导读:本文包含了异响信号提取论文开题报告文献综述及选题提纲参考文献，主要关键词:发动机,异响信号,故障提取,错位迭加
异响信号提取论文文献综述
宁大勇,弓永军,孙长乐,侯交义,张增猛[1]（2015）在《基于异响信号的发动机故障成分提取》一文中研究指出提出了基于异响信号的故障成分提取方法,以实现对发动机异响故障的在线诊断。该方法分别利用错位迭加法、互相关函数、迭加段起始位置搜寻方法来提取异响信号成份。首先,根据异响信号局部极值出现的位置确定异响信号产生的起始位置,并确定各截取信号段的长度;将各截取的信号段进行线性相加,实现故障成分的提取。然后,对信号的误差进行分析,提出误差的影响因素。最后,利用互相关性分析判断截取信号的准确性。实验结果表明:通过错位迭加算法提取的多段异响信号故障成分相关性达到75%以上,可以用于故障诊断。根据错位迭加算法提取异响信号故障成分无需进行时频转换,方法简单易行,提取的故障成分的波形准确性高。(本文来源于《2015光学精密工程论坛论文集》期刊2015-07-10）
张荣瀚,李琪[2]（2013）在《低频混响信号中的简正波衰减系数提取方法》一文中研究指出提出一种从低频混响信号中提取简正波衰减系数的方法。利用简正波过滤技术对垂直阵混响信号进行分析,获得单阶简正波混响声场。假设海底反向散射矩阵可分离,从单阶简正波平均混响强度中提取出有效海底反向散射矩阵元素,最后利用不同距离上的有效海底反向散射矩阵元素计算出简正波的衰减系数。利用该方法从混响信号中提取出的简正波衰减系数预报的声传播损失和相同海域实测声传播损失一致。该简正波衰减系数提取方法有效避免了海底散射衰减和简正波传播衰减耦合的问题,同时对海底参数反演和水声环境的快速评估也具有重要的意义。(本文来源于《声学学报》期刊2013年02期）
刘艳梅,程凯,鞠浩民,季有昌[3]（2009）在《发动机异响信号的小波包能量特征提取》一文中研究指出在机械故障诊断过程中,最关键的问题就是故障特征信号的特征提取,从某种意义上说,特征提取是当前机械故障诊断研究中的"瓶颈"问题。发动机是一种多振源、宽频带、振动形态复杂的机械,其振动信号呈现非平稳时变特征,噪声干扰大,故障信号往往被淹没在干扰噪声中。发动机声响的分析在其故障诊断中显得极为重要。现提出一种依靠小波包分析来进行发动机故障诊断的方法,即通过对发动机异响信号在全频带范围内进行正交小波包分解,得到由全频带均匀划分的各子频带的小波包分解系数,对小波包分解系数进行重构得到该频带的信号,提取各频带信号的能量构造出小波包特征向量,从而实现对故障源的判断。(本文来源于《机械制造与自动化》期刊2009年02期）
张喜忠[4]（2008）在《基于神经网络预测模型的发动机异响信号提取研究》一文中研究指出本文以发动机正常声响信号和异响为研究对象,提出了基于神经网络预测模型的信号增强的方法,成功地将淹没在发动机工作声响中的故障异响信号分离出来,丰富了发动机异响信号提取的新方法,拓宽了发动机故障诊断的应用范围。本文首先介绍了神经网络的基础知识和广泛的应用,为后面的神经网络模型的建立做了理论准备。然后针对发动机正常声响信号和杜芬方程生成的时间序列进行分析,通过计算Lyapunov指数来论证其满足混沌特性。其中研究了混沌理论和相空间重构理论。其次,系统地研究了径向基函数神经网络的结构、算法和特性,并采用相空间重构和径向基函数(RBF)神经网络相结合的方法对杜芬方程生成的时间序列和发动机正常声响信号建立预测模型,并在此基础上进行了故障异响信号的提取,达到了预期的目的。最后,研究了小波变换的消噪理论,并采用小波变换阈值法消噪的方法对提取出的故障异响信号进行消噪处理,使异响信号进一步增强,取得了满意的效果。(本文来源于《吉林大学》期刊2008-04-15）
孙宗新[5]（2007）在《基于混沌理论的发动机故障异响信号提取研究》一文中研究指出本文研究了发动机声响信号和异响信号的异同,分析了发动机声响信号的混沌特性,论证了基于发动机声响信号大背景噪声的弱异响信号提取的可行性,开辟了发动机异响信号提取的新思路。研究了具有预测、拟合混沌信号能力的非线性Volterra级数,及其时变加权系数的最小均方误差算法(LMS)和归一化最小均方误差算法(NLMS)的确定,应用NLMS规则建立了Volterra自适应滤波器模型。利用Lorenz理想混沌信号验证了模型的混沌信号预测、拟合能力,并应用到实测发动机声响信号中的异响信号提取试验中。研究了流形学习中局部切空间排列算法(LTSA)的降维去噪,并基于此思想结合Volterra自适应滤波器模型,利用奇异值分解法建立了基于Volterra自适应模型的局部切空间排列模型。同样,利用Lorenz理想混沌信号验证了模型的混沌信号预测、拟合能力,并应用到实测发动机声响信号的异响信号提取试验中。经过基于理想混沌信号Lorenz信号和实测发动机信号分别为背景信号的异响信号提取试验发现:在理想状态下,达到了异响信号与Lorenz信号为-79.0526db的低信噪比异响信号分离;在实测发动机信号的试验中也能将-36.7868db的信噪比中的弱异响信号提取出来,接近了人耳听觉盲区的-52.7044db信噪比异响信号提取。(本文来源于《吉林大学》期刊2007-05-01）
林洁晗[6]（2007）在《基于预测模型及EMD的故障异响信号提取方法研究》一文中研究指出本文研究了基于混沌理论建立预测模型的方法,其中包括Lyapunov指数预测,首先通过对发动机的声响信号进行傅立叶变换进行频域分析、主分量(PCA)分析、最大Lyapunov指数的混沌性判别来对发动机工作声响信号特点进行了全面的分析,通过验证其混沌性,采用GP算法对发动机实测信号进行相空间重构,计算其最大Lyapunov指数来建立预测模型,实现了发动机异响信号的分离。在此基础上系统学习了基于局域预测理论的混沌建模,通过对零阶局域预测方法的改进,寻找预报中心点的k个临近点,并引入距离不同临近点具有不同权重的概念,应用加权最小二乘来拟和参数,对预测模型进行局部非线性化处理,实现了一阶加权局域法的预测,并通过Duffing混沌序列和实测发动机声响信号进行仿真实验,取得了满意的效果。本文了借鉴了已成功应用在振动信号分析中的经验模态分解方法,依据任何信号由不同的固由简单振动模态组成的概念,将由混沌信号和谐波信号组合而成的复杂信号分解为不同的内在模态函数,并从中分解出谐波信号。经过分析,发动机工作声响信号具有类似振动信号的特点,成功的将淹没在发动机工作声响信号中的正弦信号分离出来,为进一步对异响信号进行特征提取,故障诊断奠定了基础。(本文来源于《吉林大学》期刊2007-05-01）
刘宝峰[7]（2007）在《基于神经网络和局部线形嵌入的异响信号提取研究》一文中研究指出本文针对发动机声响信号,采用相空间重构技术,分别利用自相关函数法及小数据量法计算了关联维数、嵌入维数以及最大李雅普诺夫指数,从而验证了发动机声响信号具有混沌特性,为以后采用混沌时间序列信号处理方法进行异响信号的提取提供了依据。本文将混沌理论中的重构相空间法与人工神经网络结合,建立了混沌时间序列预测模型,接着对发动机工作噪声时间序列进行了预测和异响的提取,并与传统人工神经网络预测结果进行了对比。混沌与人工神经网络结合预测模型可有效用于发动机工作背景噪声时间序列信号的短期预测,并进行异响信号的提取。本文介绍了流形学习的基础理论,研究了局部线性嵌入的算法理论与步骤。研究了基于经典Duffing混沌信号和实测发动机背景信号的异响信号提取仿真试验,证明了本文方法的有效性和实用性,为接下来的发动机异响信号辨识打下了坚实的基础。(本文来源于《吉林大学》期刊2007-05-01）
王哲[8]（2007）在《基于SVM的发动机故障异响信号提取研究》一文中研究指出基于工作异响信号分析的发动机故障诊断是一种非接触式的故障诊断方法,具有判断故障快速准确、操作简便、自动化程度高的优点。本文以此为背景,研究了发动机故障异响信号的提取问题。具体工作概括如下:介绍了混沌的基本概念,混沌信号的主要特征,以及相空间重构的基本原理。利用GP算法和自相关法分别计算了相空间重构时需要的嵌入维数及时间延迟。通过计算最大李亚普诺夫指数,证实了发动机正常工作声响信号具有混沌特性,并给出了相应的仿真结果。基于统计学习理论和支持向量机的基本原理,以及最小二乘支持向量机的具体算法。分别对杜芬方程、洛伦兹方程以及实际的发动机正常工作声响信号进行了仿真实验,对叁种信号建立预测模型,并给出了相应的预测仿真结果。基于支持向量机预测模型及相空间重构理论,对发动机故障异响信号进行了提取。并分别以杜芬方程生成的混沌时间序列和发动机正常工作声响信号为背景噪声,进行了对故障异响信号提取的仿真实验,给出了具体结果,并对仿真结果进行了分析。(本文来源于《吉林大学》期刊2007-04-23）
刘帅师[9]（2006）在《基于发动机声响信号分析的转速估计及异响特征提取研究》一文中研究指出汽车发动机在正常工作时,由于燃料燃烧膨胀、废气排出时气流运动、运动部件之间相互冲击及电磁等作用,会发出很大的声响。当运动零部件严重磨损、配合间隙增大、零件松动、断裂损坏时,或者由于维修质量不好、装配调整不当等原因,在发动机工作声响中会伴随着产生各种异常的声响。因此发动机声响信号中蕴涵着丰富的发动机异常或故障状态信息。采用合适的方法对分离出的异响信号进行量化分析,提取其特征参数,是基于声响信号分析的发动机故障诊断研究的基础性工作,具有重要的意义。首先,考虑到发动机异响信号特征与发动机状态-主要是发动机转速密切相关,本文对基于声响信号分析的发动机转速估计方法进行了研究:通过在时域对发动机异响信号进行短时分析得到异响信号时域上的重要参数,由此来判断信号的性质,并重点介绍了两种时域基音周期估计的方法,在此基础上提出了基于声响信号的发动机转速估计方法。运用此方法可以通过分析所采集信号的基音周期直接估计发动机转速,并可通过建立基音周期与转速的函数关系来判断发动机转速是否正常;其次,采用线性预测分析方法对发动机异响信号进行了建模研究,分别利用杜宾算法和乔里斯基分解法提取异响信号的线性预测系数,通过分析比较得出各种线性预测算法的优劣。在此基础上,由线性预测系数导出了异响信号的其他特征参数,利用所得到的特征参数建立了异响信号的联合特征指标集即特征向量。为了简化后续故障模式匹配算法,兼顾故障诊断算法的分辨率及稳定性,采用主成分分析法对携带最大故障信息量的特征指标合成方法进行了研究。(本文来源于《吉林大学》期刊2006-05-01）
异响信号提取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出一种从低频混响信号中提取简正波衰减系数的方法。利用简正波过滤技术对垂直阵混响信号进行分析,获得单阶简正波混响声场。假设海底反向散射矩阵可分离,从单阶简正波平均混响强度中提取出有效海底反向散射矩阵元素,最后利用不同距离上的有效海底反向散射矩阵元素计算出简正波的衰减系数。利用该方法从混响信号中提取出的简正波衰减系数预报的声传播损失和相同海域实测声传播损失一致。该简正波衰减系数提取方法有效避免了海底散射衰减和简正波传播衰减耦合的问题,同时对海底参数反演和水声环境的快速评估也具有重要的意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
异响信号提取论文参考文献
[1].宁大勇,弓永军,孙长乐,侯交义,张增猛.基于异响信号的发动机故障成分提取[C].2015光学精密工程论坛论文集.2015
[2].张荣瀚,李琪.低频混响信号中的简正波衰减系数提取方法[J].声学学报.2013
[3].刘艳梅,程凯,鞠浩民,季有昌.发动机异响信号的小波包能量特征提取[J].机械制造与自动化.2009
[4].张喜忠.基于神经网络预测模型的发动机异响信号提取研究[D].吉林大学.2008
[5].孙宗新.基于混沌理论的发动机故障异响信号提取研究[D].吉林大学.2007
[6].林洁晗.基于预测模型及EMD的故障异响信号提取方法研究[D].吉林大学.2007
[7].刘宝峰.基于神经网络和局部线形嵌入的异响信号提取研究[D].吉林大学.2007
[8].王哲.基于SVM的发动机故障异响信号提取研究[D].吉林大学.2007
[9].刘帅师.基于发动机声响信号分析的转速估计及异响特征提取研究[D].吉林大学.2006