一种适合于水声信道均衡的符号常数模算法

在分析常数模算法代价函数的基础上,提出一种适用于QAM信号的符号常数模算法.通过修改常数模代价函数中的平方运算为求绝对值运算,得到一个新的代价函数,采用随机梯度准则得到了相应均衡器抽头系数的迭代式.水声信道仿真结果表明,所提出的算法的稳定性和剩余均方误差与CMA算法接近,但是计算量和收敛速度优于CMA算法.     

基于MUSIC算法的变频电机转子故障诊断研究

分析了变频电机在转子故障时,逆变器直流侧电流中产生故障特征信号的特性,提出了一种基于MUSIC算法的转子故障在线检测和诊断方法。结果表明,在短数据情况下,相对FFT技术,该方法频率分辨率更高,故障检测更为准确,且计算量小,有利于电机故障的在线检测,实验证明该方法简单有效。     

变遗忘因子稀疏正则化TLS算法MIMO信道线性均衡

针对稀疏MIMO信道系统模型线性均衡过程中输入信号,输出信号都含有噪声的情况提出了一种变遗忘因子的稀疏正则化总体最小二乘算法(VFF-SRTLS)。本算法中采用总体最小二乘(TLS)的代价函数即瑞利商加入正则化的l_1范数和l_0范数作为其代价函数,并利用次梯度下降法产生的迭代式用以更新均衡滤波器系数,使均衡过程中代价函数最小;同时为了使算法能够适应信道快变环境而采用变遗忘因子(VFF),并且根据最速下降法得到遗忘因子的迭代式。仿真结果表明,在信噪比为10 d B的2×2 MIMO线性均衡过程中VFF--RTLS算法的收敛MSE值比RLS算法低约2 d B,VFF-l_0-RTLS算法的收敛MSE值比RLS算法低约1.5 d B。     

基于集合谱峭度法的轴承故障诊断

轴承早期故障引起的微弱振动变化信号往往淹没在机械传动系统的背景振动噪声中,其故障特征提取困难。本文针对滚动轴承故障振动信号的非平稳性及调制特性,提出集合经验模式分解和谱峭度法合的滚动轴承故障特征信号提取及其故障诊断的新方法——集合谱峭度法(Ensembled Kurtogram,EK)。该方法应用集合经验模式分解将振动信号分解为多个固有模式函数,分别计算各个固有模式函数的峭度值及其与故障工况下振动信号、正常工况下振动信号之间的相关性,根据IMFs自动选取规则选取合适的IMFs进行轴承故障信号的重构;然后针对重构后的信号进行谱峭度计算得到对应的峭度图,根据峭度图上最大值原则选取最佳带通滤波器进行滤波;最后运用包络解调后的信号进行故障诊断。本文通过模拟仿真和实验验证,验证了该算法的故障信号提取有效性和故障诊断能力。     

基于小波分析的自动控制系统的故障分析

工业控制系统常发生的故障是执行机构和检测装置的故障，且故障信号是多突变性的。传统的Fourier分析由于在时域缺乏空间局部性，只能确定一个函数奇异性的整体性质，而难以确定奇异点在空间的位置及分布情况，难以检测到突变信号。小波变换具有空间局部化性质，而且时域窗和频域窗的宽度可调节。对系统的输入、输出信号进行小波变换，利用该变换求出输入输出信号的奇异点。仿真实验证明了小波变换在故障检测中所具有的优越性。     

基于非参数化步长最速下降的盲源抽取算法

为了从混叠的观测信号中抽取单个源信号,提出一种基于二阶统计量和最速下降优化技术相结合的盲抽取方法.该方法首先根据源信号的二阶统计特性构造用于估计抽取权向量的代价函数,然后采用非参数化步长的最速下降更新规则进行优化,从而获得最优的抽取权向量.仿真实验结果表明,该算法能有效地逐个分离出平稳和非平稳的信号,同时也能实现在线盲信号抽取.     

舰船动力机械设备故障信号小波包分解的时域特征提取

现有方法在实践中均存在抗干扰性较低与信号分离失真度较高的问题,因此提出一种新的时域特征提取方法。首先对小波包分解中故障信号的能量分布进行获取。对舰船动力机械设备故障信号仿真信号进行数学表达,将db10小波当作小波包基函数,实施信号的小波包3层分解,获取8个频带。Gray编码分解频带,获取依频带顺序进行排列的各频带的对应分解波形,根据各频带的对应分解波形,获取各频带的对应频率范围,再根据各频带的对应频率范围实施能量分析。最后利用EMD实施小波包分解中故障信号时域特征的提取。进行该方法与现有方法关于抗干扰性与信号分离失真度的对比实验,实验结果证明该方法的抗干扰性更高、信号分离失真度更低,对比现有方法实现了突破,实用性很强。     

适用于高阶QAM信号的水声信道盲均衡算法

提出了一种适用于高阶QAM信号的盲均衡新算法.首先针对正交幅度调制(QAM)信号星座图的特点定义了一个新的代价函数,并将得到的误差函数的实部和虚部分别用于QAM信号的同相分量和正交分量的均衡,降低了剩余均方误差.为了加快算法的收敛速度,对误差项采用了归一化方法以增加迭代步长.水声信道仿真结果表明,算法性能稳健、收敛速度快、剩余均方误差小,适用于高速水声通信信道的盲均衡.     

基于样本熵理论的进化论自适应消噪算法

进化论自适应滤波器消噪算法通过有性繁殖和无性繁殖规则可以实现全局最优搜索,从而最优地消除可加性噪声,有效提取故障特征信号。但定值进化系数和以残差信号平均能量的倒数作为适应度函数等因素,约束了该算法的收敛特性和消噪性能。由于样本熵拥有可有效表征信号的不规则性和复杂程度、可较少地依赖时间序列的长度、对于丢失数据不敏感、对瞬态强干扰有较好的承受能力等特性,本文将信号样本熵的倒数作为适应度函数,采用变步长的进化系数提出基于样本熵理论的自适应进化论消噪算法。模拟仿真和实验数据研究表明,本算法有较好的收敛速度和消噪效果。     

基于Prony算法的感应电动机转子故障检测方法

分析Prony算法及其高分辨率谱估计的特点,在此基础上,提出一种基于Prony算法的感应电动机转子故障检测方法,仿真研究结果表明,在短数据情况下,相对FFT分析技术而言,该方法频率分辨率更高,故障检测更为准确,且计算量小,有利于电机故障实时状态监测。实验证明,将该方法应用于感应电机转子故障检测,可准确检测出转子故障时在定子电流中的故障特征成分。     

基于小波包分解的功率谱方法在人字门启闭机减速器故障诊断中的应用

针对船闸人字闸门机械式启闭机减速器中滚动轴承振动的不平稳性及其故障信号中存在噪声和干扰的问题,提出了一种基于小波阈值算法的小波包分解与功率谱分析的故障诊断方法。该方法通过对故障信号进行小波分解且对其系数作阈值处理,并利用处理后的分解系数进行小波逆变换得到降噪后的信号,然后对降噪后的信号进行小波包分解,找到能量集中的节点,对其进行Hilbert包络解调并求其Hilbert包络线的功率谱,从而提取故障特征信息。应用实例表明:仿真信号与某船闸人字闸门机械式启闭机减速器故障诊断方法能降低信号噪声以及干扰,并能提取故障特征信息。     

基于经验模态分解的大型轮船锚机齿轮箱故障诊断

经验模态分解法(EMD)是一种针对信号变化的自适应处理方法。针对某大型轮船锚机齿轮箱,首先通过测量不同转速和位置的振动信号预估故障源;其次对采集出的原始故障信号进行处理,提取故障特征,即通过EMD将原始信号分解为若干个IMF分量,不同的IMF分量包含不同频段所对应的能量,然后再对IMF分量进行包络分析和谱分析,最终便可确定故障源,并对其进行修复。通过测试比较,验证了EMD理论方法的正确性和有效性。     

基于多源信息融合的柴油机故障诊断方法

为提高柴油机这一复杂系统的故障诊断精度,在采集缸盖声发射信号、缸盖振动信号和机体声发射信号特征信息的基础上,利用3个BP神经网络进行局部诊断并获得证据体,对各证据体应用D S证据组合规则进行决策融合。针对D S证据理论在处理冲突证据时存在的局限性问题,提出一种多源加权融合的故障诊断方法。该方法利用各证据体对命题识别的正确率和证据体之间的距离对各证据体进行修正。故障模拟试验表明:提出的方法可提高柴油机的故障诊断精度,充分验证其应用在柴油机故障诊断中的可行性。     

一种基于小波分析的船舶振动故障检测方法

迅速兴起的小波分析方法，对时变信号处理具有独特的优点，能同时在时频双域中对信号进行分析。通过对船舶辐射噪声特性的分析，论述了针对振动信号如何选择小波基和如何利用阈值的选取规则。通过与正常信号在仿真过程中的分析对比，直观地得到电路中改变参数所带来的软故障信号的突变特征，成功提取出电路中输出信号的软故障特征，为进一步诊断故障提供了便利。     

信号瞬态分形特征分析技术在机械故障诊断中的应用

首先对一种信号分形维数计算方法即相关分形维数进行了讨论,发现其对信号幅值的变化反映敏感.为满足分析的需要,进一步提出了一种对信号瞬态分形特征进行分析的方法,并将此技术用于实际故障的诊断过程.实践证明,文中提出的信号瞬态分形特征分析技术完全可以对机械信号的瞬态幅值变化信息进行准确提取,且具有计算量小、方便实用等特点,有望在机械故障的诊断实践中得以推广应用.     

基于神经网络的舰艇装备模拟电路故障诊断方法

针对舰艇装备模拟电路故障诊断技术现状,提出了基于神经网络的故障诊断方法,利用PSPICE对电路进行分析,选取能反映故障特征的电路信号并利用主元分析方法降低其维数,再输入给神经网络进行训练和诊断,实验证明这种方法不仅优化了网络结构,并提高了辨识故障类别的能力。     

基于盲分离的柴油机轴系扭振信号分离研究

柴油机瞬时转速信号来自不同激励源,激励源信号的频率成分受气动力、往复惯性力和离心力等影响,并且相互重叠。干扰成分的频谱组成非常复杂,主要分为随机噪声谱,独立线谱等。文中应用盲源分离信号处理技术对瞬时转速数据进行分离与仿真研究,实现均值处理、白化处理和分离前滤波等预处理方法,建立滤波预处理与盲源分离相结合的时延分离模型。并用仿真和实验进行了算法验证。     

基于PCA和SVM的柴油发动机冲击故障诊断方法研究

针对柴油发动机振动信号进行故障诊断技术研究,提出了一种基于主成分分析和支持向量机的柴油发动机冲击故障诊断方法。首先利用小波包分解提取出冲击故障的特征;再利用主成分分析技术获得敏感特征参数,进而减小数据处理的复杂程度;最后利用支持向量机对敏感特征参数样本进行训练,获得分类模型,进而实现故障分类。将该方法用于柴油机实际故障分类,诊断准确率较高,证实了本文方法对多种冲击故障诊断的有效性。     

基于幅值域参数的船舶液压系统故障诊断研究

针对振动频谱时频域特征信号在船舶液压系统故障诊断领域存在的不足,分析了不同幅值域参数对不同故障存在的敏感度差异,提出了基于幅值域特征分析的多信号、多参数的故障诊断方法,通过5类幅值域无量纲参数和某型船艇装备液压缸4例典型故障对这一方法进行了验证。     

基才解调During振子的早期故障诊断及其应用的实证研究

针对滚动轴承微弱调制信号,提出了一种基于Hilbert解调和Duffing振子的故障诊断方法。分别介绍混沌振子检测微弱周期信号、解调Duffing振子检测的原理和数值仿真试验。并着重介绍滚动轴承故障的早期诊断。结果表明,该方法可以有效检测强噪声背景下的微弱调制信号。