C/E复合材料声发射信号小波分析及人工神经网络模式识别

以复合材料为对象，以宽频带传感器及线阵列方式对各类模式试样采集了波形及信号参数，比较波形、信号参数、频谱及小波谱的特征，筛选出六类1300个样本，采用多分辨小波变换提取了5个特征向量，实现了特征空间的降维处理，采用B—P型反向传播神经网络构成了智能化模式分类器，研究了网络模型的学习效果和对与复合材料主要损伤机制有关的六类声发射信号的识别能力。试验结果表明，神经网络对六类信号的平均正确识别率达到90.4%。最佳识别率为97.2%。该方法成功用于90°、0°光滑和0°缺口三种试样的破坏过程分析，获得了满意的效果。     

航空铁磁材料磁记忆检测新方法

 为提高现有磁记忆检测方法的可靠性,充分考虑各向磁记忆信号分量特征,提出法向和切向相结合的磁记忆检测新方法,对航空铁磁材料18CrNi4A试件在不同拉伸载荷下同时采集法向和切向两个方向上的磁记忆信号,并对信号进行小波包滤波处理后取李萨如图,用图中封闭区域出现的位置判断应力集中部位,用封闭区域面积的大小判断应力集中程度,研究磁记忆信号法向分量和切向分量联合检测材料的应力状态。结果表明:对该材料试件磁记忆信号法向分量和切向分量进行小波包降噪方法切实可行,处于应力集中试件的磁记忆信号反映在李萨如图上会出现封闭区域,并且随着应力集中程度的增大,李萨如图上封闭区域的面积有增大趋势,材料出现明显屈服后,面积增大得更加明显。该方法具有一定的工程实际应用价值。     

基于小波包分析的航空发动机轴承故障诊断

振动分析是进行滚动轴承状态监测与故障诊断的重要手段。当轴承某一元件表面出现局部损伤时,产生周期性的冲击脉冲力。因此,原来的平稳振动信号变成了非平稳振动信号。傅里叶变换在频域上是完全局部化的,但它不能提供任何时域的局部化特征,而窗口傅立叶变换尽管在时域和频域均具有一定的局部化特征,但其局部化却是固定不变的。针对常规方法难以准确分析非平稳信号的局限性,提出了基于小波分析的滚动轴承故障诊断方法,通过滚动轴承外表面损伤的实验信号进行小波包频谱分析,验证了基于小波分析的滚动轴承故障诊断方法是可靠、准确的,可进一步应用于航空发动机主轴轴承的状态监测和故障诊断。     

小波消噪在测试信号处理中的应用

结合某测试信号,介绍了阈值消噪的三种方法：强制阈值、默认阈值和给定阈值。通过分析不同阈值消噪后信号波形,计算消噪信号的信噪比、均方根误差和相关系数,对几种方法的准确度进行了对比。结果表明,通过合理选择小波分解的尺度,对小波系数进行阈值重构,能有效地去除信号中含有的噪声,而选用不同规则下的阈值函数或者同一阈值函数对小波系数的处理方式不同,消噪的效果会有很大差异,而阈值函数的选取,更应充分考虑信号的实际特征。     

光纤陀螺仪预滤波技术研究及应用

噪声作为光纤陀螺仪输出的固有属性,是由光纤陀螺仪光学元件的特性所决定的,严重影响了光纤陀螺仪性能的提高.本文应用小波分析手段对光纤陀螺仪静态和动态信号进行了变换处理,证明了小波分析的有效性;然后从应用的角度分别论述了小波变换在光纤捷联惯组调试过程中和精度验证过程中所带来的影响,取得了满意的效果.     

基于LabVIEW的滚轮滑轨磨损故障监测系统

飞机襟、缝翼运动机构中滚轮滑轨的磨损状况对飞机的安全性有很大的影响,为研究滚轮滑轨的磨损情况,基于某滚轮滑轨磨损试验机,Ni WLS-9234数据采集卡和LabVIEW软件开发平台,对滚轮和滑轨相对位移所产生的振动信号进行采集及分析,并开展大量试验,开发了一套磨损故障监测系统。系统采用Remote Panels监控技术、SQL与数据库访问技术、报表生成技术、以及小波分析技术,能够有效地监测磨损故障。     

火箭发动机阀门开关动作状态识别技术研究

针对液氢液氧火箭发动机阀门在工作过程中出现拒动、卡滞等故障,研究了基于振动特性分析的阀门开关动作状态识别技术。首先应用双自寻优小波分析技术对阀门振动信号进行降噪,再利用短时傅里叶变换对降噪后信号进行时频分析,最后提炼出用信号相对瞬时能量这一指标来识别阀门的开关动作状态。基于此技术,运用Lab VIEW开发出便携式阀门开关动作自动识别系统。经工程实际应用,阀门"开"动作比"关"动作相对瞬时能量大1个数量级,"关"动作比无动作时相对瞬时能量大2个数量级。阀门开关动作状态可通过相对瞬时能量及时、准确地识别出。     

基于CPP与S变换的自适应时频滤波及其在滚动轴承故障诊断中的应用

针对变转速下滚动轴承故障调制信息的提取与分离,提出了基于线调频小波路径追踪(CPP)与S变换的自适应时频滤波方法。该方法先采用Hilbert解调对齿轮箱振动信号进行分析获取其包络信号,并对包络信号进行S变换,以获取其时频分布,同时,采用CPP算法从齿轮箱振动信号中估计出啮合频率曲线,进而获取转轴转速;然后,根据估计的转速信号分别设计各阶时频滤波器;再采用时频滤波器对包络信号的时频分布进行时频滤波,并将滤波结果进行S逆变换,以获取各阶故障调制信号;最后对各阶故障调制信号进行阶次谱分析,并根据阶次谱中的调制信息诊断滚动轴承故障。算法仿真和应用实例表明,自适应时频滤波方法可根据轴承故障调制信号的频率变化特点自适应地改变滤波器的中心频率与带宽,能有效提取并分离轴承的各阶调制信息,且分离效果优于基于集合经验模态分解（EEMD）的阶次谱方法。      

基于改进CST参数化方法和转捩模型的翼型优化设计

为提高翼型优化设计效率,增大设计空间,采用B样条基函数替代传统的形状类别函数(CST)方法中的Bezier多项式,增强了对翼型参数化表达的局部控制能力并提高了翼型局部表达精度。为了确保翼型在优化设计过程中的几何光顺特性和代理模型的准确性,采用小波分解技术提出了多分辨率翼型的局部光顺方法。采用基于本征正交分解(POD)的流场数值代理模型,并结合γ-Reθt转捩模型实现了快速准确的气动力与流动转捩预测。采用小波技术光顺的CST翼型参数化建模、POD流场数值计算代理模型以及γ-Reθt转捩模型,结合遗传算法建立了完整的翼型气动优化设计系统。针对低速层流翼型与超临界翼型进行优化设计,优化设计后的翼型升阻比分别提高了47.42%和45.85%,且对改进前后参数化建模方法的优化性能进行了对比,结果表明本文构建的翼型气动优化设计系统具备很高的优化效率。     

动态测量误差的希尔伯特-黄分解

针对傅立叶变换、小波变换等方法在分解动态测量误差时存在的不足,即选用不同的基函数会导致不同的分解结果,提出了基于希尔伯特-黄变换（HHT）的动态测量误差分解方法。该方法不需要选取基函数,可以自适应地分解动态测量误差信号;对一个混联式动态测量系统建立了全系统误差模型,并用该方法对测量系统的总误差信号进行了分解;与傅立叶变换、小波变换的分解结果相比,希尔伯特-黄变换的分解结果更准确,与测量系统的误差理论模型基本一致。