导读:本文包含了强背景噪声论文开题报告文献综述及选题提纲参考文献，主要关键词:列车轴箱轴承,故障诊断,强背景噪声,多点峭度
强背景噪声论文文献综述
刘文朋[1]（2018）在《强背景噪声下列车轴承振动信号故障特征分离方法研究》一文中研究指出轴箱轴承是列车走行部的关键部件之一,由于其结构复杂、运行速度高、工作环境恶劣,也是最容易发生损伤的部件之一。由于受到轮轨激励及环境的影响,轴箱轴承振动信号的频率成分极其复杂,其故障特征信息往往被强烈的背景噪声所淹没,故障信号与噪声信号在频带上互相混迭,传统的滤波降噪方法难以处理。如何从强背景噪声信号中分离出有用的故障特征信息,是列车轴箱轴承状态监测和故障诊断的一个重要内容。本文研究工作主要包括:(1)针对列车轴承单点故障特征在强背景噪声下的分离难题,提出了一种基于典型谱相关峭度图算法的改进型共振解调方法。该方法在典型谱峭度图算法的基础上,将相关峭度指标代替峭度指标,并通过优化谱相关峭度值,快速定位典型故障冲击信号所在的频率区间。经分析表明:该算法能降低背景噪声和其它非故障冲击信息的干扰,自适应地定位共振频带,实现故障特征与强背景噪声的分离。(2)针对列车轴承复合故障特征在强背景噪声下的分离难题,提出了一种基于多点峭度谱和最大相关峭度解卷积相结合的滚动轴承复合故障诊断方法。克服了传统的最大相关峭度解卷积方法需要预知故障特征周期的不足。首先利用多点峭度谱对采样信号进行处理,对预先估计的故障特征周期进行修正,再将优化后的各故障周期精确值依次代入到算法中,实现复合故障的分离提取。研究表明:即使在转速未知的情况下,该方法依然可以有效的分离滚动轴承的复合故障特征。(3)以轮对轴箱轴承为研究对象,对以上提出的两种诊断方法进行试验验证。结果表明:基于典型谱相关峭度图的改进型共振解调方法无论在准确性还是在稳定性方面均表现出了极大的优越性,优于基于典型谱峭图的共振解调方法;基于多点峭度谱和最大相关峭度解卷积相结合的滚动轴承复合故障诊断方法扩展了最大相关峭度解卷方法的应用范围,实现了复合故障特征的有效分离。(本文来源于《石家庄铁道大学》期刊2018-06-01）
侯建军,朱明强,刘颖[2]（2016）在《一种强背景噪声下的WSN目标定位算法》一文中研究指出为了进一步提高无线传感器网络(WSN)目标定位解算精度,提出了一种改进的Cubature粒子滤波(ICPF)定位算法.该算法运用最小二乘法估计移动目标当前初始时刻的位置,使用Cubature卡尔曼滤波和Gauss-Newton迭代法来充分利用测量更新后的状态最新信息,精确设计目标状态重要性密度函数,为粒子滤波提供相应的建议分布,从而能够更加有效改善粒子滤波器的性能.仿真实验结果证明,提出的改进算法在强背景噪声下能有效提高定位精度且收敛性增强,其性能优于标准粒子滤波(PF)、扩展粒子滤波(EPF)及Unscented粒子滤波定位算法(UPF).(本文来源于《北京理工大学学报》期刊2016年05期）
赵东山[3]（2016）在《强背景噪声下金属碰撞弱信号检测研究》一文中研究指出核电因环保清洁、产能高效及运行平稳已成为电源供应结构中重要的一级,有着广阔的应用前景,但也存在着显着的安全隐患。在反应堆中,金属零件松动可能造成堆内部件损坏或者减弱部分材料的性能,可能造成严重的事故。因此,需对核电站可能存在的零件松动信号进行监测,将有效避免或缓和与安全有关的损坏。本文结合国家科技重大专项“核电站松动部件监测系统样机的研究”,对反应堆中的金属松动零件产生的信号进行深入理论研究,如何在强背景噪声下把零件松动信号检测或分离是本文研究的重点内容,论文主要内容及创新工作如下:(1)由于核电站运行的特殊性,很难采集反应堆实际信号,根据通用做法,采用平板或曲面冲击实验来采集钢球冲击信号,来模拟金属零件松动产生的信号。本文设计了曲面冲击实验和锅炉实验,并采集了大量实验数据,同时对实验数据进行分析,为研究新的理论算法提供大量的数据支持。(2)本文对反应堆中金属零件松动产生的冲击信号进行了特点分析,分别从传统的理论,时域方法有相关检测法、取样积分等。频域及时频域方法有小波变换及小波能量谱等,并进行了理论分析和仿真试验。获得了零件松动信号的特征,并对零件松动信号进行预处理,为后续的算法研究提供良好并真实的数据库。(3)根据金属零件松动产生的冲击信号的特点,用非线性理论对其进行了深入研究,采用了一种基于小波变换的非线性分形理论检测方法,并通过Matlab仿真,该方法能在信噪比很小时有效地检测出松动部件,但该方法不能提取冲击信号的特征,如时域特征和频域特征。(4)为更好地分析冲击信号在强背景噪声中的特性,为LPMS研制的关键难点问题提供新的思路。本文提出基于独立成分分析算法的金属碰撞弱信号的研究,通过Matlab仿真试验,试验结果表明,该方法能有效地分离冲击信号和背景噪声信号,且分离后的信号各自保持原有的时频域特征,为LPMS中关键问题的解决提供新的算法思路。(本文来源于《杭州电子科技大学》期刊2016-03-01）
范博楠,王海斗,徐滨士,张玉波[4]（2015）在《强背景噪声下微弱声发射信号提取及处理研究现状》一文中研究指出针对故障诊断领域声发射信号因工作环境及采集设备自身影响常受强背景噪声干扰导致混迭失真问题,对故障诊断中声发射信号特性及处理流程、强背景噪声下声发射信号降噪方法(小波分析,ICA,EMD)、声发射信号特征提取及故障识别等国内外研究现状进行综述;分析总结声发射信号在降噪、特征提取及故障识别研究中存在的不足,探讨解决方法,展望声发射信号处理技术发展。(本文来源于《振动与冲击》期刊2015年16期）
郭强[5]（2014）在《强背景噪声下滚动轴承的故障诊断方法研究》一文中研究指出煤炭作为我国的主要能源，其安全生产不容忽视。电牵引采煤机是现代化矿井采煤装备的核心，关系着煤矿安全高效生产，但国产采煤机故障频发，故对其监测和故障诊断关键技术进行研究迫在眉睫。滚动轴承是电牵引采煤机的核心零部件，也是采煤机的重要故障源之一，准确判断轴承工作状态直接关系到整个采煤机的安全。研究滚动轴承的诊断技术，对于避免重大事故的发生具有重要的理论研究价值和实际应用意义。本论文从强背景噪声下微弱故障特征的提取入手，针对现有提取方法的不足，将经验模式分解(Empirical Mode Decomposition，EMD)方法和随机共振理论引入到滚动轴承振动分析及故障诊断中，结合EMD分解和随机共振理论各自的特点，提出了改进的EMD算法和自适应随机共振相结合的机械故障特征提取方法。本文首先结合滚动轴承的基本结构和常见故障，对滚动轴承的振动特性进行研究，得到滚动轴承分别在内圈、外圈以及滚动体存在缺陷时的时频特性。其次，在对EMD基本理论、算法及其特性进行研究的基础上，针对EMD在实际运用中存在的端点效应和模式混合等问题进行研究，提出了有效解决这些问题的方法：把支持向量回归和窗函数有机结合起来，消除了EMD的端点效应；利用EEMD法解决了模态混合问题；以信噪比为判别标准，很好地提取出含有故障信息的本征模函数，实现EMD算法的改进。然后，针对背景噪声下微弱故障特征提取的难题，提出一种基于自适应随机共振微弱信号检测方法。该算法选用双稳系统输出的信噪比作为遗传算法的适应度函数，实现随机共振系统中多个参数的自适应选取，同时对微弱信号进行频率尺度变换处理，使其满足随机共振条件。仿真信号和滚动轴承内圈故障数据的分析表明，该算法在采样点数较少的条件下能从强背景噪声中检测微弱的高频周期成分。最后，针对超强背景噪声下信噪比极低的微弱特征信号的识别问题，单独使用改进的EMD分解方法或自适应随机共振算法效果不佳，提出改进的EMD算法和自适应随机共振相结合的微弱信号特征提取方法。结合改进的EMD分解和随机共振理论各自的特点，首先利用改进的EMD分解对实际采样信号进行预处理和重构，然后寻找到特征信号分量与噪声强度相匹配的分量信号，此分量信号再经过自适应随机共振处理。通过实验研究的方法，模拟采煤机摇臂轴承的工作环境，仿真信号和实验采集的故障信号的处理结果表明，所提方法可实现从超强噪声背景中检测微弱的特征信号。文章最后对工作进行了总结，并对相关的研究技术进行了展望。(本文来源于《中国矿业大学》期刊2014-04-01）
申涛,冯刚[6]（2014）在《强背景噪声下基于HHT端点检测方法》一文中研究指出端点检测是语音识别系统中十分关键的一个步骤,它对整个语音系统识别的准确性有着至关重要的作用。针对目前端点检测算法在强背景噪声下存在的不足,通过引入HHT,提出了一种基于希尔伯特-黄变换的端点检测方法。该方法首先采用EMD分解出有限个IMF,然后对IMF进行Hilbert变换,将得到的IMF能量谱作为特征参数来进行语音信号的端点检测,仿真实验证明了该算法在强背景噪声下的有效性与稳健性。(本文来源于《电声技术》期刊2014年01期）
刘强,苏荣华[7]（2012）在《强背景噪声下的小波熵模极大值消噪方法》一文中研究指出针对矿井提升机特征信号在强非平稳和强噪声背景下难以有效提取的问题,结合小波能量熵理论与小波模极大值的奇异性理论,提出一种有效的强背景噪声下提升机信号消噪方法。该方法利用信息熵能定量描述时-频域能量概率分布的特性,采用小波熵自适应确定噪声阈值,有效去除随小波分解尺度增大而不断减小的小波模极大值,保留随尺度增大而增大的模极大值,并重构经有效过滤的剩余小波模极大值,实现强背景噪声下噪声信号与真实信号的有效分离。通过对仿真信号和提升机实测信号的应用,表明了该方法消噪效果明显,消噪数据可靠,提高了强背景噪声下提升机故障诊断的数据可靠性。(本文来源于《探测与控制学报》期刊2012年03期）
吴边,王忠,刘兴涛[8]（2011）在《强背景噪声下语音端点检测的算法研究》一文中研究指出多带谱熵法对语音频段进行分带处理形成新的分带谱熵函数,在低信噪比时,该方法能够更好地检测出语音,还能体现能量分布情况,应用较为广泛。多窗谱分析方法对同一数据序列用多个正交的数据窗分别求直接谱,是一种低方差、高分辨率的谱分析方法,尤其适合非线性系统中高噪声背景下弱信号、时频演变信号的分析。提出基于多窗谱及多带谱相结合的语音检测方法,仿真结果表明:改进算法较其他算法占有绝对的优势,而且性能稳定。(本文来源于《计算机工程与应用》期刊2011年33期）
高国旺,刘上乾,秦翰林[9]（2010）在《强背景噪声下红外目标的鲁棒性跟踪算法》一文中研究指出提出了一种将边缘检测与改进Mean Shift算法相结合的红外目标跟踪算法.初选了原始红外图像边缘后,再利用非线性边缘检测算法进行处理,有效地消除了原始红外图像中的大部分噪声,并能获取高质量的图像边缘信息.在此基础上,采取更新目标模型、目标模板背景加权以及候选目标区域核加权的方式改进Mean Shift算法,以增强Mean Shift算法跟踪目标的稳定性及对背景噪声的鲁棒性,从而实现强背景噪声下运动红外目标的快速、准确跟踪.实验结果表明,该算法不仅计算量较少,提高了跟踪速度,而且对背景噪声有很强的鲁棒性.(本文来源于《西安电子科技大学学报》期刊2010年06期）
赵志刚,赵伟,Claire,Gu,黄松岭[10]（2010）在《高荧光及强背景噪声情况下表面增强拉曼散射光谱提取方法研究》一文中研究指出试提出一种高荧光及强背景噪声情况下表面增强拉曼散射光谱的提取方法。该方法从分析荧光谱及背景噪声信号的组成入手,构建相应模型对荧光谱及噪声信号进行估计,通过比较估计结果与实际数据的差别识别谱峰信号,并定位谱峰的基底位置。通过在若丹明6G、前列腺特异抗原测量及pH值传感实验中的实际应用检验可知,该方法可提高表面增强拉曼散射光谱信号的分辩率和测量准确度,在微量物质鉴别及物质含量定量测量方面有较好的应用前景。(本文来源于《光谱学与光谱分析》期刊2010年08期）
强背景噪声论文开题报告
（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：
为了进一步提高无线传感器网络(WSN)目标定位解算精度,提出了一种改进的Cubature粒子滤波(ICPF)定位算法.该算法运用最小二乘法估计移动目标当前初始时刻的位置,使用Cubature卡尔曼滤波和Gauss-Newton迭代法来充分利用测量更新后的状态最新信息,精确设计目标状态重要性密度函数,为粒子滤波提供相应的建议分布,从而能够更加有效改善粒子滤波器的性能.仿真实验结果证明,提出的改进算法在强背景噪声下能有效提高定位精度且收敛性增强,其性能优于标准粒子滤波(PF)、扩展粒子滤波(EPF)及Unscented粒子滤波定位算法(UPF).
（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。
强背景噪声论文参考文献
[1].刘文朋.强背景噪声下列车轴承振动信号故障特征分离方法研究[D].石家庄铁道大学.2018
[2].侯建军,朱明强,刘颖.一种强背景噪声下的WSN目标定位算法[J].北京理工大学学报.2016
[3].赵东山.强背景噪声下金属碰撞弱信号检测研究[D].杭州电子科技大学.2016
[4].范博楠,王海斗,徐滨士,张玉波.强背景噪声下微弱声发射信号提取及处理研究现状[J].振动与冲击.2015
[5].郭强.强背景噪声下滚动轴承的故障诊断方法研究[D].中国矿业大学.2014
[6].申涛,冯刚.强背景噪声下基于HHT端点检测方法[J].电声技术.2014
[7].刘强,苏荣华.强背景噪声下的小波熵模极大值消噪方法[J].探测与控制学报.2012
[8].吴边,王忠,刘兴涛.强背景噪声下语音端点检测的算法研究[J].计算机工程与应用.2011
[9].高国旺,刘上乾,秦翰林.强背景噪声下红外目标的鲁棒性跟踪算法[J].西安电子科技大学学报.2010
[10].赵志刚,赵伟,Claire,Gu,黄松岭.高荧光及强背景噪声情况下表面增强拉曼散射光谱提取方法研究[J].光谱学与光谱分析.2010