基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测新方法

将高频率分辨力谱估计技术与优化算法相结合而提出一种新的异步电动机转子故障检测方法。针对两种典型的高频率分辨力谱估计技术——多重信号分类(multiple signalclassification,MUSIC)与旋转不变信号参数估计技术(estimation of signal parameters via rotational invariancetechnique,ESPRIT),应用模拟转子故障的定子电流信号测试其频率分辨力、精度等性能,结果表明:即使对于短时信号,二者仍具高频率分辨力,可以准确地分辨定子电流信号中转子故障特征分量、主频分量之频率;但对其幅值、初相角,仅能提供"粗糙"估计。为此,尝试以优化算法——模拟退火算法(simulated annealing algorithm,SAA)与模式搜索算法(pattern search algorithm,PSA)确定各分量的幅值与初相角。同时,分别对MUSIC与ESPRIT、SAA与PSA做了性能对比,遴选优者并应用于转子故障检测。最后,针对转子断条故障进行实验,结果表明:基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测方法有效、可行,即使在负载波动、噪声等干扰严重情况下仍然适用。

MUSIC法用于频率步进毫米波雷达目标回波信号分析

本文讨论ＭＵＳＩＣ算法用于频率步进毫米波雷达高分辨率距离像的成像方法，分析了ＭＵＳＩＣ算法具有分辨率高、旁瓣效应低、抗噪能力强，能给出目标尖峰值估计，从而改善距离像质量的原因。利用简化的目标散点模型进行了计算机仿真，表明采用ＭＵＳＩＣ算法可获得更好的目标距离像，有利于提高雷达目标的识别率。

在C30高速信号处理器上实现高分辨频率估计特征分解法

本文对高分辨技术的高速信号处理器实现进行了探索研究，为高分辨实时系统设计提供了重要的实验方法和依据，把高分辨技术研究从理论分析、方法性能研究推进到实际应用．文中设计研制了C30信号处理机，并实现了高分辨频率估计的特征分解法．研究表明，C30高速信号处理器能有效地实现复杂的高分辨算法，高分辨频率估计特征分解法在C30处理器上表现了良好的分辨力和相当高的估计精度．