1(1/2)维谱在舰船辐射噪声线谱提取中的应用

舰船辐射噪声的线谱成分包含有大量的舰船特征信息,是被动声呐识别目标和估计目标速度的依据。本文对1(1/2)维谱的抑制高斯噪声、增强信号基频分量和剔除非耦合相位的谐波分量等特性进行仿真,通过对2种船型的舰船辐射噪声实测数据进行处理,得出结论,1(1/2)维谱对线谱基频具有增强作用,并且能够有效地抑制高斯背景噪声,相比于传统的功率谱方法,1(1/2)维谱更有利于舰船辐射噪声线谱的提取。

基于1(1/2)维谱的二次相位耦合分析

介绍了三阶累积量和1(1/2)维谱定义及估计算法。1(1/2)维谱可以抑制高斯噪声,保留信号的相位信息,而功率谱不能保留相位信息,但可以利用1(1/2)维谱识别二次相位耦合现象。仿真信号和齿轮振动信号验证了1(1/2)维谱检验二次相位耦合的有效性,可以用来识别出故障齿轮。

舰船辐射噪声1(1/2)维谱的自适应子波特征提取

现代化战争对信息技术的依赖日益增强,水中目标识别成为各国夺取海洋战争主动权研究的新领域。有效提取目标的本质特征是目标识别的关键。由于1(1/2)维谱保持了高阶谱的性质但其计算量却相对下降,本文结合自适应滤波理论,采用1(1/2)维谱对船舰辐射噪声进行特征提取,由对特征量的分析表明1(1/2)维谱可以有效对船舰类型识别。

基于1(1/2)维谱的脉冲星累积脉冲轮廓到达时间测量

为了提高X射线脉冲星空间导航定位精度,提出了基于1(1/2)维谱的脉冲星累积脉冲轮廓到达时间测量算法.理论上1(1/2)维谱可以抑制加性高斯噪声和直流偏差.利用三阶自累积量和三阶互累积量对角切片谱的相位关系,推导出累积脉冲轮廓到达时间测量公式.实验结果表明,基于1(1/2)维谱的累积脉冲轮廓到达时间测量算法可以有效抑制加性高斯噪声,测量精度优于Taylor FFT算法.

基于1(1/2)维谱与K-L变换的被动声纳目标识别

采用基于1(1/2)维谱分析与K-L变换相结合的特征提取方法,获取被动声纳噪声信号的有效识别信息,对被动声纳的目标信号进行分类。首先对被动声纳噪声进行1(1/2)维谱子带能量的特征提取,然后运用K-L变换实现高维特征向量的降维,剔除冗余特征,并以BP神经网络作为分类器对三类目标进行识别与分类。计算机仿真结果表明,该方法具有较好的分类效果和稳健性。

基于小波解调-1(1/2)维谱的舰船辐射噪声调制特征提取

舰船辐射噪声的调制谱中含有大量舰船固有特征量,可用于估算舰船的航速以及进行目标分类与识别。本文提出一种基于小波解调与1(1/2)维谱的联合分析方法,利用Morlet小波的带通滤波能力以及其实部与虚部正交特性提供的信号解调功能,得到信号的尺度包络谱图,选取其中含有调制信息的小波分量,通过1(1/2)谱分析可以得到舰船轴频的基频及谐波信息。实验数据结果表明,该联合方法可以有效的提取舰船辐射噪声中的调制特征信息,具有广阔的应用前景。

基于EMD-1(1/2)维谱的舰船辐射噪声调制特征提取

舰船辐射噪声的调制信息中包含了大量有关舰船特征的信息,作为被声呐识别和判断的依据,由此判别目标的类型和速度。传统的DEMON(Detection of Envelope Modulation On Noise)谱分析时,大多采用功率谱分析,在提取调制谱时,效果不太理想,存在对噪声抑制能力差、提取后的谐波特征不明显等缺点。论文提出了一种基于EMD分解和1(1/2)维谱分析的提取方法,首先对目标辐射噪声信号进行EMD(Empirical Mode Decomposition)分解得到原始信号的若干个固有模态分量(Intrinsic Mode Function,IMF),其次对这些IMF分量进行解调,然后对其中某几个分量作1(1/2)谱分析得到舰船轴频的基频及谐波信息。仿真和对实测数据分析的结果表明,该方法可以有效提取噪声的特征信息,具有良好的应用前景。

1(1/2)维倒谱在滚动轴承故障诊断中的应用

从三阶累积量的概念出发,提出了1(1/2)维倒谱的概念,并从理论上推导出其能抑制噪声、提高信噪比.将其应用于实际的滚动轴承故障特征提取中,分析表明,与其他一般的信号处理方法相比1(1/2)维倒谱能有效地从复杂的信号成分中提取出特征信号来,且计算量小、精度高.

1(1/2)谱分析及其在球轴承缺陷诊断中的应用

介绍了1(1/2)维谱算法的基础,利用1(1/2)维谱识别了二次相位耦合这一非线性现象,克服传统频谱分析不提供相位信息的缺陷,并将它应用到球轴承缺陷诊断中。结果表明,1(1/2)维谱能够有效诊断出球轴承的缺陷,为球轴承缺陷的诊断提供了一种新的方法。

基于双谱分析的大型汽轮机振动故障特性提取

汽轮机轴系振动通常以与转速同步的频率(基频)及其谐波成分为主,具有典型的亚高斯信号特征,多数轴系故障均表现为某些谐波成分的变化,并且谐波间存在一定程度的非线性耦合作用,使得基于二阶统计量的功率谱分析技术在故障原因分析和特征提取方面受到限制。该文针对大型汽轮机组在实际运行中出现的某种具有半频特征的不稳定振动现象,将高阶谱应用于实测轴系振动信号分析,通过对比分析稳定状态和不稳定状态下振动信号的双谱和1(1/2)分数维谱,确定引起不稳定振动的半频成分的非线性谐波耦合特性。在此基础上,提出采用双谱的边际谱以及1(1/2)分数维谱中对应成分作为特征值,对不稳定振动现象的变化趋势进行监测。分析结果表明,这种特征提取方法可以更加明显地表现异常振动的变化,具有故障反映灵敏度高的特点,并可以有效抑制测量振动信号中的高斯噪声,可以为自动故障诊断提供更有效的特征参数。

基于LMD-1(1/2)维谱熵-Elman神经网络输电线路短路故障识别理论与方法

针对电力系统输电线路故障时短路电流的暂态特征,采用LMD对相模变换后的短路电流进行分解,得到一系列PF分量,然后计算前8个PF分量的1(1/2)维谱熵值作为特征向量,最后将构造的特征向量输入到已训练好的Elman神经网络中进行故障类型识别,并在Matlab平台上建立仿真模型.仿真结果表明,采用的方法能够快速准确地判断出故障类型和故障相;与传统BP网络相比,该方法具有更快的识别速度、更高的识别率,并且识别结果不受过渡电阻、故障位置、相差角等线路参数的影响,因而,实用、有效.

机车牵引负荷试验轴承检测诊断系统

研制开发一套轴承工况检测与故障诊断系统,用于机车牵引负荷试验。系统通过检测振动和温度信号判断内燃机车走行部轴承的工作状况。把高阶谱引入机车轴承振动信号分析,用1(1/2)维谱提取轴承故障引起的振动信号非线性相位耦合特征来识别故障模式。试运行表明系统可靠,能满足机车段修现场轴承检测的需求。

三阶对角累量在故障诊断中的应用

三阶累量能有效去除高斯噪声,而且其对角累量能有效保持信号特征,由其产生的1(1/2)维谱可以显示信号的二次相位耦合信息。实验中通过计算故障信号和正常信号的三阶对角累量信息,然后利用这些信息进行具体的故障判别。实验结果取得了令人满意的效果。