曹伟青[1]2015年在《机械早期故障弱信号提取及智能诊断研究》文中研究指明在机械设备早期故障诊断中,最重要也是最困难的就是故障信号的特征提取。受到现场环境的影响,所测得的信号包含大量的噪声干扰,信号的特征很微弱,往往被噪声淹没,很难获得准确的设备状态信息。如何从含噪的混合信号中检测出微弱故障特征信号是当前研究的一个热点问题。对于单一的旋转机械,论文在研究形态滤波、奇异值分解(SVD)降噪的基础上提出了经验模态分解(EMD)微弱信号检测方法和随机共振微弱信号检测方法,并通过轴承故障得以验证所提方法的有效性；对于复杂的旋转机械,由传感器采集的信号源比较复杂,所以论文研究了基于独立分量分析(ICA)的微弱信号检测方法,并成功应用于齿轮箱的故障诊断中；对于有些机械设备出现故障时,由于其工作过程不具有周期性,所以无法直接从故障频率来判断故障模式,如刀具的磨损监测。鉴于此,论文提出了微弱特征提取与遗传算法优化的B样条模糊神经网络相结合的智能诊断方法,最后准确实现了刀具磨损的故障诊断。具体的研究内容如下：利用联合降噪结合经验模式分解的方法实现了轴承的故障诊断。经验模式分解是一种自适应的时频分析方法。在强噪声背景下利用经验模式分解提取故障特征时,噪声的存在会加重分解的边界效应,影响分解的质量和效果。因此,论文提出一种将形态滤波和奇异值分解消噪及EMD结合起来的新的弱故障特征提取方法。首先对原始振动信号进行形态滤波,然后进行SVD降噪,最后把消噪的信号进行EMD分解,获得本征模态分量提取故障特征信息。仿真信号和轴承故障分析结果均表明,该方法可以提高EMD分解的质量,能提取到有效的微弱故障特征。由于随机共振能够利用噪声来增强信号,所以它在强噪声背景下检测微弱故障特征有着独特的优势。将该方法应用于轴承故障诊中,可以看出,当故障频率与噪声频带比较接近时,经该方法处理后的信号,信噪比更高,故障识别更明显。针对实际工程上采集的信号难以满足小参数随机共振的条件,论文研究移频-变尺度随机共振方法实现了大参数信号的微弱故障检测。同时,为了实现与输入信号最佳匹配的随机共振参数,提出基于遗传算法的多参数同步优化的自适应随机共振算法,以双稳系统输出的信噪比为适应度函数,对随机共振系统中的多个参数进行同步优化,克服了传统随机共振系统只实现单参数优化的缺点。对于复杂的旋转机械,独立分量分析可以从源信号中分离出各个独立分量,是一种很有效的微弱信号检测方法。对于含噪的单通道ICA分离方法,提出将噪声作为虚拟观测信号引入,与传感器采集的信号一起构成二维观测向量,通过Fast ICA分离,即可以解决盲分离中的欠定问题,又可以将信号中的噪声去除,从而增强信号的有效特征；另一方面,对于多通道盲分离,研究了基于频域的盲解卷算法,并将这种方法应用于齿轮箱的故障监测中,实验结果表明了该方法能成功应用于机械故障诊断中。刀具的磨损监测过程不具有周期性,所以无法直接从故障频率来判断故障模式,采用B样条模糊神经网络则可以实现刀具磨损的故障诊断。以B样条为基函数的模糊神经网络,传统的学习算法是采用自适应学习算法,网络参数需要根据经验标定,容易陷入局部最小,论文采用遗传算法优化网络参数进行全局寻优,得到了比较好的诊断效果。同时通过对比发现,利用经验模式分解,随机共振以及Fast ICA实现多参数故障特征提取,可以提高设备的故障诊断率。实验表明了所提方法的有效性。论文最后对本文工作进行了总结,并对故障特征提取技术的研究进行了展望。
王卫勋[2]2007年在《微电流检测方法的研究》文中提出本论文的目的是研究并实现对pA级微弱直流电流的高精度检测。微电流即微弱电流，属于“微弱信号”范畴。微弱信号是指幅度很微小的信号，而更广义的是指被噪声淹没的信号。微弱是相对于噪声而言的。所以只靠放大并不能检测出微弱信号，只有在有效地抑制噪声的条件下增大微弱信号的幅度，才能提取出有用信号。因此，必须研究微弱信号检测的理论、方法和设备，包括噪声的来源和性质，分析噪声产生的原因和规律以及噪声的传播途径，有针对性地采取有效措施抑制噪声。微弱信号检测技术在许多领域具有广泛的应用，例如军事侦察、物理学、化学、电化学、生物医学、天文学、地学、磁学等。随着科学技术的发展，对微弱信号进行检测的需要日益迫切，微弱信号检测是发展高新技术、探索及发现新的自然规律的重要手段，对推动相关领域的发展具有重要的意义。本文在查阅了多种文献的基础上，首先研究了噪声的种类、特性及其传播的机理和有关元器件的噪声模型，总结了一系列低噪声设计原则，并结合本课题(直流微电流检测)，采取了相应的设计原则和措施。本着高精度、寿命长、成本低、电路简单等原则采取了合适的检测方法，建立了检测模型，并在实验中进行了积极的探索和总结。依据有关噪声模型及一系列低噪声设计原则，计算电路参数、选择元器件。在电路板低噪声设计(布线)、清洁、干燥、元器件组装、防漏电、防尘防潮、屏蔽与接地等方面也进行了耐心细致的工作。实验结果表明，本实验的测试精度可控制在±0.005 pA(±5 fA)，1pA、2pA输入电流测试结果的平均值在1小时时间内的漂移量不大于0.0065 pA(6.5 fA)，3pA输入电流测试结果的平均值的漂移量仅为0.002 pA(2 fA)。
欧国建[3]2016年在《多项式相位信号的检测和参数估计》文中研究表明多项式相位信号广泛应用于雷达、声呐、无线通信和地震学等领域,对此,对多项式相位信号的检测和参数估计是一个具有重要理论意义和重要应用价值的研究方向。另一方面,噪声在物质世界无处不在,多项式相位信号往往淹没在噪声中,因此,减少多项式相位信号的检测和参数估计的信噪比门限成为许多研究者努力的一个目标。对多项式相位信号的检测和参数估计算法,大致可分为两类,一类是多线性变换,比如高阶模糊函数和它的乘积版本--乘积高阶模糊函数;另一类是相位展开的方式,比如Kitchen’s的相位展开估计算法和Djuric的估计算法。这两类算法都有它们的优点和缺点。在过去二十年里,对于单分量多项式相位信号的检测和参数估计,提出了许多理论和方法,然而这些理论和方法对于处理多分量多项式相位信号有着限制和缺陷,主要是多分量多项式相位信号的处理比单分量复杂得多,因此,结合已有的对多项式相位信号的处理方法,本文展开了如下方面的创新性研究:1、采用稀疏分解对加性高斯白噪声中多项式相位信号进行检测和参数估计。系统研究了在加性高斯白噪声条件下,采用稀疏分解实现对多项式相位信号的最优检测,并结合快速傅里叶变换,提出一种针对多项式相位信号的快速稀疏分解算法,该算法大大降低了参数估计的信噪比门限2、结合字典学习算法和稀疏表示实现对加性高斯白噪声中多项式相位信号的去噪。提出一种能去除多项式相位信号噪声的字典学习算法,用这种算法得到的字典,采用稀疏表示,能有效地提高信噪比。3、分析并解决了乘积叁次相位函数与高阶模糊函数(Product Cubic Phase Function and High-order Ambiguity Function,PCPF-HAF)算法在多分量多项式相位信号参数估计中存在的不确定性问题。分析了PCPF-HAF算法在估计多分量多项式相位信号参数的存在的不确定性问题,对于这个问题,提出了两种有效的解决方法,一种采用设定叁个时间点的方式,这种方法主要根据分量在叁个时间点上所求的频率在同一条直线上;第二种方法采用两个时间点的方式,对于各种可能的最高两阶的相位参数组成的多项式相位信号,把它们与变换后的信号相乘并求和,则求和最大值所对应的参数估计就是正确的参数估计。4、提出了基于PCPF-HAF的优化多分量多项式相位信号参数估计算法为了PCPF-HAF算法能用快速傅里叶变换,提出利用非一致间隔采样方法,并针对多分量的叁阶多项式相位信号不能使用多个滞后时间达到相乘的目的,提出采用多个比例因子来达到相乘的目的。在提出的优化算法中,针对滤波/相位展开的改进参数估计算法没有实现对幅值参数的改进,提出采用奇异值分解的方法改进幅值参数的估计。
郝静, 杜太行, 江春冬, 孙曙光, 付超[4]2016年在《调参随机共振在超高频微弱信号检测中的应用》文中进行了进一步梳理针对经典随机共振(SR)理论只适用于小参数,在提取高频微弱信号失效而无法使用的问题,提出一种调参随机共振检测高频率微弱信号的方法。首先,推导出双稳系统中阻尼系数与信号频率的关系,并以Kramers逃逸速率为分析手段,讨论阻尼系数变化对系统发生随机共振的影响;然后,分析了系统形状参数对系统产生随机共振现象的影响,通过联合调整阻尼系数和系统参数实现了大频率微弱信号的检测,并讨论了不同采样频率与调参系统输出频谱特性的影响,验证了该方法在低采样率下仍具有较强的稳定性;最后,以通用软件无线电设备(USRP)接收的无线电带噪信号作为系统的输入进行仿真。实验结果表明,利用该调参随机共振策略能够稳定有效地检测出强噪声背景下的超高频微弱信号,信号频率可达到MHz、GHz,拓展了随机共振原理的微弱信号检测的应用领域。
王晓东, 杨绍普, 赵志宏[5]2016年在《基于改进型Duffing振子的微弱信号检测研究》文中提出传统的微弱信号检测在检测信噪比很低的信号时效果不理想,针对在强噪声背景下微弱信号的检测问题,提出了一种由单Duffing振子建立混沌系统的非线性恢复力项用-x~5+x~7来代替的改进方法,与传统Duffing振子检测系统相比具有更强的鲁棒性.阐述了基于相平面变化进行微弱信号检测的工作原理.对时间尺度进行变换,实现了对任意未知微弱周期信号的检测,通过对噪声背景中的微弱周期信号检测进行仿真实验,最后通过真实的故障轴承信号检测验证,都获得较好的效果,为工程实际应用提供了一种可鉴的方法.
梁培艳[6]2013年在《微弱直流电压信号检测》文中研究指明微弱直流电压信号的检测方法有很多，最直接的方法是用放大器放大，然后用直流标准电压表检测。直流信号的检测容易受到电路系统内部噪声，以及系统外部噪声的干扰。在放大微弱直流电压信号过程中必然还会附加一些额外的误差，特别是放大电路引起的失调误差和输出漂移非常严重，且易受到外界条件的影响。基于以上的背景，本文采取的检测方案是将微弱的直流信号调制成方波交流信号，调制成的交流方波信号在处理过程中受噪声和误差影响较小；将方波交流信号放大后经过数据采集、滤波后可应用成熟的数字算法对信号进行幅度解调，这样就可完成对微弱直流电压信号的测量。本文针对微弱直流信号检测的一系列问题进行了讨论，研究的主要内容包括以下几个方面：随机信号的特点分析；电路系统中噪声的来源和特点分析；直流调制电路系统研究和设计；对锁定放大器做了深入研究，并在此基础上对锁定放大器的数字化和数字相敏检波算法做了深入研究；基于虚拟仪器LabVIEW和数据采集卡MPS-150102的数据采集。论文完成了前端的直流调制放大电路设计，以及后端的数据采集和信号的数字检波处理。首先，通过系统测试的结果表明，前端电路可以实现直流到200Hz交流方波信号的转换。通过放大电路将方波信号进行放大处理后，采用MPS-150102将信号实时采集到LabVIEW平台作数字相敏检波算法的处理，然后通过虚拟仪器显示微弱直流信号的幅值信息。通过系统测试表明，该系统可以实现微伏级直流电压信号的检测。
韩东颖, 丁雪娟, 时培明[7]2013年在《基于自适应变尺度频移带通随机共振降噪的EMD多频微弱信号检测》文中研究表明针对强噪声背景下多频微弱信号检测的难题,提出一种基于自适应变尺度频移带通随机共振(Adaptive re-scaling frequency-shifted band-pass stochastic resonance,ARFBSR)降噪的经验模态分解(Empirical mode decomposition,EMD)多频微弱信号检测方法。对不同频段的信号进行频率尺度变换处理,使其满足随机共振条件,根据噪声强度自适应地优化系统的参数,进而对每个频段信号分别进行随机共振处理,使得待检信号目标频段得到增强,对各个频段的共振输出进行带通滤波再合成,实现多频微弱信号的增强。对处理后的信号进行EMD分解,得到每个频率的信号分量,实现多频微弱信号的检测。仿真分析和滚动轴承内圈故障诊断实例表明,该方法不仅能够增强信号幅值,同时减少虚假分量,提高EMD算法的精度,有效检测出被噪声淹没的多频微弱信号。
徐凯[8]2008年在《基于混沌系统几何特征量的微弱信号检测》文中进行了进一步梳理混沌系统具有对小信号的敏感性及对噪声的免疫性等特点，也就是说混沌系统在临界混沌状态下，小信号的引入会使得系统状态发生改变，由临界混沌跃迁为大尺度周期态，而噪声的加入则不会改变系统的临界混沌状态，混沌的这些特性使得其在信号检测技术中具有一定的发展前景。目前，利用混沌振子检测微弱信号的两类重要方法分别是：基于相变的检测方案、基于特征指数的检测方案。两种方法均利用系统动力学行为从临界混沌到大尺度周期临界点处的特性，实现对强噪声背景下的信号检测。本文在研究传统微弱信号混沌检测的基础上，改进相变检测法，提出一种基于差分Duffing双振子的弱信号检测模型，该检测模型在系统的时域输出波形上可以实时观察系统解的情况及系统所处的状态，判别更加准确明了，物理意义明显，更易实际应用。通过仿真实验，该检测模型检测性能良好。针对相变检测法存在的问题，本文提出了基于混沌系统几何特征量的微弱信号检测模型，该方法的特点是使系统一直处于周期态，从而避免了系统临界混沌下内策力临界阈值的确定和选取，同时也避免了可能由于相图观测时间不足而导致系统状态误判的风险。提取周期态下的几何特征量，通过曲线拟合方法建立特征量和待测信号参量之间的关系，然后选取某一检测基点r_d，将幅值为r_1的微弱正弦信号输入系统得到此时的特征量，并将作为拟合曲线函数的输入，则曲线的输出即为r_0=r_d+ r_1，减去r_d即得到待测信号的幅度r_1，从而实现了对微弱正弦信号幅值的检测。该方法真正意义上实现了信号的定量检测，且检测精度良好，原理简单。
石兆羽, 杨绍普, 赵志宏[9]2018年在《基于耦合Van der Pol-Duffing系统的微弱信号检测研究》文中研究说明传统方法检测微弱信号具有一定的困难,利用混沌振子对微弱信号敏感以及对强噪声具有良好免疫力的特性,提出基于耦合Van der Pol-Duffing振子系统检测微弱信号的新方法。对比不同参数下耦合系统的动力学行为,通过分岔图和二分法确定临界阈值,保证阈值搜索速度和阈值精度。阐述基于相图的微弱信号检测原理,通过从混沌态到周期态的转变成功检测淹没在强噪声中的微弱信号,信噪比门限达到–30 d B。同时考察不同精度幅值下噪声对系统状态的影响,不同频率信号以及相移对检测的影响。仿真结果表明,该耦合系统在强噪声条件下对微弱信号敏感,用于检测微弱信号是可行的。
李健[10]2016年在《数字锁相放大器在微弱光电信号检测中的应用研究》文中研究指明光电信号检测系统中,由于光电探测器表面受到光线照射产生微弱电流,这些电子流非常微弱容易受到强噪声信号的干扰,传统的微弱电流信号检测方法无法进行精确检测,为减少强噪声和1/f噪声对该微弱光电子流的影响,本文设计基于DLIA(Digital Lock-In Amplifier,数字锁相放大器)的微弱光电信号检测系统,对这种微弱光电子流信号进行检测。首先光信号通过斩光器的调制变为周期光信号,该周期光信号经过光电探测器后产生周期性微弱电流信号,再进行电流电压转换、信号的放大、信号的滤波和信号的模数转换等一系列处理后,将采样的数字信号输入到数字信号解调系统中。最后经过数字信号解调得到光电信号幅值等信息。首先,本文进行函数自相关和互相关原理分析,对其数字模型进行了深入的研究,通过对比两种数学模型得到互相关原理在抗噪声干扰能力上更优。因此,采用互相关原理设计锁相放大器,其主要通过外部参考信号对周期信号进行解调,得到强噪声背景下待测信号幅值和相位等信息,随后进行Matlab软件仿真理论验证。为使微弱光电信号能够输入到数字锁相放大器的信号解调器中,需要对这种微弱光电信号进行的放大和滤波,设计放大倍数为1012倍二阶放大电路和截止频率为8kHz的二阶抗混迭滤波器,对信号放大电路和滤波电路中各个元器件参数进行计算,采用Multisim软件进行仿真验证。其次,硬件放大电路设计主要基于Multisim软件仿真的理论支撑,第一级放大电路进行I/V转换,将微弱电流信号转换电压信号并放大1011倍,也是硬件电路最重要一部分,直接影响全部系统检测系能,本文对目前市场高精度、低噪声的运放芯片进行对比,第一级和第二级放大电路分别采用LMC6062运放和LF442运放进行设计。信号经过放大后进入抗混迭滤波器进行滤波,滤除高频噪声的干扰,再将信号输入到8位高速A/D转换芯片中,最后经过A/D(Analog to Digital Converter,模数转换器)转换后输入到FPGA(Field Programmable Gate Array,现场可编程逻辑门阵列)中进行信号的相关调制。最后,对基于FPGA的数字信号解调系统设计,采用DSP Builder工具箱进行四个部分的设计:(1)待测信号频率提取设计,主要通过对待测信号进行FFT(Fast Fourier Transform,快速傅里叶变换),待测信号FFT后有最大频幅响应,从而提取对应频率信息。(2)基于DDS(Direct Digital Synthesizer,直接数字式频率合成器)函数信号发生器的参考信号设计,主要提供数字信号解调中的输入的正弦和余弦参考信号,其频率字信息由待测信号频率提取部分。(3)数字信号处理的乘法器设计,主要功能是实现待测信号与参考信号之间的相敏检波,即数字信号处理中为乘法运算。(4)基于FIR(Finite ImpulseResponse,有限长单位冲激响应)低通滤波器设计,主要功能是实现数字信号积分功能的替换。将各个模块联接在一起调试,将编译好的工程文件下载到FPGA芯片中完成数字信号解调设计。对光电检测系统进行测试,首先对硬件放大电路进行测试,测试结果表明第一级I/V转换电路能够将-2pA的电流信号放大0.2V的电压信号,误差范围为1.5%。其次对基于FPGA的数字解调系统测试,采用ATTEN函数信号发生器产生标准输入测试信号,实验结果显示,基于FPGA的数字解调系统,检测微弱光电信号工作性能稳定,检测精度高,在信噪比RSNR≈-26dB时,最小检测精度能够到达为0.02pA。最后将微弱信号检测放大电路和基于FPGA的数字解调系统进行连接,测试光电检测系统对实际光电信号检测效果,测试表明光电信号系统的测试幅值误差小于±0.5%,系统的频率跟踪测试误差小于±0.2%,因此得出结论本文设计的光电检测系统对实际光电信号检测能够很好的完成检测,参考信号频率的追踪性能良好,提高了微弱光电信号检测系统的检测精度。
参考文献：
[1]. 机械早期故障弱信号提取及智能诊断研究[D]. 曹伟青. 西南交通大学. 2015
[2]. 微电流检测方法的研究[D]. 王卫勋. 西安理工大学. 2007
[3]. 多项式相位信号的检测和参数估计[D]. 欧国建. 重庆大学. 2016
[4]. 调参随机共振在超高频微弱信号检测中的应用[J]. 郝静, 杜太行, 江春冬, 孙曙光, 付超. 计算机应用. 2016
[5]. 基于改进型Duffing振子的微弱信号检测研究[J]. 王晓东, 杨绍普, 赵志宏. 动力学与控制学报. 2016
[6]. 微弱直流电压信号检测[D]. 梁培艳. 电子科技大学. 2013
[7]. 基于自适应变尺度频移带通随机共振降噪的EMD多频微弱信号检测[J]. 韩东颖, 丁雪娟, 时培明. 机械工程学报. 2013
[8]. 基于混沌系统几何特征量的微弱信号检测[D]. 徐凯. 吉林大学. 2008
[9]. 基于耦合Van der Pol-Duffing系统的微弱信号检测研究[J]. 石兆羽, 杨绍普, 赵志宏. 中国测试. 2018
[10]. 数字锁相放大器在微弱光电信号检测中的应用研究[D]. 李健. 吉林大学. 2016
标签：武器工业与军事技术论文; 电信技术论文; 随机算法论文; 信号频率论文; 共振效应论文; 特征分解论文; 共振频率论文; 算法论文;