基于AMFNN的非线性噪声消除器

提出基于加乘性模糊神经网络(AMFNN)的非线性噪声消除器，讨论了AMFNN模型和学习算法及其通用逼近性．该消除器利用AMFNN逼近噪声，然后从测量信号中消去噪声即得到有用信号．该噪声消除器具有神经网络分布式并行信息处理能力、较好的容错性和鲁棒性以及除噪性能．     

基于联合抗噪算法的滚动轴承故障诊断研究

轴承通常工作于复杂噪声环境下,使得时域振动信号容易受到各种噪声的污染,从而误导诊断结果。针对以上问题,提出基于一维卷积自编码(1D-DCAE)和一维卷积神经网络(1D-CNN)的联合抗噪故障诊断算法。为了模拟真实噪声环境,在原始振动信号中添加不同信噪比的高斯噪声,用1D-DCAE对原始信号降噪,再将降噪信号用于1D-CNN进行故障诊断。基于全卷积神经网络搭建1D-DCAE模型,并舍弃池化层以降低信息丢失,以提高联合诊断模型的抗噪能力。结果表明:采用基于全卷积网络搭建的1D-DACE有更好的降噪效果,改进后的模型能自适应诊断各种噪声环境下的故障。     

小波变换在轨道静态功率谱密度获取中的应用

利用小波变换将轨道不平顺信号和所得谱图信号分解到互不重叠的频带上，结合小波阈值处理技术，对小波高频系数进行阈值量化处理，滤掉其中某些频段内的干扰与噪声信号，然后对信号进行重构，从而实现了对信号的去噪和对谱图信号的平滑处理。结果表明，该方法成功地获取了轨道静态功率谱密度，有效提高了轨道静态参数信噪比和轨道静态功率谱密度图的可视性。     

准高速机车牵引齿轮传动噪声,振动测试及信号分析

在机械封闭功率流试验台上，采和模拟实验方法，对研制的牵引齿轮试件进行了噪声、振动测试、并对噪声、振动信号进行了频谱分析，找出了其主要噪声源及准高速机车牵引齿轮噪声（振动）大小随实际工况转速、载荷变化的规律。     

高速铁路桥梁的低频噪声研究

根据结构的声辐射条件，导出具有耦合关系的有限元列式，然后分析计算了高速列车通过桥梁时各构件的振动响应，由此求得振动所诱发的低频噪声，进而示得声压随时间的变化规律以及声压频谱图，并分析产生噪声的主要原因，提出了预防与控制噪声的措施。     

基于噪声和振动的快速路交通事件检测方法

对交通噪声和路面振动信号进行频谱分析，研究交通噪声和路面振动随交通量、车流密度、车流速度、路面材料和路况变化的频谱特征．采用信息融合技术融合交通噪声信息和路面振动信息，提取表征交通状况和交通事件的特征量；融合道路同侧相邻传感器的信息，判断交通事件的发生位置．     

基于联合时频分析的设备状态评估方法

在机电设备状态评估过程中,提出了一种基于联合时频分析的振动、噪声信号测量与分析方法.该方法可以通过综合利用机电设备运行过程中的振动与噪声信号中的有用信息,完成对整机运行状态评估.最后,以某舰船的电机作为实验对象,构建一套振动和噪声测量系统,并运用戈勃变换对所测得的振动和噪声信号进行联合时频分析,从而得到电机真实的运行状态.实验结果表明所提出的测量与分析方法是正确有效的.     

小波包-神经网络在摆式列车倾摆控制系统故障诊断中的应用

针对摆式列车倾摆控制系统故障的特点，研究了神经网络结合小波包分析进行故障诊断的方法，采用小波包分解和信号重构的方法，将在摆式列车试验台上采集到的振动信号分解到不同的频带以提取有关的故障信息，并将振动信号各频带内的能量特征作为训练样本输入前向神经网络，用优于改进梯度下降法的Levenberg—Marquardt优化方法对网络进行训练，对倾摆控制系统的常见故障进行识别和诊断。实践表明，该方法对摆式列车倾摆系统故障的诊断是可靠的。     

混沌振动识别的研究

提出了一套有效识别混沌的步骤和方法，并利用其对某型隔振装置的振动加速度信号进行了识别，从而判断该系统处于混沌运动状态．由于实测信号中不可避免地受到噪声的干扰，所以先应用小波方法对信号进行消噪，然后对信号进行功率谱分析、相空间重构、计算混沌测度等，实现了对混沌信号的准确识别．     

FNN在心率失常判别中的研究

提出了一种基于模糊神经网络（FNN）对心率失常信号进行判别的新方法。首先，根据心电信号特点构建Sugeno型模糊神经网络，然后使用Cam Delta算法对其进行训练，这样可以得到模糊隶属函数，此隶属函数将R－R间期波及QRS波的长度模糊化。随后，用几何法通过计算隶属度实现对心率失常的判别。经MIT－BIH心电数据库和实测数据检验，此方法可有效的对心率失常进行判别。     

基于盲源分离的电机振动数据处理

运用盲源分离技术对混叠的电机振动信号进行分离,得到分离后的电机振动数据．用分离后的数据进行电机故障诊断可以有效地降低其复杂性,提高故障诊断的准确性．分离前后的电机振动数据功率谱图分析对比表明,盲源分离技术可以有效地对采集的电机振动数据进行分离,得到相对独立的振动数据．     

摩擦噪声动态谱图分析及应用

采用动态谱图分析摩擦噪声特性．结果表明，动态谱图能充分反映摩擦噪声的时变性、频谱结构和动态范围．实验证明，动态谱图对设备运行状态、转速等参数的变化十分敏感，因此可将动态谱图用于设备运行状态监测和故障诊断．提出采用谱图灰度均值作为故障敏感因子，并介绍了具体量化方法。     

基于自适应EEMD和盲辨识算法的桥梁结构模态参数识别

基于集合经验模态分解(EEMD)在信号的预处理上的不足之处,提出了一种基于自适应EEMD分解的盲源分离算法,即:先根据原始信号自身的特点确定加入白噪声的幅值标准差和集成次数,再进行EEMD分解,对所得IMF分量进行模糊综合评价以选出有效的IMF分量,构造IMF分量矩阵,最后利用盲源分离算法对其进行盲辨识,完成对信号的分解与重构。分别通过模拟信号和桥梁实测振动信号对该算法进行验证。结果表明:所提算法具有可行性,且能运用于实际结构信号的预处理。     

基于多传感器数据融合的齿轮箱故障诊断方法

为了解决单通道单维度振动信号输入不能全面表达齿轮箱故障特征的问题,提出一种基于多传感器多通道数据融合的诊断模型,结合卷积神经网络应用于齿轮箱振动信号的特征学习和故障分类中.利用连续小波变换对多通道数据进行二维时频变换,得到二维时频图像;构建神经网络诊断模型,以多通道的时频图作为输入,实现多通道信号特征的故障分类.通过动...     

基于人工智能的丝杠寿命预测技术

为了研究丝杠在不同加工条件下的性能退化趋势,研究了影响丝杠寿命的关键因素:丝杠转速和负载力.利用振动信号和切削力信号实时监测丝杠性能状态,用经验模态分解方法对传感器信号滤波后,通过时域、频域和时频域分析方法提取影响丝杠寿命的关键特征,采用多模型融合技术和B样条模糊神经网络,建立了丝杠寿命预测模型.试验结果表明,寿命预测的最大误差为846 h,能够满足丝杠的主动维护需求.     

小半径曲线钢轨波磨激扰下列车车内振动噪声特性

为探究小半径曲线钢轨波磨与车内振动噪声的关系,以高铁站区线路中出现的钢轨波磨为对象,开展了实车试验与轨面平直度现场测试;采用同步压缩小波变换提取了车厢内部振动与噪声信号的时频特征,并引入全局小波功率谱和小波能量比对信号进行量化分析;建立了波磨严重程度与车厢内振动噪声水平的关联关系,对比了车体与走行部构件之间动力响应的差异,探讨了波磨所在曲线半径对车内振动噪声的影响。研究结果表明：在小半径曲线地段,车厢内振动与噪声信号的优势频率为500～550 Hz,与钢轨波磨引起的轮轨冲击频率一致,且该频段的能量在波磨严重区段愈加显著;轴箱与转向架构架振动信号在500～550 Hz频带也存在能量峰值,而轴箱振动信号中出现的330、1 046 Hz等峰值频率被一系悬挂有效过滤,使得构架振动响应中未见此频率成分;在车厢内采集的各项信号中,车体垂向振动响应与钢轨波磨沿线路里程的分布特征最为相关,而车内噪声、纵/横向振动、侧滚运动的相关性次之,摇头运动的相关性最低;与直线和大半径曲线相比,小半径曲线区段的车体振动与噪声水平受钢轨波磨的影响更为显著。     

混凝土结构脉冲回波信号的时频分析研究

混凝土结构缺陷的脉冲回波检测信号是瞬态信号，其能量小，反映缺陷特征的信息往往只在时域信号的很短的一时间内存在的，过去的研究表明，仅仅和时域或频域信息往往是不够的。因此，本文对脉冲回波信号的时频分析的潜能进行了探索，并在时频分析的基础上，抽取了脉冲回波信号的特征，随后，利用自适应模糊聚类神经网络进行了分类，结果表明，该方法具有良好的分类性能。     

基于短时比较分布的信号识别方法

为了在时频域内快速而有效地对信号进行识别，在对相关域内短时信号模糊函数进行分析的基础上，针对短时信号提出了短时比较分布（SCD）的概念并给出了其核函数，通过选取少量短时信号并比较它们的SCD，从而实现复杂信号的识别，实验结果表明，由于SCD具有较强的交叉项抑制能力，该识别方法在减少计算量的同时，也具有较好的抗噪声性能．     

利用GNSS时序分析辨识大跨桥梁结构荷载响应研究

使用小波分析、功率谱密度等方法,对武汉市阳逻大桥GNSS监测数据进行分析,识别并分离大桥不同位置结构车辆移动荷载响应、车辆振动荷载响应和噪声,首先去除噪声,然后利用信号不同频率特性,分离静态信号和动态信号,从而得到更为清晰的大跨度桥动力响应特性。     

FFT在发动机缸壁间隙检测中的应用

为了检测汽车发动机缸壁间隙,建立基于振动信号分析的某型发动机的测试试验系统,利用PULSE系统硬件部分采集发动机在正常工况和倒拖工况下活塞在上止点换向时的横向冲击振动信号,利用Reflex软件中的FFT变换分析采集的振动信号,绘制不同缸壁间隙时的振动信号频谱图,得到振动加速度随缸壁间隙的变化曲线。试验表明,该测试系统可在发动机不解体的情况下,根据发动机在某转速下活塞的横向冲击振动信号,估计缸壁间隙。