基于VMD-FastICA的齿轮箱故障诊断

针对齿轮箱故障信号微弱且易受周围噪声影响的问题,提出了一种基于变分模态分解(VMD)的独立分量(ICA)算法。该方法首先将采集的信号进行MCKD降噪,将降噪后的信号利用VMD算法分解为多个不同的本征模态分量(IMF),然后依据快速谱峭度图和相关系数选取有效的IMF分量进行重构信号,对于重构信号利用FastICA再次进行降噪处理,根据FastICA降噪后得到的故障特征分量,可以有效地识别故障。结果表明:该方法可以更清晰、准确地提取出故障特征频率和找出故障发生的位置。     

基于EMD模态相关和形态学降噪的齿轮故障诊断研究

为了从齿轮振动信号中提取出包含有故障信息的特征频率,针对现有EMD(Empirical Mode Decomposition)降噪算法中的IMF重构问题,提出了基于EMD模态相关和形态学降噪的齿轮故障诊断方法。首先采用EMD将目标信号分解为若干个IMF分量之和,利用模态相关分选准则选取噪声主导分量和信号主导分量的分界点,并利用各个IMF分量的自相关函数来验证该准则的正确性;然后将选到的噪声主导分量进行形态学滤波,利用峭度准则优化形态学结构元素尺度,自适应的寻求最优解;最后将滤波后的噪声分量与剩余分量进行重构,得到滤波重构信号,通过频谱分析识别齿轮故障特征频率。仿真数据和齿轮裂纹故障实验测试数据的分析表明,该方法滤波效果理想,能更有效地提取出齿轮故障特征。     

基于小波变换的随钻测试数据降噪方法研究

为消除随钻测试装置采集信号中的噪声,给工程人员提供准确的现场信息,提出了基于小波变换的方法对随钻测试数据进行降噪处理。首先,根据含噪声的随钻测试数据模型建立起小波变换降噪的基本流程。其次,在对含噪信号的小波变换特性分析的基础上,运用自相关函数对其在小波变换尺度空间中进行白噪声检验,确定小波最优分解层数。在分析对比小波降噪阈值的不同选取方式后,采用广义交叉确认理论来计算最优降噪阈值,从而在对信号降噪的同时还最大程度地保留了信号的有效特征成分。最后给出了基于该方法小波变换的随钻测试数据降噪的详细步骤,对实测的钻压和扭矩数据进行了小波降噪,取得了良好的降噪效果,为钻井工程后续分析提供了可靠的数据支撑,证明了本方法的优越性。     

改进的FastICA算法在地震数据去噪中的研究

为了有效去除地震数据的干扰噪声,采用FastICA算法进行降噪处理。地震数据的有效信号和噪声是非线性混合的,不满足FastICA算法使用的线性混合条件,提出了一种改进的FastICA算法进行地震数据降噪。该方法首先利用小波变换将地震数据分解到不同尺度空间上,然后设计了一种新的阈值降噪函数,并将FastICA和小波变换进行有效结合,对不同尺度空间上的噪声进行消除,通过小波重构恢复有效信号,利用仿真实验确定了新算法的分解层数为3。将改进的方法进行实际地震数据降噪处理,结果证明改进的方法能有效去除地震数据的各类干扰噪声,通过信噪比得出改进的FastICA较原始FastICA降噪效果更理想。     

基于组合降噪的卷积神经网络轴承故障诊断方法

针对滚动轴承振动信号包含不同频率复杂噪声,单一降噪方法难以去除多种噪声,导致最终故障诊断率低的问题。提出一种基于组合降噪的卷积神经网络的轴承故障诊断方法。首先,通过SVD分解方法,根据奇异值差分谱,一次降噪并重构信号,去除信号内能量较低的宽频率噪声;再根据降噪重构信号,自适应选取CEEMD分解的参数,并进行自适应CEEMD分解,利用线性相关系数与峭度交集法滤除相关程度低、故障特征信息少的IMF分量,同时二次降噪并重构信号;最后,构建一维卷积神经网络并进行轴承故障诊断。通过原信号和组合降噪后信号的时频分析,轴承故障诊断实验,验证了该方法的有效性。     

基于Gabor变换的信号降噪方法

介绍了Gabor变换的基本理论，提出了一种基于Gabor变换的降噪方法。该方法首先对信号进行Gabor变换，并选择合适的阈值对Gabor展开系数进行处理，然后对处理后的Gabor展开系数进行Gabor逆变换，从而实现降噪。仿真结果表明，该方法具有很好的降噪效果，为机械故障诊断提供了一种新的思路。     

长时压力监测数据处理新方法与应用研究

以传统试井理论和小波理论为基础，经过反复试验，寻找到了适合于处理长时压力数据的小波类型。应用多重阀值方法成功地侦测并剔除掉长时压力数据中的异常点；在Chee kin（2001）的线性回归方法基础上，建立了剔除噪音的新方法。模拟和实测长时压力数据的降噪效果说明了该方法不仅能有效地剔除数据中的噪音，还能完整地保留数据中的棱角特征。应用小波模极大值理论成功地将长时压力数据离散为相对独立的一系列不稳定数据段；在保留数据基本特征的前提下，应用最大压力—最大时间准则对原始数据实施了大幅度压缩；在数据处理的基础上，综合应用移动窗分析方法和正交试验方法解释了油田长时压力数据集。解释结果与传统试井解释方法具有一致性。     

基于改进EMD 的地震信号去噪

压制随机噪声是地震数据处理过程中的一个重要环节,目前大多数去噪技术都不同程度存在去噪效果差、易损伤有效信号等问题。利用经验模态分解可将信号自适应地分解为不同特征尺度固有模态函数的优点,及小波变换模极大值滤波方法对噪声的依赖性较小且适合于低信噪比信号去噪的优势,构造了一种经验模态分解与小波变换模极大值相结合的新的去噪算法,该算法很好地实现了地震有效信号与随机噪声的分离,有效提高了地震数据信噪比。将该算法应用于仿真实验和实际地震数据处理,结果都表明该方法明显优于常规经验模态分解去噪效果。     

基于Gabor变换的自适应降噪方法

简要介绍了Gabor变换的基本思想,提出了一种新的基于Gabor变换的自适应信号降噪方法。分析了该方法的降噪特性,同时比较了小波降噪和该方法的降噪效果。将该方法用于齿轮箱的故障诊断,结果表明,该方法能够有效识别齿轮箱中的齿轮典型故障。     

基于单边波动谱的奇异值分解降噪有效阶次确定方法

针对奇异值分解降噪中奇异值有效阶次难以确定的问题,提出了一种基于单边波动差分谱的奇异值分解降噪有效阶次确定方法。该方法首先将振动信号构造成hankel矩阵,再进行奇异值分解,利用分解所得的奇异值得到波动差分谱,最后根据波动差分谱的单边极大值来确定奇异值有效阶次。通过仿真数据以及实际轴承故障数据的分析,证明该方法能够有效提高信号的信噪比,为后续诊断工作奠定了良好基础。     

变换域通信系统中的信道估计技术

针对基于OFDM的变换域通信系统在低信噪比时由于噪声的影响很难获得准确的信道估计问题,采用时域和离散傅里叶逆变换(IDFT)域级联降噪的方法降低导频信号的噪声来提高信道估计的准确性。时域利用慢衰落信道环境下信道系数变换缓慢的特点,提出了时间滑动平均、时间遗忘、时间平均与时间遗忘结合等几种降噪方法;IDFT变换域利用多径时延集中在整个时隙的前一段的特点降低噪声。仿真结果表明,该方法在慢衰落信道环境下是有效的。     

基于变速工况稀疏调频字典的齿轮复合故障诊断

针对变转速工况下齿轮箱故障信号成分复杂、难以有效分离提取的问题,提出了一种基于时域稀疏调频字典的齿轮复合故障诊断方法。构造的调频字典考虑了时变转速信息和分布型故障机理,有利于从复杂信号中准确提取出分布型故障分量,同时大幅度提升剩余信号中冲击成分的信噪比,保证了后续局部型故障分量的重构精度。对剩余信号采用基于单位脉冲响应函数构建的冲击型字典提取局部型故障,即可完成复合故障信号的分离诊断。仿真验证了所提方法的有效性并与基于角域准平稳调制字典的重构方法进行了对比,结果表明:所提方法具有更高的幅值重构精度,并进一步验证了该方法对于复合故障诊断的有效性。     

单脉冲二次雷达的假目标抑制

虚假目标的识别和抑制,是单脉冲二次雷达一项关键技术.文中在对各类虚假目标产生的机理和其信号特性分析的基础上,对多种单脉冲二次雷达虚假目标抑制技术进行了分类探讨.最后,结合工程实践,提出虚假目标识别和抑制算法,并通过雷达实测数据验证了该算法的可行性和有效性.     

检测低频振荡模式的EMD复合算法研究

提出一种抗模态混叠的EMD复合算法。首先,通过改进频率外差方法,增加混叠模态分量间的频谱距离,有效分离出倍频模态混叠成分;其次,结合小波奇异点检测技术,确定各模态分量的自适应滑动分析窗口,实现间歇性混叠模态分离和振荡模式非平稳参数辨识。为验证算法的有效性,利用测试算例和电网仿真算例进行了测试分析,结果表明,该算法能够有效分离出混叠模式分量,对于模式复杂的低频振荡信号,能够有效分离出对应的低频振荡模式,具有较高的振荡模式信息检测精度。     

基于小波包变换相关性的信号降噪方法及齿轮故障诊断

介绍了小波包变换的基本思想，将新型小波包变换滤波器与信号重采样结合，提出了一种新的小波包降噪方法，研究了该方法的降噪效果，同时比较小波包直接降噪和小波包重构滤波器的降噪效果。将该方法用于齿轮箱的故障诊断，结果表明，该方法能够有效识别齿轮箱中的齿轮典型故障。     

基于分数小波变换的空域相关特性的信号降噪新方法

简要介绍了分数小波变换的基本思想及在信号处理方面的特点。利用分数小波变换系数在不同尺度上对应点处的相关性对其进行选择和处理,这样处理后的分数小波变换系数基本上对应着信号的边缘,然后对信号系数进行重构,达到了降噪的目的。以数值仿真和实测齿轮箱振动信号为例,研究了该方法的降噪效果,同时和小波包直接降噪进行了比较。结果表明,该方法能够有效降低振动信号中的背景噪声。     

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。     

基于奇异值分解的信号处理方法及其频谱特征

对基于时间序列重构吸引子轨迹矩奇异值分解的信息处理方法进行了系统讨论，通过数值算例研究了该方法对振劝信号的降噪和频谱特征以及在振动信号瞬态信息提取中的应用，得到了具有理论和应用价值的结论。     

小波分析在动态测试信号降噪中的应用

论述了小波分析在动态测试信号降噪中的应用。主要分析如何引入小波变换理论并通过它去除动态测试信号中的白噪声。随后阐述小波分析去除噪声的工程实现方法及其相对FFT除噪方法的优势。对一例加入白噪声的力脉冲信号进行了计算机仿真实验 ,结果表明 ,用小波变换处理含噪信号 ,具有明显效果     

一种精确测量周期信号参数的窗口和内插算法

提出了一种基于离散傅里叶变换的改进的周期信号参数的测量算法。该算法通过对时域信号加合适的窗函数,并在频域采用相应的内插算法,可以有效地减小测量过程中信号的频谱泄漏,得到精确的测量结果。仿真实验通过与已有算法的比较证明了该方法的有效性和先进性;噪声分析实验证明了该方法的稳定性。