基于小波包能量分析和信号融合的异步电机转子故障诊断

为提高异步电机转子故障诊断的可靠性,文中介绍了一种基于小波包能量分析和信号融合的异步电机转子故障诊断方法。采用定子电流信号和振动信号的频谱特征融合作为转子断条以及气隙偏心故障的诊断依据,首先对信号进行小波包分解,获得不同小波包频带节点下对应的能量分布,并与正常电机信号进行比较,进而对能量异常的信号频段进行小波包节点重构,最后通过快速傅里叶变换识别故障特征频率,诊断电机故障是否发生。通过仿真分析,验证了该方法的有效性和实用性,对于电机运行状态的准确监测具有重要意义。

基于5G信号异步时钟误差补偿的多无人机协同定位方法

5G信号可为多无人机(UAV)提供精确的相对测距/测角信息,进而提升其在卫星接收机故障时的协同定位精度。然而,协同网络中各节点的5G通讯时钟往往是异步的,这会对测距/测角信息的精度产生较大影响,进而降低融合性能。针对上述问题,提出了一种基于5G信号异步时钟误差补偿的多无人机协同定位方法。首先,构建了基于5G信号异步时钟误差的相对测距模型,并利用相对测距/测角信息以及高度计信息建立了从机的位置观测方程。在此基础上,通过设计迭代扩展卡尔曼滤波器(IEKF)实现了对从机惯导系统(INS)误差以及异步时钟误差的联合最优估计,提高了从机定位精度。仿真结果表明,相比于传统方法,所提方法将从机的水平定位精度提高了25.3%。

异步传输模式下电路探测激光回波信号增强

激光回波信号是电路探测传输的常用信号,信号强度是保障集成电路探测效果的关键,因此提出大数据异步传输模式下的电路探测激光回波信号增强方法。利用多权重混合分布模型消除激光回波信号的背景噪声;根据异步传输模式的通信方式,建立激光回波信号接收机,接收保留完整信号信元;利用整形脉冲信号处理方法完成信号累积和自适应匹配滤波,实现大数据异步传输模式下电路探测激光回波信号的增强。实验结果表明,所提方法的信号增强结果在任意波长处的能量和光谱强度均较高。

大数据异步传输环境下舰船激光网络回波信号增强处理

针对信号异步传输所导致增强效果不理想问题,提出大数据异步传输环境下舰船激光网络回波信号增强处理方法。采用信号累积增强技术将舰船激光网络范围内若干个回波信号积累在一起,形成一个高强度的回波信号,增强回波信号被采集的概率,确定激光网络正常状态下的分形盒维数与实时网络连接分形盒维数的差,若差值大于阈值即可将实时网络的回波信号定义为异常信号清除掉;针对被清除的异常数据,采用贝叶斯因子分析模型恢复缺失的回波信号,并对回波信号进行去噪处理。实验结果显示,该方法异常信号漏检率与误检率均低于2%,能够彻底抑制信号内的噪声分量,较好地进行信号恢复。

基于高频电流信号的电机故障特征提取方法

目前异步电机故障诊断主要依赖于振动、温度和噪声等参数,对于监测的电气信号,主要用于分析电机输出动力情况。电气信号中除了体现电机动力输出特征外,还包含丰富的机械故障、电气故障等信息特征。由于电气信号中的故障特征信号微弱,易被基频分量与噪声湮没而难以突出故障特征,不利于电机状态监测与故障诊断,因此提出了一种基于高频电流信号解调的电机故障特征提取方法,针对采样率不低于25.6 kHz的电机定子高频电流信号,综合运用高通滤波、Hilbert变换、快速傅里叶变换(FFT)3种分析方法,提取高频电流中电机故障的微弱特征信号,应用神经网络算法对电机正常、静态偏心、动态偏心、转子断条、轴承内圈、轴承外圈6种状态进行了诊断。该方法准确提取了电流信号故障特征,并成功识别了6种故障。

一种基于异步决策的智能交通信号协调方法

智能交通信号控制系统是智慧交通系统(intelligent traffic system,ITS)的重要组成部分,为形成安全高效的交通环境提供实时服务.然而,现有自适应交通信号控制方法因通信受限难以满足复杂多变的交通需求.针对通信时延长和信号灯有效利用率低的难题,提出一种基于边缘计算的异步决策的多智能体交通信号自适应协调方法(adaptive coordination method,ADM).该方法基于提出的端—边—云架构实现实时采集环境信息,将异步通信引入强化学习的多智能体协调过程,设计一种多智能体之间使用不同决策周期的异步决策机制.实验结果表明边缘计算技术为高实时性要求的交通信号控制场景提供一种良好的解决思路,此外,相较于固定配时和独立决策的Q学习决策方法IQA(independent Q-learning decision algorithm)而言,ADM方法基于异步决策机制和邻居信息库实现智能体之间的协作,达到降低车辆平均等待长度及提高交叉口时间利用率的目标.

异步LC-DS-CDMA信号DOA估计

为解决异步多用户长码直扩信号波达方向估计困难的问题,假设信源数已知,提出用相干信号子空间算法和高阶累积量算法估计异步LC-DS-CDMA信号的波达方向的方法。两种算法的核心思想都是把信号变换到频域,分成窄带信号,把方向矩阵变换到同一频率,用MUSIC算法估计波达方向。仿真结果表明,在信噪比大于-10dB时,两种算法的成功率达到95%以上,能够实现异步LC-DS-CDMA信号的波达方向估计。

基于异步优势强化学习的交通信号控制策略

为解决交通信号控制中的信号灯配时调度不合理、路口拥堵等问题,提出一种基于行动者-评论家算法的城市智能交通控制算法。该算法是一种基于异步优势的算法,可对交通状态特征进行抽象表征,并以多线程并行实现对交通状态的精确感知。该算法还参考了强化学习算法,能在最短时间内不断迭代优化其内部参数,得到交通信号控制的最优方案。为验证该算法的有效性,采用交通仿真软件SUMO,对该算法和其他3种典型的交通信号控制算法进行模拟仿真,并对仿真结果进行比较和分析。研究结果表明:与这3类典型算法中效果最好的Qlearning算法相比,该算法的交叉口车辆平均延误时间减少了14.1%,平均队列长度缩短了13.1%,平均等待时间减少了13.5%。该交通信号控制算法能有效地改善城市道路拥堵,提高道路交叉口的通行效率。

基于瞬时功率信号频谱分析的鼠笼式异步电动机转子故障在线诊断方法

该文介绍了一种基于瞬时功率频谱分析的鼠笼式异步电动机转子故障监测与诊断方法。采集定子某两个端子之间的线电压和对应的线电流,由二者的乘积即可构成瞬时功率信号。理论分析表明,与常见的基于定子线电流频谱分析方法相比,使用瞬时功率信号能避免基波电流对故障特征成分的影响,更好地突出故障特征,分离复合故障。这些都有益于对故障程度的量化,和诊断规则的建立。通过对样机进行断条和偏心故障设置,多种故障情况下的实验结果也证实了上述结论。

基于 B_小波的异步电机故障信号去噪和检测

提出了一种基于Ｂ小波（基本基数样条小波）的滤波技术，并将该技术应用于电力系统信号去噪和特定频率分量的抵消，同时，还提出了一种基于Ｂ小波的鼠笼式电机转子断条故障检测方法，并通过仿真结果验证了该方法的可行性。

基于低频信号注入法的无轴承异步电机转速自检测控制

针对无轴承异步电机运行中悬浮转子转速检测问题,提出了一种基于低频信号注入法的无速度传感器控制新策略。该策略在无轴承异步电机基波模型基础上,通过注入低频信号引起的响应来构造转子位置偏差角,进一步通过PI控制器对偏差角进行调节,得到电机气隙磁场旋转速度,进而估计电机转速。运用该转速自检测方法,在Matlab/Simulink平台中搭建了无轴承异步电机无速度传感器矢量控制系统仿真模型,并进行了仿真研究。仿真结果表明,该方法能够在0.15 s内快速跟踪转子转速,并且具有优良的悬浮和转矩特性。试验结果同样表明,该方法不仅具有良好的转速在线自检测能力,而且能在无速度传感器方式下实现转子稳定悬浮运行,验证了所提方法的有效性和实用性。

基于改进多信号分类法的异步电机转子故障特征分量的提取

在基于定子电流信号进行异步电机故障诊断时,转子断条故障特征频率分量常常被电流的基频分量淹没。针对这一情况,该文提出一种新的改进的MUSIC方法来提取这一故障特征频率。MUSIC方法通过特征值分解把自相关矩阵中包含的信息空间分成信号子空间和噪声子空间两个正交的子空间,该文提出的改进方法是将信号子空间中对应最大主分量的特征向量移到噪声子空间,这样构成两个新的正交子空间I和Ⅱ。子空间I由信号中的最大主分量和噪声所对应的特征向量张成,子空间Ⅱ由其他分量的特征向量张成。把不同频率的信号投影到子空间I,基频信号在该空间的投影将远大于其他的频率分量,因此在投影的倒数谱中,基频分量被抑制,凸显出了故障频率分量。仿真和实验表明,该方法用于提取转子断条故障特征是可行并且是有效的。

基于多重信号分类与模式搜索算法的笼型异步电动机转子断条故障检测新方法

提出了一种基于多重信号分类(multiple signal classification,MUSIC)与模式搜索算法(pattern search algorithm,PSA)的异步电动机转子断条故障检测新方法。MUSIC方法对于短时信号具备高频率分辨力,可以准确计算转子断条故障特征分量以及其他分量的频率;但对诸频率分量幅值和初相角则无法准确求解。因此引入PSA确定诸频率分量的幅值、初相角,并对1台Y100L-2型3 kW笼型异步电动机完成了转子断条故障检测实验。实验结果表明:基于MUSIC与PSA的异步电动机转子断条故障检测方法切实可行,适用于负荷波动、噪声等干扰严重情况。

小波变换在异步电动机故障信号消噪中应用

简要介绍了小波变换和多分辨率分析 ,及其非线性信号消噪原理 ,并将该项技术应用于异步电动机故障信号的消噪处理 ,提出了 1种在以数字信号处理器 (DSP)为核心所构成的异步电动机故障检测系统中对信号进行消噪的新设计方案。采用这种消噪方法 ,不但可以保留信号的突变特性 ,还可以大大降低对信号调理电路的设计要求 ,简化电路结构 ,严格保证原始信号之间的相位关系 ,适用于对实时性要求不高的信号检测系统。

基于旋转不变信号参数估计技术与模式搜索算法的异步电动机转子故障检测新方法

提出一种基于旋转不变信号参数估计技术(Estimation of signal parameters via rotational invariance technique,ESPRIT)与模式搜索算法(Pattern search algorithm,PSA)的异步电动机转子故障检测新方法。模拟形成转子故障情况下的定子电流信号并以之检验ESPRIT性能。结果表明:即使对于短时信号,ESPRIT仍具备高频率分辨力,可以准确估计定子电流各个分量的频率;但对其幅值、初相角的估计欠缺准确性、稳定性。随后,采用PSA确定各个频率分量的幅值、初相角。对一台异步电动机完成了转子故障检测试验,结果表明:基于ESPRIT与PSA的异步电动机转子故障检测方法是切实可行的,并且因仅需短时信号即可达到高频率分辨力而适用于负荷波动情况。

基于单片机的多路信号异步采集技术

本文介绍了一种利用软件定时器在AT87C51单片机上实现多路信号异步采集的实用技术。详细描述了采集系统的硬件结构、软件流程和通讯机制。

异步DS-CDMA系统中相对时延对多用户检测的性能影响:分析与评估

多用户检测技术是DS-CDMA系统中的关键技术之一。在反向链路的基站接收机一端,接收信号是各用户异步发射信号经传输信道后的叠加,许多多用户检测器的输入是对系统中各用户用特征波形匹配滤波后以符号速率采样的信号。然而,异步用户间不同的相对时延将引起不等的部分互相关系数,从而也导致不一样的多用户检测性能。该文分析了平均部分互相关系数的解析表达式并给出了计算方法,采用进化算法求解最大以及最小部分互相关系数存在的相对时延条件,提出了异步系统中多用户检测在平均、最大以及最小部分互相关系数条件下的性能分析与评估方法,对分析和比较多用户检测接收机整体性能具有很大意义。

异步系统的信号传送研究

异步电路在低功耗、低噪声、抗干扰、无时钟偏移和模块化设计等方面有较高的性能。在SOC芯片设计中,异步设计技术逐渐成为研究的热点。文中比较了同步系统和异步系统信号传递基础,介绍了多个基于异步系统的信号传递模型,讨论了专用于异步电路的数据传送方式。从应用的角度对现有的异步电路信号传递模型的结构、特点、数据信号、应用背景等方面进行了比较研究,最后总结了在实际问题中选择模型的原则。

异步电动机故障诊断信号的采集

通过介绍对异步电动机定子绕组、定子铁心和轴承等处温度、变频器前后的三相电流、三相电压、以及电机多处的振动等的监测方法,指出了传统的电压电流互感器检测的缺点,并针对性地提出了改进的方法,同时设计出了实用电路,为三相异步电动机的基于多传感器信息的高度智能化的故障早期诊断提供可靠的数据基础。

基于数字信号处理器的异步电机参数辨识实现

介绍了异步电机各种参数的辨识方法。在不改变硬件系统的前提下,通过电流控制技术,向电机注入单相交流或直流电流,检测其响应,从而实现异步电机的参数辨识。对一台未知参数的异步电机做仿真和试验研究,并将辨识出来的参数用于矢量控制系统,得到了良好的效果,证明了参数辨识的正确性。