大型水轮发电机组机械振动信号随机噪声控制

由于传统大型水轮机发电机组机械振动信号受到环境干扰,其稳定性较差,难以准确判断机组机械运行状态。因此,提出了一种基于变分模态分解-小波变换的振动信号随机噪声控制方法。采用交替方向乘子法和拉格朗日函数建立了振动信号模态分解寻优函数模型,并通过傅里叶变换和变分约束条件完成了振动信号的模态分解。使用能量差方式确定分层数,通过Stein无偏似然估计确定小波系数的阈值,得出随机噪声,并将剩余模态层信息重构,得出实际振动信号,实现了随机噪声控制。实验结果表明,该方法在振动信号随机噪声控制方面效果好且用时短。

机械振动信号分块自适应压缩感知算法

为提高振动信号分块压缩感知过程中的信号重构效果,提出了机械振动信号的自适应分块压缩感知算法。首先将信号分割,构造信号矩阵,并利用K-SVD构造与信号矩阵相适应的冗余字典;然后根据不同信号块在冗余字典下匹配追踪系数的衰减速度,定义不同信号块的复杂度权值;最后以复杂度权值为依据,制定自适应的压缩感知采样策略,在保证振动信号的整体采样率不变的同时,自适应分配不同信号块的观测数目。将该算法应用于机械振动信号压缩感知,与传统压缩感知算法以及其他自适应压缩感知算法相比,信号重构的精度得到提高。

基于小波理论的复杂机械振动信号降噪分析

基于小波理论,针对典型旋转往复式机械——汽车发动机振动信号进行了降噪分析研究,提出了适合这类振动信号降噪的分析方法,并通过对实验数据的分析验证了该方法的正确性和有效性.该研究为对汽车发动机振动信号进行降噪处理,进而对其实施故障诊断提供了可靠的保障.

盲卷积分离及其在机械振动信号消噪中的应用研究

盲源分离应用于机械振动信号的预处理中,提供了一个新的处理机制,在机械状态监测和故障诊断中具有一定的价值。本文研究了盲卷积分离的理论,提出了基于限值VQM检验控制准则的盲分离算法,根据机械振动信号的特点探讨了该方法在机械振动信号瞬态成分和噪声卷积混叠信号分离中的应用,有效地提取了瞬态成分,表明了算法的有效性。

盲解卷积的机械振动信号分离技术

针对机械振动信号往往是多个信号卷积混合的结果,阐述了卷积混合的模型和原理。利用扩展的H-J网络结构,给出了在线实时的盲解卷积迭代算法,并通过仿真试验验证了算法的有效性和准确性。该法与传统的傅里叶变换频谱分析相比,能获得更多的振源振动信息,可更准确地进行机械故障诊断。

基于优化分类的机械振动信号压缩感知

针对复杂机械振动信号压缩感知过程中存在的稀疏字典构造困难问题,提出了基于QPSO分类的自适应稀疏字典构造方法。该方法根据信号的分割尺度,将信号进行分块,并利用每一信号块的能量大小,构造能量序列,利用QPSO对能量序列进行优化分类,保证不同类别间能量序列的方差最大,从而实现对信号块的分类,采用K-SVD对不同类信号块分别进行稀疏字典的自适应学习训练,产生与信号相适应的稀疏字典,用于机械振动信号的压缩感知重构过程。通过滚动轴承实测信号在不同状态下的压缩感知实验表明:所提方法能够有效提高信号重构的峰值信号比,改善机械振动信号的重构效果。

FastICA算法在机械振动信号分离中的应用

机械振动状态监测时,传感器采集到的机械振动信号往往是被监测机械的振动信号与邻近机械振动信号以及外界噪声信号的混合信号,因此从测得的混合信号中分离出监测机械的振动信号是十分必要的.基于独立分量分析的盲源分离方法,采用快速独立分量分析(Fast Independent Component Analysis,FastICA)的算法对混合的机械振动信号进行分离,通过对仿真信号的分离,验证了该方法对机械振动信号处理的有效性,为机械振动状态检测以及机械故障诊断提供了一种新的选择.

核独立分量分析在机械振动信号分离中的应用

针对旋转机械振动信号成分复杂,甚至表现出非线性特征,文章采用核独立分量分析(KICA)对其进行预处理。与独立分量分析(ICA)不同,KICA是通过非线性映射在高维特征空间上构建了核化的目标函数,并引入核方法实现该目标函数的优化操作。仿真实验中通过比较KICA、ICA和传统KICA(DKICA)的分离信号与源信号之间的相关系数,文中介绍的KICA对混合信号分离处理具有更高的准确性和鲁棒性;实测数据实验验证,经过KICA处理的机械振动信号,其表征的振动信息更为单一,使得隐含的特征频率得到凸显,为进一步处理和分析奠定良好基础。

基于小波包字典优化的旋转机械振动信号压缩感知重构方法

采用工业无线传感器网络的机械状态监测系统需要进行复杂的数据压缩和高精度的重构,而传感器网络节点资源受限,针对这一问题提出基于小波包字典优化的旋转机械振动信号压缩感知重构方法。该方法结合小波包多分辨率分析及K-SVD字典训练方法,提出了小波包字典优化方法代替传统的正交基字典稀疏表示方法,提高稀疏度。根据旋转机械振动信号自身特征,提出用块稀疏贝叶斯学习最大期望值算法,代替传统仅依赖于稀疏假设的算法实现信号重构。实际轴承振动信号仿真结果表明,该方法相对于传统的压缩感知方法重构性能明显提高。

基于局部均值分解的机械振动信号趋势项消除方法

为了消除机械振动信号中趋势项,提出一种基于局部均值分解(LMD)的趋势项提取新方法.考虑到机械振动信号中夹杂的趋势项特点,其残余量并不会对趋势项产生过大的影响,所以可将LMD的最后一个频率分量作为待提取的趋势项.为了验证该方法的可靠性,通过数值模拟的方法将线性、多项式和指数趋势项加载到待消除的仿真信号和实测滚动轴承振动信号中,并将笔者所提的LMD方法与常规的最小二乘拟合法、小波分析和EMD方法分别用于趋势项的提取.数值模拟试验和实测数据分析表明,该方法能够较准确地提取机械振动信号的趋势项,与其他方法相比具有一定的优势.

独立分量分析在机械振动信号上的应用研究

独立分量分析在机械振动信号的特征提取上能起到重要作用。首先建立以信息论为框架的独立性判据和优化算法,然后给出衡量独立分量分析分离性能的指标,这样建立的优化算法能很好地分离出混合信号。最后对两个亚高斯信号和一个超高斯信号的混合信号进行仿真实验。仿真结果表明,灵活的ICA算法分离效果要好于随机梯度算法的分离效果,该信号分析方法具有收敛性好,误差小的优点。

变速机械振动信号的伪同步重采样技术——Ⅱ滤波器设计与信号重采样

在变速回转机械信号等转角采样过程中，采样频率随着机械转速的变化而变化，同时，为防止信号频谱混迭，抗频混滤波器的截止频率必须满足采样定理。而对于伪同步信号重采样，由于重采样频率（瞬时转速）和重采样时刻均为连续时变函数，因此，信号的重采样比也应为连续时变函数。本文将探讨重采样滤波器（自适应信号滤波器）的设计问题，并给出信号重采样公式及其数字阶比谱算例。

稀疏度拟合的自适应机械振动信号压缩感知

针对利用机械振动信号进行设备故障诊断和状态监测过程中,存在采样数据量多、存储容量大、传输带宽高和信号重构精度低等问题,提出一种稀疏度拟合的自适应机械振动信号压缩感知方法。首先,对机械振动信号进行多尺度小波包变换,再将小波包系数按一定阈值进行置零处理并求取其稀疏度;然后,采用迭代方法求取各稀疏度下满足重构信号精度条件的最低采样率,并对信号的稀疏度和采样率采用最小二乘法进行拟合,消除信号测量误差,求取最佳信号采样率;最后,采用K-奇异值分解算法构造与各信号块相适应的过完备字典,并利用正交匹配追踪算法实现信号重构。实验证明,与传统压缩算法相比较,该算法的信号压缩率和重构精度均得到较大提高。

一种基于多测量向量模型的机械振动信号联合稀疏重构方法

针对目前机械设备越来越智能化、高速化、集成化和复杂化,传统的压缩感知模型(单测量向量)获得的测量信息比较单一,需要在不同监测点分别进行测量获得多个信号数据,浪费时间,并且忽略同一机器不同监测点之间信号的相关性,为充分利用信号间和信号内的相关性,更大程度上减少冗余性和采样时间,提出一种基于多测量向量模型的机械振动信号联合稀疏重构方法。重点研究了重构方法的设计:基于粒子群算法,首先通过时间稀疏贝叶斯算法求解出初始解,然后结合贪婪算法的修剪技巧并加入自适应粒子激活机制进行位置更新寻找最优解,最后对振动信号进行精确重构。实验结果显示,该方法较其它方法而言能有效的恢复机械振动信号且重构误差相对较小。

动应变测量系统在机械振动信号检测中的应用

利用电阻应变计开发的动应变测量系统,成功的实现了机械振动信号的动态检测。这里对动应变测量系统进行分析,并在实测中验证了该测量系统的功能。

断路器机械振动信号特征值提取方法分类性能研究

以ZW45-12型单稳态永磁机构断路器为研究对象,通过搭建数据采集平台得到断路器正常合闸状态、分闸弹簧单根脱落和机构卡涩3种不同运行状态信号数据,利用模糊C聚类分析算法比较短时傅里叶变换、小波包能量熵和希尔伯特—黄变换3种特征提取方法的性能。通过对比研究,得出采用小波包变换方法得到的时频熵向量具有最佳的类可分性能。

机械振动信号的改进数学形态滤波分析

为克服传统形态滤波器结构元素不能自适应调整长度的缺点,采用量子理论对数学形态学结构元素长度进行优化,实现了结构元素长度随振动信号变化自动修正。采用量子比特对振动信号进行分析,并将其拓展为振动信号的多量子比特系统,进而在量子系统内对振动信号的波形进行测量,最终结合量化指标对结构元素进行动态优化。将经过长度修正的结构元素用于故障轴承的振动信号分析,准确提取出异常脉冲信号。

机械振动信号中突变信息检测的新方法研究

提出利用时间序列重构的吸引子轨迹矩阵奇异值分解的方法检测信号中的突变信息。针对 2组数值信号 ,利用该方法进行检测 ,并将检测结果与小波变换结果进行比较。结果表明 ,该方法是可行的 。

自适应滤波器在机械振动信号抗混叠中的应用

采用8阶开关电容滤波器和CPLD所设计的分频电路,设计了一跟踪滤波电路。解决了旋转机械在不同转速下的抗混叠滤波的问题.实现了只跟踪变化的有效信号中心频率的10倍频程.并将其它多余信号滤掉的功能.

高压断路器机械振动信号的参数自适应降噪方法

高压断路器动作过程中产生的机械振动信号蕴含着丰富的断路器状态信息,然而,由于受到噪声的影响,有效的状态信息往往难于提取。针对该问题,提出一种谱形态变分模态分解(SSVMD)联合快速奇异值分解(FSVD)的降噪方法。首先,根据振动信号变分模态分解(VMD)结果的频谱特征确定最优分解层数,实现信号各频率成分的自适应分解;然后,通过信号功率谱特性确定噪声频带;最后,根据噪声频带的主频成分进行FSVD与重构,实现振动信号的自适应降噪。该文提出的方法避免了传统VMD分解层数以及奇异值分解(SVD)降噪有效秩选择的盲目性,能够根据振动信号自身特点进行自适应降噪。通过仿真信号、两种不同型号断路器振动信号,从定性和定量两方面对所提降噪方法的有效性和实用性进行验证。结果表明,所提方法降噪效果较好,降噪性能优于对比方法(中值滤波、五点三次平滑法、小波降噪及经验模态分解(EMD)降噪),为断路器振动信号降噪提供了一种较合适的方法。