硬车削过程中声发射和振动信号的监测及分析

为了对硬车削过程进行监测和分析,本课题建立了一套基于虚拟仪器的信号采集系统,采集模具钢硬车削加工过程中的声发射和振动信号.对声发射和振动信号进行小渡变换并重构后,发现硬车削过程中的声发射和振动信号都与转速密切相关.随着转速的增高,淬硬钢的声发射信号也随着增大,但振动信号却随之减小.     

构件低周疲劳损伤的金属磁记忆检测试验研究

对18CrNi4A钢缺口试件在三级应力水平下进行了低周疲劳试验和磁记忆信号检测,研究应力集中、疲劳损伤及疲劳应力对磁信号的影响规律。结果表明,利用磁信号Hp(y)曲线突变特征和磁信号梯度K曲线异变峰特征可表征试件损伤位置;采用H′p(y)=Hp(y)N-Hp(y)0的磁信号处理方式,磁信号H′p(y)曲线过零点与试件断裂位置重合,处理后的磁信号过零法可更有效的表征试件损伤位置;磁信号梯度Kmax值随疲劳损伤程度的增加而逐渐增加,反映了构件疲劳损伤程度,可表征试件疲劳损伤程度;磁信号与疲劳应力水平存在强烈的相关性,应力水平越大,磁信号值也越大。     

分数阶Fourier域非均匀采样Chirp信号的频谱研究

文中提出了一种自适应非均匀采样方法,并利用分数阶Fourier变换对这类非均匀采样信号在分数阶域的频谱进行了分析和研究,得到了这类非均匀采样信号在分数阶域的数字谱表达式;进一步得到了非均匀采样Chirp信号的分数阶频谱表达式;最后,通过仿真验证了结论。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

高精度秒脉冲信号的产生

通过介绍高精度秒脉冲信号的实现原理以及实现中的关键技术,分析了如何减小由码跟踪环路测量误差导致的秒脉冲信号随机抖动误差,提出了减小由直接数字频率合成器导致的秒脉冲信号系统钟模糊误差的实现方法。最后给出了在＂北斗＂一号卫星标校机工程应用中的实际性能,统计精度（1倍标准差）为1.7ns,保证了标校设备能高精度地服务于BD-1导航定位系统。     

机载气象雷达回波信号仿真系统

设计了一个机载气象雷达回波信号仿真系统,可用于高保真雷达回波信号的生成与演示。基于高保真风场建模数据,依照真实机载气象雷达的扫描方式初始化仿真参数,对风场数据进行机载气象雷达回波仿真,得到了可靠的仿真数据,并对可靠性进行验证。该系统采用C#与Matlab联合编程的方法进行实现,可实现的功能包括各种气象目标在不同模式下的雷达回波仿真,雷达回波数据正确性的验证及展示。得到的信号可为机载气象雷达信号处理和数据处理算法的开发提供数据支持。     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

高速电路PCB设计与仿真

在某测试系统核心板PCB设计中,基于IBIS模型,利用Cadence软件对SDRAM和主CPU间的高速信号进行信号完整性仿真,依靠仿真结果指导PCB设计,对关键网络的走线长度以及拓扑结构等做预先设计,有助于提高系统性能、减小失败风险和缩短开发周期。     

基于稀疏表示的多雷达信号二维融合处理

多雷达信号融合通过对多视角和多频带雷达信号进行相干融合,可以提高图像的距离和方位向分辨率.为了克服基于谱估计的多雷达信号融合方法稳健性严重依赖于散射点个数估计精度和二维极点配对精度的问题,在深入研究逆合成孔径雷达(ISAR)信号的基础上,构造了多雷达信号二维融合的线性表示模型,将融合处理转化为一个信号表示问题;充分挖掘...     

传感器测量偏差下的航空发动机智能性能诊断

以某型涡扇发动机为研究对象, 构建了基于神经网络的航空发动机智能性能诊断方法, 讨论了测量噪声及测量偏差对诊断结果的影响及其处理方法.建立一簇并行的神经网络组和发动机模型, 通过比较各模型输出与发动机测量参数之间的误差, 判断传感器是否存在测量偏差.仿真结果表明, 该方法能有效消除测量噪声, 准确判断并隔离有测量偏差的传感器, 得出正确的发动机性能诊断结果.