基于支持向量机的滚动轴承状态寿命模型

使用状态寿命(即状态良好、初始损伤、故障发展和即将失效4个寿命阶段)描述滚动轴承的使用寿命,并建立了滚动轴承的状态寿命评估模型.状态寿命评估模型建模的关键是振动信号的特征提取和状态的识别算法.针对滚动轴承振动的特点,提取小波包重构信号的频带能量构造特征向量,利用支持向量机作为辨识算法建立滚动轴承状态寿命评估模型,并讨论了模型参数确定等关键问题.滚动轴承全寿命试验验证了模型的有效性和可信性.      

Morlet组合小波在颤振试飞中的应用

Morlet小波是高斯包络下的复指数函数,利用其虚部是实部的Hilbert变换,频域波形为钟形的特征,提出了基于Morlet组合小波的滤波方法。利用该方法,能方便地构造合适的Morlet组合小波,完成对飞行颤振试验响应信号的滤波,并保证滤波后相位不变。通过数字仿真研究了其方法的有效性,工程应用表明,该方法能够有效滤除飞行颤振试验响应信号的噪声,具有良好的应用前景。     

三角样条小波的构造及其在故障检测中的应用

本文首先给出了三角样条函数极其性质,然后在此基础上给出了一种构造三角样条小波的新方法。该方法简单易行,而且构造出的小波具有许多良好的性质,这些对信号处理是非常重要的。最后,将构造出的小波应用于故障信号的检测,与一些常用的小波相比,不但消除了边界效应,而且使故障信号在变换域内能量更集中,从而提高了故障检测的准确性。     

航天器传动部件振动数据稀疏多分类智能故障诊断

针对航天器传动链机械零部件发生故障时训练数据稀缺以及信号的强非平稳\非线性特点,提出了动态数据驱动的子空间稀疏多分类智能故障诊断算法。首先对采集的单一传感器动态信号进行分形小波变换,生成常规和非常规二进小波尺度。然后对生成的各子空间提出基于故障能量指标的稀疏多分类器,以监测部件的故障特征频率为搜索目标,在子空间的包络解调谱上计算特征频率及其倍频附近的能量峰值,导出特定故障模式的稀疏评价指标,以各种故障模式的最大值识别和判定故障类型。所提出的算法完全实现了无人工监督的智能故障诊断。最后以航天器轴承故障诊断为例验证了该算法的有效性。所研究算法的泛化能力较强,技术路线同样适用于其他航天器传动部件的在线监测与故障智能预警。     

一种非对称PCMA信号盲分离算法

针对卫星通信中非对称成对载波多址(PCMA)信号的盲分离问题,提出一种基于同步挤压小波变换(SWT)的盲分离算法。该算法在混合多个信号前提下,首先按强信号进行同步,接着采用同步挤压小波变换提取时频曲线,最后去除混合信号中的噪声与强信号主频外的弱信号干扰,降低了强信号解调误码率。该算法具有在不具备协作通信方发送的信息序列的先验条件下,实现了非对称PCMA信号盲分离的特点。仿真结果表明,经本文算法处理后强信号解调误码性能比对混合信号直接硬判决时有较大提升。     

基于机匣信号的滚动轴承故障卷积神经网络诊断方法

针对在滚动轴承故障激励下的机匣微弱故障特征,提出了基于卷积神经网络(CNN)的故障诊断方法。利用矩阵图法、峭度图法以及小波尺度谱法3种振动信号的预处理方法,将一维原始信号转换为图像信号;利用卷积神经网络对故障进行识别。通过比较分析发现:通过连续小波尺度谱更易提取滚动轴承的故障特征,其故障识别率达到95.82%,均高于其他几种振动信号预处理方法;由于卷积神经网络可以利用深层网络结构自适应地提取滚动轴承故障特征,比传统支持向量机(SVM)方法的故障识别率高约7%。结果证明了该方法的有效性与可行性,且具有较好的泛化能力和稳健性。      

基于小波变换和神经网络的直升机旋翼不平衡故障诊断方法

依据直升机旋翼不平衡故障空间与多点机体振动空间存在一对一映射关系的理论,采用某旋翼试验台设置桨距不平衡、质量不平衡以及后缘调整片不平衡的方法获取试验数据。利用小波变换和神经网络处理直升机机体振动信号,并对直升机旋翼单故障和复合故障进行诊断。最终实现了一种利用小波变换处理机体振动信号诊断旋翼不平衡故障的方法。     

基于小波神经网络的模拟电路故障诊断

介绍了模拟电路故障诊断的神经网络方法及小波神经网络,以一带通滤波器为例,提出了一种基于输出灵敏度分析,利用多频测试生成故障特征向量训练小波神经网络进行故障诊断的方法。仿真结果表明小波神经网络作为故障分类器具有收敛速度快,诊断准确等特点。     

小波包分析在摩擦焊超声检测信号消噪中的应用

采用小波包对摩擦焊缺陷超声检测信号进行消噪,结果表明,该方法不仅能有效抑制噪声,而且能明显提高信噪比。     

基于TMS320C80的FWT并行实现研究

揭示了快速小波变换（FWT）算法内在固有的并行性，并基于多处理机平台TMS320C80进行了两种不同问题规模的FWT算法并行实现的研究，结果表明：理论的分析和实验结果是一致的，并且算法的速度和精度都得到了保证。