基于优化信噪比算法的航空发动机振动信号分离

为克服噪声对航空发动机振动信号的影响,提出一种优化信噪比的航空发动机振动信号分离方法,其通过建立时延自相关目标函数,对最大信噪比盲源分离算法进行优化。利用该方法,对航空发动机仿真混叠振动信号进行分析,分离后的信号频谱与源信号一致;对具有故障的实测航空发动机振动信号进行分离,成功分离出不同故障的振动特征。本文提出的方法为航空发动机振动信号的监测和故障诊断,提供了一种新的思路。     

基于独立分量分析的航空发动机振动信号盲源分离

阐述了基于峭度的盲源分离开关算法,对仿真信号进行分离,验证了该算法的可行性.并将该算法与FFT分离法结合,对某型双转子航空发动机高、低压转子实测振动信号进行了盲源分离实践,取得了很好的分离效果,从而为双转子发动机振动监测与故障诊断提供了一种可行的信号处理方法.     

飞机发动机混沌振动信号盲分离检测方法

发动机混沌振动信号携带着丰富的状态信息,依据混沌振动信号进行状态监测及故障诊断是一种很有前途的技术手段,但由于混沌信号具有伪随机特性及在低频段具有宽频谱等特点,使得传统的方法很难将其从振动信号中分离。在提取混沌振动信号方面,使用快速独立分量分析（Fast ICA）盲分离方法分离出飞机发动机振动信号中的混沌信号。利用功率谱和Lyapunov指数（LE）方法进行了判定,根据计算结果对发动机状态做出判断,验证了盲分离方法分离混沌振动信号的有效。盲分离检测混沌振动信号的方法不仅使依据混沌信号判断飞机发动机状态成为可能,也为利用混沌信号进行状态预测和控制提供了一种方法。     

航空发动机混叠振动信号的欠定盲源分离方法

针对传统欠定盲源分离方法难以有效处理具有时间延迟效应的发动机混叠振动信号分离问题,采用稀疏分量分析法研究了一种时间延迟混合信号的欠定盲源分离方法。该方法通过对混合信号的频域模值的线性聚类分析实现源数目及衰减矩阵的估计,并通过恢复混合信号的频域实部在混合空间的聚类性推断出时间延迟矩阵。实验结果表明,该方法在欠定条件下(传感器个数小于振动源个数)能够有效地将发动机混叠振动信号按照不同的激振源进行分离。     

基于SVM和广义粗糙度特征的航空发动机振动故障诊断方法

通过对航空发动机振动信号进行小波分解,依据多尺度空间局部能量分布和粗糙性提取基于子带信号能量加权广义粗糙度特征实现对振动情况的描述.然后将上述特征送入支持向量机(support vector machine,简称SVM)分类器进行训练,根据分类器的输出结果判断航空发动机的工作状态和故障类型.通过对实测航空发动机试车时得到的振动信号的实验分析结果表明,该算法可以有效地识别发动机的振动故障.      

含噪振动信号中早期碰摩的故障检测研究

 研究了在有噪环境下发动机转子系统早期碰摩故障的检测问题。利用最优参数搜索法改进了独立分量分析( ICA) 算法, 用于求解转子系统振动信号与噪声的盲分离问题。在此基础上, 对分离后的振动信号利用小波包分解进行早期碰摩信号的检测。结果显示最优搜索的ICA 算法运行效率高, 信号分离纯度好, 对振动信号有高效的降噪作用, 并利用小波包分解准确地检测出振动信号中的碰摩信息, 其效果优于小波分解法。信噪分离与小波包分解相结合有望用于工程实践中的早期碰摩故障检测和诊断。     

航空发动机振动监测系统模拟试验台搭建研究

航空发动机振动监测系统作为发动机故障诊断的重要手段之一,在航空领域有着重要的意义。为了更好地了解航空发动机的振动特性,本文设计和构建了航空发动机振动监测系统模拟试验台。首先对航空发动机振动的典型特征和监测原理进行研究,进行模型简化,利用3D打印搭建了发动机振动监测系统模拟试验台;然后,利用STM32芯片,通过多模块的设计,实现了振动信号的采集、速度的测量、转速控制等功能;最后,将采集的数据导入MATLAB进行分析,利用其强大的计算能力,实现时、频域分析等功能。经实践,具有良好的教学意义。     

转子振动故障信号的盲分离

介绍了盲源信号分离基本原理。基于最小化互信息原理,建立了用独立分量分析方法估计分离矩阵的加速梯度法,并给出了实现步骤。利用所建立的方法进行振动信号盲源分离的数值仿真,分离后的信号波形与源信号一致。对具有故障的实际转子进行多传感器信号采集并进行盲分离,不同故障的特征被分离开来。分析实例体现了所建立的方法在盲源信号分离中的有效性和对转子故障分离的实用性。      

某型航空发动机整机振动分析

针对某型航空涡扇发动机整机振动过大现象进行测量并应用Matlab语言对该发动机振动信号进行了详细的时域、频域、三维谱阵分析.根据发动机转子各故障的典型特征,认为某型发动机振动异常的主要是因为高、低压转子不平衡和转动件与静止件碰摩造成的.所得出的结论对航空发动机故障诊断有一定的参考价值.     

基于小波分析的航空发动机故障诊断方法研究

小波变换是一种多分辨率的时频分析方法,应用在振动信号处理、故障诊断方面较传统方法优越。在阐述小波分析理论基础上,对某型航空发动机的振动信号进行分析,采用小波分解和信号重构的方法,提取了噪声掩盖下振动信号中的故障信息,根据航空发动机整机振动的典型故障特征频率,判断该发动机是否发生故障。     

转子振动信号的二阶非平稳源盲分离

复杂的转子系统的多振动混叠信号分离是振动信号处理领域的一个难题。在介绍盲源分离基本原理的基础上,首次选用了二阶非平稳源盲分离算法对带有较强噪声的实际转子系统的振动信号进行盲分离,满意地分离出了各个振动源信号。采用SONS算法得到的振动源频谱分析清晰地反映出了各个振动源的频谱特性,且较好地抑制了噪声的影响。研究中提出的测量方法,为实际复杂结构的振动源盲识别提供了支持。     

基于位势函数的欠定盲源分离识别诊断方法

对观测器数目小于源信号数目的欠定盲源分离进行了研究,提出了一种基于位势函数的稀疏信号欠定盲源分离方法,该方法从能量的观点出发,通过构造位势函数,将寻找混合信号在直线方向上的聚类问题转化为寻找累积位势函数的局部极大值问题,从而准确的估计出源信号数目和混合矩阵,克服了通常的基于k-means聚类的混合矩阵估计法需预先给定源信号数目的缺点.利用仿真信号检验了该方法的有效性.基于信号频域稀疏性假设,将该方法应用于欠定条件下的滚动轴承振动故障信号的盲分离,较好地分离出了故障信号.      

基于经验模态分解的机械故障欠定盲源分离方法

针对传统的机械故障源分离方法限于非高斯、平稳和相互独立的源信号, 且传感器的观测数多于源数, 机械故障源信号通常不易满足这些假设的局限性, 提出了一种基于经验模态分解的机械故障欠定盲源分离方法.该方法对混合观测信号进行经验模态分解, 然后重组本征模函数分量作为新的观测信号进行盲源分离, 仿真和实验结果表明, 该方法是有效的.      

盲源分离及盲信号提取的研究进展

盲源分离和盲信号提取是从观测信号中恢复源信号的有效方法,目前已成为信号处理领域的研究热点。介绍了盲信号处理的数学模型,给出盲源分离与盲信号提取的基本思想,阐述了各方法的原理、特点及性能,并对它们之间的区别与联系进行分析,最后指出盲源分离及盲信号提取的发展方向。     

基于盲源分离的雷达信号欺骗干扰抑制

针对脉冲压缩信号的频谱弥散(SMSP)干扰,通过分析其时频特性,提出了一种基于盲分离的抑制算法。首先,推导了基于独立分量分析的代价函数,由于代价函数中信号概率密度函数不能精确估计,利用信号高阶互累积量的性质,重新构造了一种新的代价函数;其次,利用基于自然梯度的方法对新代价函数进行优化,从而得到基于峭度的盲分离算法;最后,通过仿真证明,对比Fast ICA算法,文中算法具有更快的收敛速度和更好的分离性能,在保证分离精度的前提下,可成功将目标回波信号分离,达到SMSP干扰抑制的目的。     

一种基于时频分析的欠定盲源分离算法

针对欠定盲源分离,提出了基于时频域信源数估计的盲源分离算法。通过短时傅里叶变换将信号变换至时频域进行分析。在混合矩阵估计环节,根据源信号稀疏性的假设,在时频域利用信号的时间频率比,确定与源信号对应的混合向量。在混合向量聚类过程中,利用同类向量间的距离以及向量不同聚类间的解析度,提出一种信源数估计方法,解决了在聚类算法中假设信源数已知的问题。在源信号分离环节,利用时频子空间中接收信号相关矩阵对角线元素与剩余元素的比值,提出一种子空间信源数估计算法,通过确定信源数,将子空间中欠定模型转换为超定或正定模型,以完成源信号分离。仿真证明算法对混合矩阵估计的正确性以及信号分离的可靠性。     

APSO算法在语音信号盲源分离中的研究

将自适应粒子群优化（Adaptive Praticle Swarm Optimization）算法运用到语音信号的盲源分离中,以峰度为目标函数,通过自适应调整惯性因子,克服了收敛速度和分离效果之间的矛盾,最终实现盲源分离。该算法避免了传统的优化算法自然梯度法稳定性差、易于陷入局部最优的不足。通过比较仿真结果和性能指标可以看出,APSO算法提高了收敛速度,改善了分离性能,表明了该算法在实现语音信号盲源分离中性能的优越性。     

基于三阶累积量的转子振动信号降噪方法研究

本文根据信号分离理论研究了发动机转子系统振动信号的降噪问题。当转子系统发生轻微碰摩时 ,由于振动信号中含有瞬时突变的微弱高频信息 ,这可能与高频随机噪声的频带互相叠加 ,所以利用传统的滤波方法不能有效地去噪 ,为碰摩故障诊断带来了困难。本文利用基于高阶累积量的盲信号分离方法 ,设计了相应算法 ,成功地从被噪声污染的信号中恢复源振动信号 ,从而可确保碰摩故障的检测和诊断能顺利进行