正交设计-重复实验法优选葛根的超微振动提取工艺

目的优选葛根药材最佳的超微振动提取工艺。方法以葛根素和葛根总黄酮的提取率作为考察指标,采用正交设计-重复实验法考察葛根超微振动提取过程中提取温度、溶剂用量、提取时间等工艺参数对葛根提取效果的影响。结果提取温度是影响葛根素和总黄酮提取率的主要因素,最佳提取工艺为:药材粗粉加5倍量30%的乙醇,45℃时提取2次,每次10min。结论该工艺简便、快捷、提取率高,可用于葛根中活性成分的提取。

基于ARMA模型和自由振动提取技术的海洋平台结构参数识别

用随机减量方法提取海洋平台结构在随机环境荷载非白噪声输入下的自由振动信号和用ARMA(Auto Regressive Moving Average)模型对自由振动数据建模。为了消除平台输出信号中有色噪声的影响,在随机减量系统中加人了一个虚拟系统,并采用导通条件和前导点技术使自由振动提取过程仍在有色输人的状态下进行。同时为了消除参数识别的多值性,提出了采用MA系数修正技术识别海洋平台结构的频率和阻尼动力参数的方法,最后用该套技术对海洋平台结构试验模型进行了参数识别,结果表明该方法具有较好的效果和在线识别使用价值。

基于SVD振动提取算法的视频麦克风

当声音撞击物体时,会引起物体表面微小的振动,这种振动往往无法被我们的感官察觉,却可以清楚地呈现在高速相机之下,所以我们可以通过分析拍摄被撞击物体的高速视频提取出这些微小的振动并大致还原出原本的声音。提出了一种基于传统奇异值分解理论(SVD)的振动提取算法,将其应用于对高速视频的分析中。相应实验结果表明,该方法可以实现对语音信息的还原,加以一些简单的去噪和增强处理,可以得到较好的结果。

基于车体模态振动提取方法的高速动车组车体减振设计

高速动车组车体的弹性振动控制对车辆运行品质的提升具有重要意义,依据车体主要弹性模态振动贡献,一种借由现有不同悬挂设备作为动力吸振器,且通过对设备的悬挂参数设计实现车体精准弹性振动控制的方法被提出。基于模态叠加理论,提出基于奇异值分解(Singular value decomposition,SVD)及最小二乘拟合的模态振动提取方法,将动车组车体物理振动解耦为模态振动,提取出车体各阶模态振动。分析不同车体模态对车上、车下设备安装位置处振动的贡献,据此,将设备考虑为动力吸振器,确定各设备所要制振的目标车体模态。采用固有模态法,辨识制振的目标车体模态在各设备安装位置处的等价质量,基于动力吸振理论,设计各设备的垂向和横向最优固有频率及阻尼比,并通过仿真试验对振动控制效果进行验证。结果表明,基于动力吸振的设备减振设计能够有效降低目标模态的振动,提高车辆运行平稳性。同时,在设备最优阻尼比作用下,作为动力吸振器的设备自身振动并不剧烈。

RFOA优化EEMD阈值和SampEn的水电机组振动信号重构与特征提取

针对EEMD在水电机组振动信号降噪处理中的不足,提出一种基于改进果蝇算法(RFOA)优化EEMD噪声IMF分量阈值的降噪算法。通过EEMD算法将噪声信号分解,得到IMF分量,进而通过相关系数法确定噪声信号与有效信号,利用RFOA确定噪声信号IMF分量阈值;将求得的IMF分量的样本熵当作特征向量输入GRNN算法中,进行振动模式识别。研究结果表明,与小波阈值法、EEMD-GA方法相比,所提算法降噪时信噪比最高,降噪效果最佳。

基于视听融合的宽频带振动频谱提取

提取振动频谱对于旋转机械的故障诊断至关重要。环境和噪声的多样化限制了传统单模态振动提取方法的性能。由于视听信号具有不同的采样频率、噪声和环境限制,视听融合算法可以有效解决单一模态存在的问题。基于此,文中提出了一种基于视听融合深度卷积神经网络的宽带频谱提取方法,该方法充分融合了不同模态的有效信息。该模型基于双流编码器从不同的模态中提取特征,使用深度残差融合模块提取高级融合特征并输出给解码器。实验结果表明,该模型的表现优于最新的振动提取方法,如RegNet,MFCNN及L2L等,噪声环境下的振动频谱提取准确率提高15%。

基于小波脊提取的扭转振动测试方法研究

针对工程中转子的扭转振动提取对硬件要求严格的情况,提出了一种基于小波脊提取的扭转振动测试方法。首先,通过小波变换获得齿信号的时频信息;其次,对时频信息进行脊提取得到齿信号的瞬时频率,获得转子的瞬时转速;然后,对瞬时转速进行参数估计获得最终的扭转振动参数;最后,通过仿真与试验分别对所提出的方法进行了验证。结果表明,与传统的扭转振动测试方法相比,所提出的方法不但具有较高的精度,且对硬件的要求相对较低,所需采样频率和储存空间远远小于传统的测齿法。

川芎超微振动提取工艺研究

目的:优选川芎最佳超微振动提取工艺。方法:以盐酸川芎嗪和阿魏酸为测定指标,采用正交试验设计法优化超微振动提取的次数、时间和溶剂用量,并与常规乙醇回流提取工艺进行比较。结果:川芎超微振动提取最佳工艺为药材粗粉加4倍量90%的乙醇超微振动提取,室温提取2次,每次15 min。在此条件下,与常规乙醇回流提取工艺相比,提取时间缩短为原来的1/6,溶剂用量为4/7,盐酸川芎嗪和阿魏酸提取率分别为常规工艺的1.19,1.09倍。结论:超微振动提取时间短、溶剂用量少、有效成分提取率高,具有工业化推广的前景。

在线动平衡中振动信号提取方法研究

论文介绍了一种适用于在线动平衡法的不平衡振动信号幅值和相位提取法。针对采集的不平衡信号混含大量噪声污染的问题,首先将采集的振动信号进行两级FIR滤波后再通过信号减法运算去除大幅值信号,同时对正弦信号发生器产生的正弦信号采用同样的两级滤波器滤波,然后通过对两信号互相关处理计算出不平衡信号的幅值和相位。MATLAB中的仿真结果显示,该方法消除了相位滞后对相位提取精度的影响,且提取的幅值和相位精度比传统互相关法有显著提高。

基于SVD分解和小波去噪的振动位移提取

针对奇异值分解提取振动位移信号中存在白噪声的问题,提出采用小波去噪的方法进行信号去噪处理。首先采用奇异值分解提取图像序列中的振动信息;然后采用小波去噪方法进行去噪处理,针对传统固定阈值会导致每层小波分解系数做同样处理的问题,提出了一种改进型阈值;最后通过对比不同小波函数的去噪效果,确定最优小波函数。仿真和实验结果表明,该方法是有效的。

SDUV方法中组织振动信号提取算法比较

组织振动信号的提取是剪切波频散超声振动成像技术(SDUV)方法中的重要步骤.目前,SDUV方法中有两种常用的组织振动信号提取算法,正交解调法(QDM)和互功率谱法(CSM),但是未见比较这两种算法提取质量差异的相关研究.因此,构造了不同信噪比(SNRU)的参数化仿真超声回波信号模型,分别使用QDM和CSM从超声回波信号中提取组织振动信号,比较了两种方法的提取效果与计算效率.实验结果表明,当SNRU≥35 d B,两种算法在相同信噪比下提取出的信号所分离出的振动相位结果相近,标准差均小于1°,对于剪切波波速的计算结果没有太大影响.CSM的计算效率低于QDM的计算效率.因此,当SNRU<35 d B,为了减小振动信号初始相位的提取误差,应该使用CSM提取组织的振动信号.当SNRU≥35 d B,应该选择QDM提取组织的振动信号,以减少信号处理时间.本研究的发现有助于提高SDUV方法的检测效率.

基于MEEMD-HHT的分布式光纤振动传感系统信号特征提取方法

实际应用中,分布式光纤振动传感系统所测信号多为非平稳随机信号,对其进行模式识别的关键是准确获取信号的幅值-时间-频率瞬时特征。现有的相关研究表明,经验模态分解EMD方法结合希尔伯特变换可获得所测信号中固有模态分量的瞬时能量和瞬时频率,但存在模态混叠问题,后续改进的总体经验模态分解EEMD方法存在伪分量,重构误差大,互补经验模态分解CEEMD方法减小了重构误差的同时增加了运算量,无法保证特征提取与分类的效率与准确性。文中基于改进型经验模态分解方法结合希尔伯特变换MEEMD-HHT方法实现分布式光纤振动传感系统的特征提取,引入的排列熵的评价机制优化了分解过程中随机噪声迭代次数,通过仿真分析与实验对比,验证了该方法可有效解决上述方法中存在的问题,使系统在处理时间、特征准确度等性能皆有提高。实验结果表明,所提出的方法对于单频振动信号平均特征提取准确率达99.2%;对于混频振动信号平均特征提取准确率达98.1%,相对于EMD和CEEMD分别提高15.6%和7%,算法平均耗时最短,为3.825 9 s,为分布式光纤振动传感系统的信号特征提取提供了一种可靠、高效的方法。

振动信号提取方式对动平衡精度的影响

在转子动平衡系统中,振动信号基频幅值和相位的提取对计算转子不平衡量的精准度起着至关重要的作用。针对传统方法提取振动信号幅值相位导致计算的转子不平衡量出现较大误差的问题,提出了一种峰值差法对转子振动信号幅值相位进行提取。将峰值差法、相关性法、快速傅里叶变换(FFT)法分别编写成LabView转子动平衡振动信号幅值相位提取程序,进行转子动平衡实验,对三种方法计算出的转子不平衡量进行分析对比。实验结果表明:与相关性法和FFT法相比,采用峰值差法作为转子动平衡系统提取振动信号基频幅值相位的程序,计算出的转子不平衡量误差更小,更加精准。

转子系统动静件间尖锐碰摩时的振动特征试验研究

通过试验研究了转子系统中动静件间尖锐碰摩时的振动特征规律。根据碰摩的发展历程 ,把碰摩严重程度划分为 4个阶段 :刚开始触碰、早期尖锐型触碰、中期半尖锐型碰摩和晚期平钝型碰摩。在早期碰摩阶段 ,发现有工频的 1 /3、2 /3分量等稳定存在 。

基于LSTM和响应分解的冲击载荷识别方法研究

同一量级的冲击载荷所产生的动响应要远大于静态响应,因此准确识别冲击载荷对于航空器结构件的动强度设计、校核与结构健康监测都具有重要意义。该文章提出的方法主要针对一般线性结构的冲击载荷识别问题,从实测冲击响应应变信号出发,主要解决了冲击载荷与响应信号样本长度不一致这一突出矛盾。首先基于冲击响应信号分解方法来进行振动信号特征提取,然后基于长短期记忆神经网络对载荷和响应信号样本特征进行映射,从而实现冲击载荷识别。通过对挂架模型实测冲击载荷信号进行识别,结果表明4种工况下,该方法识别的冲击载荷的均方根相对误差小于0.6,相关系数大于0.94。结果初步表明,在理想的试验环境中,该方法具备一定的识别精度。

基于能量算子梯度邻域特征提取的核电应急柴油发电机组故障诊断方法

气门间隙故障作为应急柴油发电机组(EDG)的典型故障,容易导致性能下降、机械故障等,传统人工拆盖检查气门间隙的方式费时费力。利用Teager能量算子的瞬态振动识别能力,结合振动冲击能量变化规律,提出了一种基于能量算子梯度邻域的振动冲击始点自适应精确提取的EDG气门间隙故障在线诊断方法,该方法的故障识别参考阈值为EDG设计参数。在一台12缸V型柴油机上进行实验验证,结果表明该方法能够有效诊断气门故障,同时具备追踪气门间隙的能力。研究成果为EDG在线监测诊断提供了新途径。

基于频谱相关性分析的齿轮早期磨损诊断

基于振动分析的齿轮故障检测已被证明在故障识别中是有效的,但对表征早期磨损的振动信号的提取和识别仍没有得到很好的解决.本文提出一种基于频谱相关性分析的变分模态分解(VMD)和核支持向量机(SVM)相结合的齿轮早期磨损诊断方法,对能够揭示早期磨损状态的微弱齿轮振动信号采用近似完全重构的准则来初始化模式数,并采用信号功率谱密度最大值对应的频率初始化VMD方法的中心频率,用以有效提取齿轮磨损信息,进而结合核支持向量机进行齿轮的早期磨损诊断.实验结果表明,所提方法可有效克服背景噪声大无法预设模式数的问题,对噪声具有更好的鲁棒性,诊断准确率达到94.4%,可为齿轮早期磨损检测提供解决方法.

基于LPSO-GRNN模型的螺栓松紧状态预测研究

在轴重式动态汽车衡的服役状态下,由于受到重型货车频繁的加卸载循环冲击,会导致其内部螺栓发生松弛脱落,针对这一问题,提出了一种基于莱维飞行改进粒子群算法优化的广义回归神经网络(LPSO-GRNN)的轴重式动态汽车衡螺栓松紧状态预测模型,并结合振动信号特征提取,将该模型应用于汽车衡螺栓松紧状态的预测。首先,研究并提取了螺栓不同松紧状态下输出振动信号的波形指标、峰值指标、脉冲指标、峭度指标等信号特征,并将其作为模型的共同输入特征向量;然后,采用莱维飞行提高了粒子群优化算法的寻优能力,通过产生随机步长,提高了算法的全局寻优能力,避免算法陷入局部最优值;利用改进的算法对广义回归神经网络(GRNN)的光滑因子进行了优化,得到了全局最优的光滑因子;最后,通过设计实验,分别使用广义回归神经网络(GRNN)、粒子群算法优化广义回归神经网络(PSO-GRNN)和LPSO-GRNN,以此来对螺栓松紧状态进行了预测,并将预测结果与实际情况进行了对比分析。实验结果表明:基于LPSO-GRNN建立的螺栓松紧状态预测模型,其预测准确率可达到95%。研究结果表明:该螺栓松紧状态预测模型可以有效提高汽车衡螺栓松紧预测的准确率,同时有效解决粒子群算法容易陷入局部最优收敛的问题。

基于小波消噪的EMD模型在GPS振动信号处理中的应用

经验模式分解和小波分解是当前有效处理非平稳信号的两种时频分析方法,它们各具有其优缺点,适用于不同的应用。从对GPS振动信号的预处理、时域和频域处理入手,结果分析表明,对GPS振动信号先进行小波滤波消除随机噪声的干扰,再应用经验模式分解更有利于变形特征信息的分离和提取,提取的信号与振动平台记录数据更加吻合。

二阶统计量的盲源分离研究

介绍一种基于二阶统计量的盲源分离方法。该方法不必估计源信号的高斯特性,利用样本数据的二阶统计量和源信号的时序结构来实现信号的盲分离,因此其计算量小,适合于工程数据的分析。仿真结果表明,在有一定噪声的情况下,此种方法仍能较好地实现信号的分离。通过对电机振动信号分析发现,基于二阶统计量的盲源分离方法能有效地实现特征信号的提取和分离,这为今后将盲源分离技术进一步应用于机械振动信号的分析提供可借鉴的方法。