电磁超声系统强噪声干扰抑制算法研究

在采用电磁超声技术(EMAT)进行车轮踏面探伤时,针对检测数据中存在的噪声问题提出一种结合小波算法和相位差算法的综合算法.根据噪声及有用的电磁超声信号的特征,得出小波软阈值去噪方法;结合布莱克曼窗函数及信号的频谱特征,提出一种利用简单三角函数来实现信号相位计算的方法;算法在改善电磁超声系统数据波形质量、提高系统的检测准...     

电磁超声车轮探伤技术及算法处理

详细介绍基于电磁超声车轮探伤系统的工作原理、产生电磁表面波的探头结构及车轮缺陷探测机理,分析设备在运行过程中电磁干扰信号的自相关解析原理及噪声抑制方法.     

基于小波阈值和约束独立分量分析的齿轮故障诊断研究

为在强噪声下准确利用振动信号进行齿轮故障诊断,提出了基于小波阈值和约束独立成分分析(CICA)相结合的算法。该算法首先对输入信号进行小波阈值降噪预处理,提高了输入信号的信噪比,然后基于齿轮特征频率建立参考信号,将降噪后的信号作为CICA的输入信号,利用CICA算法有效分离出齿轮故障信号,识别了故障特征。为了验证该算法的有效性,进行了仿真和实验测试信号分析,结果表明,该算法可以有效提取齿轮故障信号,实现齿轮的故障诊断。     

CSM-td信号集中监测系统智能分析方案

描述了10版信号集中监测(CSM)系统智能化发展实现的方向及逻辑模型。该系统将信号集中监测作为系统输入源,通过测试数据与数据仓库中的数据模型进行分析比较,及时发现设备隐患,分析产生问题的原因,给出解决问题的方案。     

RAT-18型电子式电压调整器的调试及运行可靠性(续)

(6)CTD 矩形波电压发生电路该电路的作用是将 CL 钳位电路的输出电压 U_(CL)与 GT 锯齿波电压 U_(GT)进行比较,产生矩形波电压信号 U_(CTD),以供脉冲发生电路形成主脉冲及副脉冲。该电路如图1中 CTD 所示。电压信号 U_(CL)由运算放大器 P_4反相端输入,锯齿波电压信号     

自适应小波分析和多层卷积极限学习码器的轴承故障识别研究

针对滚动轴承振动信号由于强时变和强噪声等特性导致其故障难以辨识的问题,提出一种基于自适应小波分析(AWA)和多层卷积极限学习自编码器(MLCELAE)的滚动轴承故障识别模型.首先,提出一种新的轴承振动信号频谱边界检测方法,对信号频谱进行自适应分割,进而将信号分解为若干本征模态分量;然后选择较能反映轴承故障特征的模态分量并重构;最后构造卷积极限学习自编码器,并逐层堆叠建立深层网络MLCELAE,将信号样本输入MLCELAE进行自动特征学习与故障识别.试验结果表明:提出方法的平均故障识别准确率达到了98.48％,标准差仅为0.17,相比于其他方法在轴承故障识别准确率方面更具优势,适用于滚动轴承故障的自动识别.     

基于优化残差卷积网络的滚动轴承变工况故障诊断

针对滚动轴承在实际运行环境中同时存在变负荷和变噪声的复合工况干扰而产生的故障诊断效果不理想的问题,提出了一种用于滚动轴承变工况故障诊断的一维残差卷积神经网络方法.将归一化后整理完的原始轴承振动信号输入到网络模型中,利用具有残差连接的多个一维卷积层提取特征,再经过多个卷积池化,最后输入到Softmax层进行分类,输出轴承...     

铁路CIR系统FFSK信号调制与解调的DSP实现

探讨采用TMS320F28335 DSP(数字信号处理器)芯片结合TLV320AIC23 CODEC芯片软件方式实现CIR(铁路机车综合无线通信设备)系统的FFSK(快速频移键控)信号调制与解调方法。为节省嵌入系统的存储开销,采用查表法产生FF-SK调制信号。对FFSK已调信号的解调,通过适当选取信号采样频率、合理设计输入、输出数字滤波器,利用采样信号输入样本与延时输入样本相乘来恢复FFSK已调信号中的数字信息。同时给出一些提高FFSK信号调制与解调准确性、可靠性的具体、可行措施。     

驼峰测速雷达信号的小波滤波分析

针对卡尔曼滤波方法存在的缺点,研究采用小波滤波方法进行驼峰测速雷达信号滤波。小波滤波的基本原理是对信号小波变换后的小波系数进行非线性处理,然后重构信号,滤除信号中的噪声。根据雷达信号的特点,初步选用Haar小波和二阶Dauhechies(db2)小波、3层分解、通用阈值和半软阈值算法,进行离线试验及分析。根据离线试验的滤波效果,确定选用二阶Daubechies(db2)小波、3层分解和半软阈值算法进行雷达信号滤波。利用离线试验选定的小波和算法,对采集的雷达信号进行实时滤波仿真,仿真结果与离线试验结果基本一致。将小波滤波方法与卡尔曼滤波方法对比可知,小波滤波能有效地滤除噪声、提高信噪比、减少均方差,滤波效果比较理想。因此,采用小波滤波方法进行驼峰测速雷达信号滤波,可以获得更准确的车速。     

基于EMD和ARMA模型桥梁振动信号降噪的处理方法

在桥梁振动信号的采集和传输过程中,针对外界环境的影响可能会在信号中形成局部强噪声干扰,从而造成分析结果的失真以及由于桥梁振动信号通常具有较宽的频谱成分,致使传统的滤波降噪方法存在很大的局限性等问题,基于经验模态分解(EMD)和自回归滑动平均(ARMA)模型提出了一种信号降噪方法。首先,利用EMD把有强噪声干扰的信号分解成不同时间尺度的本征模函数(IMF)和残余项;然后,分别对每个IMF无干扰区段建立ARMA模型,利用各个模型对有干扰区段进行滤波,用滤波后的数据代替原来的数据,对于残余项,拟合为多项式;最后,将所有的IMF及拟合后的残余项叠加,即得到降噪后的信号。通过对实测南京长江大桥有对讲机干扰的应变信号进行分析,结果表明了该方法的可行性及有效性。