分布图。研究表明利用探地雷达AEA方法在探测浅部地层土壤含水率是可行的。

基于改进的Hilbert包络解调的城市轨道轴箱轴承诊断方法

轴箱轴承是城市轨道车辆的关键部件之一,其良好的工作状态是车辆安全运行的重要保证.目前主要依赖于轴温及简单的振动冲击指标进行轴承检测,其往往会受到现场环境因素和车辆运行工况的影响,检测效果不理想.通过分析轴承振动机理,在传统的Hilbert包络解调方法的基础上,引入小波变换和频谱细化校正技术进行改进,并以实测轴承故障数据进行验证.结果表明,改进的Hilbert包络解调方法能够很好地应用于城市轨道车辆轴箱轴承的故障诊断.

杜比 AC-3环绕立体声技术

杜比 AC—3环绕立体声技术的研究源于高清晰度彩色电视的开发,作为下一代高清晰度电视具有高质量的图像标准,相应的声音也要求有高质量的技术与之相匹配。于是,杜比公司开始了新的环绕声系统的研究,其中间经历了由 AC—1、AC—2到 AC—3的研究过程。

基于小波分析的提升机轴承故障诊断

以某矿主井提升机上天轮滚动轴承为研究对象,以小波分析为理论基础,在MATLAB软件中对试验采集的振动信号进行小波分解重构,利用Hilbert变换进行包络解调分析并进行细化频谱分析,可以准确有效地检测出轴承中的故障信息成分,进而判断轴承故障。通过现场检修,验证了试验结论的正确性,说明小波分析在轴承的故障诊断中是可行有效的。