基于AR谱分析的织物瑕疵自动检测

为实现快速和有效的织物瑕疵自动检测,提出了一种基于时间序列而不是图像的功率谱纹理分析方法。依据Burg au to regress ive(AR)算法估计得到谱数据,从中提取能够反映纹理周期和取向等特点的特征,并首次采用支持向量数据描述模型来检测织物瑕疵纹理。对包含多种疵点的若干织物样本的检测结果表明,依照本文所述方案能够在保持较低的误警率前提下达到较高的疵点检出率,证明了所述方案的可行性。

超声Doppler血流信号AR谱分析系统的研制

本文介绍了以IBM-PC/XT机为基础的超声Doppler血流信号自回归(AR)谱分析系统,并给出了该系统的处理结果。实验表明,AR谱估计比FFT谱估计具有分辨率高,随机起伏误差小等优点。

基于小波包和AR谱分析的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳性,提出了一种基于小波包和AR谱分析的滚动轴承故障诊断方法。该方法对系统输出信号进行小波包分解,然后进行重构,再对重构信号进行AR谱分析,从而提取出故障特征频率。试验结果表明,这种方法能有效地提取滚动轴承的故障特征,诊断其故障。

基于短时AR谱分析的柴油机气阀漏气的故障诊断

通过对传统的短时Fourier变换进行改造,在短时Fourier变换的计算中利用自回归(AR)谱估计代替离散Fourier变换(DFT),得到了一种基于AR谱估计的短时AR谱分析方法.短时AR谱分析方法能够较好地给出柴油机缸盖振动信号的时频分布表示,提高了气阀漏气故障诊断的准确性.

EMD-AR谱分析和SVM的变速箱故障诊断

针对特种车辆变速箱工作环境恶劣、故障模式难以识别的问题,在现有方法基础上,将EMD分解和AR谱估计相结合,应用于变速箱故障诊断中。首先,在自行搭建的实验台上采集变速箱正常、轴承间隙故障、外环压痕、齿轮断齿4种典型状态下的振动信号;然后采用EMD-AR谱进行分析,对比不同状态下信号前6个IMF分量的AR谱,再提取EMD-AR谱能量特征值,将特征值输入到构建好的SVM分类器中,根据输出结果识别变速箱的故障类型。结果表明,该方法能有效应用于特种车辆变速箱故障诊断,诊断正确率达到94.5%,为其他特种变速箱诊断提供了一种有效的参考途径,有一定工程实用价值。

AR谱分析在滚动轴承故障诊断中的应用

本文对比分析了基于Fourier变换的传统谱分析和基于时间序列建模的现代谱分析的优缺点。采用Burg法对不同故障部位滚动轴承的振动信号建立AR模型,并对AR模型谱作了分析。结果表明,AR谱分析在辨识滚动轴承故障特征频率方面优于传统谱。

小波消噪——AR谱分析在昆虫雷达多目标检测中的应用

针对昆虫雷达多目标检测中,由于接收机的泄漏以及地物杂波干扰,采用常用的功率谱进行分析时,昆虫目标信息被背景噪声所淹没,无法判别出目标高度位置。文中介绍了小波消噪与AR谱相结合对昆虫雷达的回波信号进行分析的方法,分析结果表明:小波消噪——AR谱分析能分离背景噪声的干扰,有效地分辨出昆虫目标高度信息。

人类听觉脑干反应AR谱分析及其数字滤波研究

对正常受试者10人(20耳)听觉脑干反应(ABR)进行自回归模型谱分析。结果表明正常频谱图出现三个幅度依次递减的三个主峰(f_0、f_1,f_2)。数字滤波研究表明时域中波Ⅰ,Ⅲ,Ⅴ所含频率成分最为丰富(400～1200Hz),相当f_1与f_2。波Ⅴ与f_1相关,波Ⅰ、Ⅲ与f_2相关。在同等感觉级刺激时,观察频谱带宽及f_1、f_2变化,有可能成为临床客观诊断的主要参量。

连体乳腺正常与病变组织微观结构变化的AR倒谱分析

乳腺组织微观结构的准周期性可以利用散射体平均间距来描述，本文利用ＡＲ倒谱方法对连体正常与病变乳腺组织的散射体平均间距进行了估计，得到了正常乳腺组织的散射体平均间距约为１２５±０２１ｍｍ，各类病变组织的平均间距较正常组织有明显的特异性。

功率谱分析方法在引信系统中的应用研究

从引信系统信号处理角度出发,介绍了各种谱估计的方法,着重分析了现代谱估计的理论、方法和应用;讨论了作为参数模型谱估计中经典的方法AR谱分析方法和非参数谱估计的典型方法MUSIC法和特征向量估计法的处理过程,并对各种谱分析进行了比较,指出用现代谱分析处理引信系统探测信号的优点。

地球质心运动的频谱分析方法

针对地球质心运动主要是由多种周期运动叠加的特点,依次讨论了谱分析方法中的AR模型谱分析和小波谱分析方法。分析指出:将参数谱分析方法中的AR模型谱分析和非参数谱分析中的小波谱分析相结合产生的小波 AR谱分析以及小波包 AR谱分析方法,在地球质心运动的谱分析中有较好的频率分辨率以及噪声抑制能力。

基于特征参数和功率谱分析的液压滑阀内漏声发射检测实验研究

内泄漏直接影响液压系统的工作效率,常用的检测方法主观性强、效率低。以5组通径16 mm的三位四通换向滑阀为研究对象,设计并搭建了液压滑阀内泄漏声发射检测实验台。对比声发射信号的幅值域参数大小和响应时间,确定了最佳测量点。结合实验数据,找到了压力、间隙高度对幅值域特征参数的影响规律。运用AR功率谱提取信号的特征频率,发现滑阀内漏的声发射信号基频为40 kHz,泄漏量越大,特征频率越向低频方向偏移;特征频率呈现倍频的关系,内漏滑阀的功率谱曲线有小幅波动,正常滑阀功率谱曲线光滑。所得实验数据和结论对构建滑阀内漏诊断数据库具有重要意义。

基于AR的二维隐Markov模型离心泵故障诊断方法

离心泵速度变化过程的振动信号具有信息量大、非平稳、重复再现性不佳等特点,二维隐Markov模型(2D-HMM)很适合处理此类信号。利用AR谱不受数据长度的限制,AR模型参数对状态变化规律反映敏感的特点,以振动信号做自回归变换后的AR谱系数作为特征向量,将基于AR的2D-HMM引入到离心泵故障诊断中,提出了一种基于AR的2D-HMM故障诊断方法,并论述了该模型的拓扑结构和主要参数以及相应的训练和识别算法。最后通过2BA-6A离心泵试验系统验证了方法的有效性。

基于AR谱模型的超声频移温度相关性

基于生物组织离散随机介质模型,对猪肝水浴加热过程中基于AR谱模型的超声频移进行了分析,通过建立AR模型来计算回波信号的功率谱并对研究结果进行了统计分析.结果表明:猪肝组织超声回波频率随温度的改变而变化.在20℃下猪肝组织超声回波最大频率平均为(3.55±0.09)MHz;在30℃下为(3.14±0.12)MHz;在40℃下为(2.87±0.11)MHz;在50℃下为(2.79±0.10)MHz;在60℃下为(2.72±0.08)MHz.随着温度的升高,频率降低.通过分析猪肝散射体在不同温度下的频率进行组织定征,以期达到监测微波消融过程中的消融区域,为临床监测微波消融提供一种可行的方法.

软土密实度瞬态锤击测试信号的小波多分辨分析

利用小波变换能将信号分解为高低不同频带的原理,以及AR谱分析法相对于传统的FFT谱具有频率分辨率高的特点,提出了软土密实度瞬态锤击信号的小波-AR谱分析方法。通过对室内试验测试信号的分析,获得了如下结论:在含水量一致的情况下,试样测试信号的主峰频率随平均值干密度的增加而增加;在干密度一致的情况下,试样测试信号的主峰频率平均值随含水量增加而减小。试验结果表明,采用瞬态锤击法测试软土密实度是可行的。

小波包-AR谱在钛合金材料声发射监测技术中的应用

鉴于钛合金材料的声各向异性和高声波衰减系数使疲劳试验过程中的声发射监测十分困难。提出了小波包与AR谱相结合对钛合金材料声发射信号进行分析的方法。即对输出信号进行小波包分解,然后分频段对信号进行重构得到包含不同频率成分的时域信号,再进行AR谱分析,从而提取出频谱特征。分析表明,该方法对利用声发射信号分析钛合金材料部件的损伤和裂纹扩展是有效的。可为钛合金部件损伤和裂纹扩展的识别提供可靠的依据。

基于VMD-AR谱的多轴转子系统故障特征信息提取方法

为了解决现有分解方法在近频部分产生模态混叠的问题,提高时变参数模型对故障信号直接诊断的准确性,研究了多轴转子系统的典型故障信号分析方法.提出了基于变分模态分解(VMD)和AR谱相结合的故障特征信号分析方法;采取瞬时频率均值法选取VMD中的分解模式数k.经VMD分解产生固有模态函数(IMFs),采用AR谱对IMFs分量进行特征提取,分析典型故障模式相对应的特征频带.结果表明:基于VMD-AR谱的故障特征提取方法解决了分解模式数k的选取难题,避免k值的经验选取;VMD能够抑制信号分解近频部分的模态混叠,而AR模型克服了Hilbert分离算法存在的加窗效应,在频带划分上具有较强的分辨率.该方法可有效进行故障特征提取,并为改进的粒子群优化算法的混合核支持向量机算法提供特征信息.

小波消噪-AR谱在飞机半轴声发射信号特征提取中的应用研究

介绍了小波消噪与AR谱相结合对该材料声发射信号进行分析的方法,通过对处理结果的比较分析,可以看出,在传统FFT分析方法难于确定半轴裂纹扩展时,小波消噪与AR谱分析,能为Jxxx飞机水平尾翼半轴裂纹扩展的识别提供可靠的依据。

利用瞬态诱发耳声发射信号进行耳蜗病变的定位

提出一种通过AR谱分析，直接由瞬态诱发耳声发射信号判断听力损失部位（高频、中频或低频）的方法。所得结果与目前临床使用的DPGRAM（由（DPOAE取得）方法所得结论一致，从而为瞬态诱发耳声发射的应用开辟新的前景。

容器内液化天然气分层涡旋事故的诊断与识别

以温度为表征参量,基于谱分析方法和时频分布理论,利用温度序列的AR模型的极点参数作为前端处理的特征参数,模拟了智能系统对温度信号的处理过程,来对液化天然气(LNG)分层涡旋事故进行有效的识别与诊断.过程中,为了压缩特征维数并选择可分性最好的特征,采用了基于距离准则的特征选择方法.对温度序列的特征提取表明:从分层第一阶段过渡到第二阶段后,温度信号频率的主峰中心频率部分发生了偏移,而且频率幅度增大;涡旋临界状态的AR谱比较杂乱,既有特征谱峰又有其他谱峰;两种状态的特征参数———中心频率、谱峰幅值、高频能量和高频能量比等区别较大.最后,通过AR模型参数的欧式距离对分层涡旋的发展阶段及状态进行了模式识别.结果表明:相同状态的欧式距离趋向于零,由于信号的随机性而呈现较小的非零量;不同状态之间的欧式距离值差异明显,能够实现分层涡旋的故障状态识别.