一种自适应Morlet小波包络解调的弱故障检测方法

为自适应实现Morlet小波与故障冲击特征成分的最优匹配,采用基于Shannon小波熵的方法优化带宽参数设计了最优Morlet小波。针对最佳尺度的求取难题,利用谱峭度与小波熵均能敏感反映冲击性的特性,提出了基于峭熵比的最佳尺度的求取方法。基于此,提出基于自适应Morlet小波包络解调的弱故障特征提取方法。仿真实验与实例分析表明:该方法克服了传统包络解调需要人为设定带通滤波器参数的不足,减少人工干预,能自动有效地从强噪背景中提取微弱故障特征,具有一定的工程应用价值。     

基于局部均值分解与局部离群因子动力电池故障诊断

动力电池故障诊断是保证电动汽车正常运行的关键。提出一种基于局部均值分解和局部离群因子的动力电池故障诊断方法,用于电池组故障识别与定位。通过局部均值分解对电压信号预处理,并根据相关系数高低重构电压信号。进一步提取重构信号的峭度因子作为故障特征输入到局部离群因子算法中,根据局部离群因子算法自适应阈值输出故障电池。采用实车数据验证了所提方法能有效、准确地检测出故障,具有较好的可靠性与鲁棒性。     

基于EWT-SVD方法的高速列车滚动轴承故障诊断

针对高速列车齿轮箱滚动轴承早期故障特征提取困难的情况,提出了基于经验小波变换(Empirical Wavelet Transform,EWT)和奇异值分解(Singular value decomposition,SVD)的轴承故障诊断方法。首先对信号进行EWT变换得到各阶固有模态分量,然后计算各阶固有模态分量的峭度值并选取较大峭度值对应的分量。将选取的分量构造矩阵进行正交化奇异值分解,选择合适的阶数重构信号,最后对重构信号进行Hilbert包络解调分析。分别对仿真信号和滚动轴承发生外环故障进行分析,可以较为清晰地看到滚动轴承故障特征。研究结果表明,结合EWT、峭度系数和SVD的诊断方法可以准确、快速地提取轴承故障信息,从而可以对滚动轴承进行有效诊断。     

基于信噪峭度比的水下目标动态谱增强算法研究

根据非高斯噪声环境中水下运动目标辐射线谱信号的四阶累积量对角切片特征,定义了信噪峭度比的概念,导出了其理论计算公式.理论分析表明,在一定条件下,信噪峭度比总是大于用自相关函数定义的信噪比,提出了基于信噪峭度比分析法的水下运动目标辐射线谱信号的四阶累积量对角切片谱特征增强新算法.用水下某目标辐射线谱的实测数据,对该算法的性能进行了仿真研究.结果表明,该算法具有良好的抑制非高斯噪声能力,且不必对噪声分布作高斯性假设.因此,该算法具有重要的工程应用价值.     

铁路运输环境中超高斯随机振动信号模拟技术

铁路运输过程中的振动与冲击信号往往呈超高斯分布,为模拟生成这种超高斯信号,以傅里叶变换为基础,提出一种具有尖峰特征的超高斯随机信号生成方法。采用一种指数峰值模型用来模拟振动信号的超高斯特性,得到一个与实测信号具有相同均值、RMS、近似偏斜度和峭度的超高斯随机信号。此技术较好地模拟铁路运输环境中的振动与冲击信号,为实验室对车载设备以及运输货物的可靠性验证提供理论依据。     

适用于OFDM系统的符号定时盲同步技术

针对已有算法只适用于恒定包络调制星座图的限制,提出了一种适用于任意星座图映射的OFDM系统的符号定时盲同步方法。通过最大化接收信号的非高斯性,接收机可以将DFT窗口的起始点锁定在安全区域内以完成符号定时同步。利用滑动窗口进一步提高算法精度。仿真结果证明了算法的有效性。     

基于自适应奇异值标准谱和EMD的柴油机故障诊断

针对柴油机多发故障,提出了自适应奇异值标准谱和经验模态分解(Empirical Mode Decomposition,EMD)相结合的故障诊断模型。通过计算平均最近邻域发散度和奇异值标准谱的方法自适应地选择奇异值分解的嵌入维数和重构阶数,提高了奇异值分解降噪的精度。对降噪后的信号进行EMD分解,并利用调整余弦相似度标准提取反映信号真实特征的主固有模态函数(Intrinsic Mode Function,IMF),进而提取故障特征参数。将此模型应用于F3L912柴油机进气门漏气、单缸失火和多缸失火等故障的诊断,通过提取峭度和过零率作为故障特征,获得了较高的故障分类准确率。     

峭度分析法在发动机噪声信号故障特征提取中的应用

将峭度分析法引入发动机噪声信号故障特征提取中。基于连续小波变换对信号时间-尺度特征的细致刻画功能,提出了噪声信号中瞬时特性的峭度敏感特征参数计算方法,对不同转速不同工况下的发动机噪声信号进行了基于尺度-峭度的特征提取。研究结果表明,峭度结合连续小波变换能够很好地提取发动机噪声信号的故障特征。利用连续小波变换的尺度-峭度分析,能够有效提取噪声信号不同转速不同工况下的故障特征,为发动机的状态监测与故障诊断提供了重要的理论和现实依据。     

基于小波分解改进算法和峭度最大原则的滚动轴承故障诊断研究

针对滚动轴承振动信号具有非平稳性以及工作情况下难以获得故障频率的情况,文章提出了一种基于小波分解改进算法和峭度最大原则对滚动轴承进行诊断的方法。首先,对小波分解改进算法进行验证,发现小波分解改进算法能够很好地克服小波分解传统算法过程中出现的频率混淆问题;然后,在小波分解改进算法的基础上,利用峭度最大原则选取故障频段,对其进行Hilbert包络解调和傅里叶变换来查看故障频率,最后通过美国凯斯西储大学实验室提供的数据对上述方法进行验证,并与小波分解传统算法进行了对比。结果表明,基于小波分解改进算法和峭度最大原则的故障诊断方法能够更加精准地识别故障频率,克服主频偏移的问题,有效地解决频率折叠现象和真实频率的映像问题,具有较好的可行性和优越性。     

破碎波对随机波统计特性影响的实验研究(英文)

The influence of wave breaking on wave statistics for finite-depth random wave trains is investigated experimentally. This paper is to investigate the influence of wave breaking and water depth on the wave statistics for random waves on water of finite depth. Greater attention is paid to changes in wave statistics due to wave breaking in random wave trains. The results show skewness of surface elevations is independent of wave breaking and kurtosis is suppressed by wave breaking. Finally, the exceedance probabilities for wave heights are also investigated.