基于MUSIC功率谱和CPNN的鸡蛋散黄无损检测方法

[目的]针对当前国内外对散黄鸡蛋较难无损检测的问题,对散黄鸡蛋的振动特性和无损检测方法进行了研究。[方法]通过对鸡蛋进行生理学解剖,据此进行ANSYS有限元分析;构建基于磁致伸缩振子扫频式振动的鸡蛋散黄检测系统,对采集的鸡蛋振动音频信号进行MUSIC(multiple signal classification)功率谱分析,再利用主成分分析法提取特征向量中的有用信息并构建基于对向传播神经网络(CPNN)的鸡蛋散黄检测模型。[结果]鸡蛋的ANSYS固液耦合有限元分析证明新鲜蛋与散黄蛋振动特性差异明显,为基于振动信息的鸡蛋散黄检测提供理论依据;基于磁致伸缩振子扫频式振动的鸡蛋散黄检测系统能有效增强鸡蛋振动信息,基于对向传播神经网络的鸡蛋散黄检测模型对300枚鸡蛋进行检测(训练集200枚,测试集100枚),结果新鲜蛋与散黄蛋的识别率分别达到98%和96%。[结论]新鲜蛋与散黄蛋振动存在差异,采用基于扫频振动式的MUSIC功率谱分析和对向传播神经网络的鸡蛋散黄检测是可行的。

基于WP-MUSIC功率谱的水轮机低频故障信号分析

WP(小波包)对信号的分解与重构能够提取信号在某一小频率段内的信息;多信号分类 (MUSIC)功率谱分析不仅适用于正弦信号,而且广泛适用于窄带信号的估计,能够从信号中分检出低频和微小的信息。大型水轮机组的工作频率和各种故障征兆频率往往较低,结合WP及 MUSIC谱的优点建立WP-MUSIC谱分析法,能够更加有效、准确地进行低频故障信号分析,并有利于水轮机故障诊断及定位。

基于同步旋转坐标变换的互功率谱MUSIC算法异步电机转子故障诊断

提出了一种基于同步旋转坐标(d_c-q_r)系,结合现代谱估计理论的互功率谱MusIc算法对异步电动机进行转子故障诊断的方法。仿真及实验结果表明,与 FFT 和传统的谱估计方法相比,采用的方法可以不用对信号进行消噪处理,避免了在预处理过程中早期故障特征信号的丢失。在短数据、低信噪比和有色噪声背景下。该方法能有效地诊断出异步电动机转子的各种复合故障,有利于对电机故障进行实时状态监测。理论证明和实验分析结果表明,该方法是切实可行的。