基于EMD算法的轴承故障诊断研究

文章将小波包与EMD算法结合进行轴承故障诊断研究。该方法能够突出表现轴承在故障状态下的振动信号产生的数据特征并将其有效地提取出来,克服了快速傅立叶变换的局限性。并采用该方法分别对实验所得的轴承滚动体故障信号进行处理,提取故障特征,取得了良好的效果。此方法可以较好地解决滚动轴承故障诊断问题,更加有效和准确。     

数控机床主轴故障诊断与维修

本文的论题为GSK928TA数控车床主轴典型故障诊断与分析,主要内容为我院一台数控车床出现主轴故障以后,对该故障的一个排除过程。主要介绍了GSK928TA数控车床主轴的故障现象、诊断方法及故障分析和排除的过程。     

Fanuc0iMD系统串行主轴故障诊断与处理

以Fantc0iMD使用的串行主轴系统故障诊断为实例,分析了故障产生的原因,介绍了串行主轴部分故障的诊断和处理方法。     

基于AR功率谱和ZAM变换的FSK-BPSK复合信号参数估计

为了解决频率编码-二相编码(FSK-BPSK)复合调制信号参数估计精度低的问题,提出利用自回归(AR)模型功率谱估计联合ZAM（Zhao,Atlas,and Marks）变换的方法。首先,利用AR模型功率谱估计方法对信号相位不敏感的特点,对FSK-BPSK复合调制信号的跳频分量数以及跳频码元序列进行估计;然后,利用ZAM分布对相位变化极其敏感的特点,提取信号ZAM分布的各跳频频率下的截面,对相位编码的码元宽度和跳频码元宽度进行估计。仿真实验表明,在全频段信噪比不小于0 dB时,AR模型功率谱联合ZAM变换的方法能够精确地估计出该复合信号的各参数。     

近距离无线电台邻道干扰的功率谱解析

指挥控制系统的无线通信设备数量多、工作频率范围窄,相互之间存在严重的邻道干扰。针对近距离电台间邻道干扰问题,提出了基于功率谱解析的分析方法。首先理论推导了信号原功率谱密度函数与展宽延拓后功率谱密度的严格数学关系,在此基础上研究邻道干扰产生机制,进而分析不同邻道的干扰强度,得到了邻道功率与频率之间的关系式,推导了进入接收机的信干噪比（SINR）;最后,通过仿真验证了所提出的分析方法的可行性。理论计算与仿真结果相差在0.5 dB以内,为进一步有效规划指控系统频谱和提高利用效率提供了重要依据。     

传输参考超宽带信号功率谱的改善设计

通过对传输参考超宽带(TR-UWB)信号功率谱密度特性的理论分析,发现离散谱的消除和限波 带 的产生能有效降低对同频段其它无线通信系统的干扰。将参考部分随机化可以消除频谱中 的离散谱部分,并优选跳时码产生5.2 GHz频段的限波。仿真结果表明,通过这种方法离 散谱得以明显消除,5.2 GHz频段的限波对该频段其它通信系统的干扰降低了30 dB 以上。该方法简单灵活,改善后的频谱特性可以满足传输参考超宽带系统与其它无线通信 系统共存的需要。     

GNSS系统中预积分时间内基带信号的功率谱密度研究

目前在进行全球卫星导航无线频率兼容性评估时,由于忽略了接 收端预积分时间对基带信号截断作用的事实,导致采用的短码功率谱密度计算方法有误,这 将影响到评估结果的精确性。针对这个问题,分预积分时间大于等于和小于伪码周期两种情 况,对基带信号的功率谱解析式进行推导,然后仿真不同预积分时间内实际信号的功率谱以 及解析式的功率谱,比较这两者的谱分离系数。仿真结果表明,预积分时间对短码的谱分离 系数影响很大,这正确反映了预积分时间对功率谱密度的影响。该功率谱解析式有助于精确 估计无线射频干扰。     

基于人工神经网络的水泵故障诊断技术研究

随着生产的发展,水泵等旋转机械故障诊断技术的重要性越来越受到人们的重视。传统的诊断技术和理论方法对于具有多故障、多过程和突发性故障的现代化机械设备往往显示出较大的局限性,从而使机械故障诊断陷入了某些困境。为了克服这些缺点,就人工神经网络理论在水泵故障诊断技术中的应用进行了系统而深入地研究。     

上证综合指数的非趋势化处理和谱检验研究

对上证综合指数每日收盘数据进行非趋势化处理,并对经过处理后的股票指数数据进行了功率谱检验,找出具有混沌功率谱特征的时间序列所对应的去趋势化方法,为后续计算股票指数的关联维数和李雅普诺夫指数等提供了有效的数据处理平台,以便对股市进行有效的预测和研究。     

基于Chebyshev混沌扩谱序列的MC-CDMA系统的峰均功率比研究

峰均功率比(PAPR)是多载波码分多址 (MC-CDMA)系统的一个重要指标, OFDM多载波调制技术虽然可以提高MC-CDMA系统的数据传输率和抗干扰能力, 但是在系统的峰均功率比方面则存在着亟待解决的问题。本文利用Chebyshev混沌扩谱序列的伪随机、非周期、数量大和良好的相关特性,作为MC-CDMA系统上行信道的扩谱序列,以改善输出信号的峰均功率比。分析和仿真结果表明在保持较低多址接入干扰的同时,还可以大大降低发射信号的峰均功率比。     

一种基于神经网络的模拟电路故障诊断方法

提出了一种基于模拟电路故障诊断的神经网络方法。这种方法利用小波分解、数据标准化、主成分分析对输入数据进行预处理,采用k个神经元输出的前馈神经网络结构进行有效训练。该方法检测和识别故障准确率高,系统的鲁棒性和稳定性强。     

基于方差约束控制的复杂控制系统故障诊断方法

将方差约束控制用于研究复杂控制系统故障诊断。首先根据系统运行情况提取故障点在各个子系统的状态观测值,定义了故障点的状态观测均值、误差并求得状态协方差。然后通过熵系数法来确定各影响因素的权重,用欧氏范数法和线性加权法确定系统正常运行的最大允许阈值,一旦实际值超过阈值则报警,采取修正措施。最后通过实例,得到了一种新的基于欧氏范数方差约束控制的故障诊断方法,应用于航天产品漏电故障诊断。结果表明,该方法的故障阈值是由系统本身特性得到,故能够客观、真实地确定阈值的量化模型,克服了传统的专家系统需要训练大量历史数据的弊端,实现了故障在线实时诊断。     

基于KPCA和类峰值特征的模拟电路诊断方法

针对传统的核主成分分析方法（KPCA）无法解决在故障样本交叠严重时多分类性能较 差的问题,提出一种基于改进KPCA的特征提取和类峰值特征辅助识别分类相结合的模拟电路 故障诊断方法。在预处理阶段,提出了一种图像混合欧氏距离用于建立核函数,进行核主成 分分析特征提取,克服了传统KPCA的局限性;并且设计了一种用类峰值特征识别的方法进行辅 助识别预分类,提高分类速度。标准电路的故障诊断仿真和结果分析表明,该方法较好地 克服了交叠样本给分类带来的困难,具有很好的故障识别速度和正确率。     

基于Matlab Web Server的神经网络远程故障诊断方法

提出了基于Matlab Web Server的神经网络远程故障诊断方法，使得网络客户端能通过Intranet访问远程Matlab Web Server从而对神经网络进行训练，训练完成后可以利用训练好的神经网络进行远程故障诊断。事实上利用相似的方法，利用Matlab的强大仿真与计算功能也可以加强网络的仿真与计算功能，具有很大的实用价值。     

小电流接地故障行波选线的新算法

针对配电网发生单相接地故障后的电流、电压行波特点,通过理论分析提出利用出线电流初始行波、母线电压初始行波的极性和幅值进行选线选相的新算法。新算法可利用出线电流初始行波的极性或者幅值进行单独选线,可分别利用母线电压初始行波的极性或者幅值进行单独选相。同时,通过暂态仿真软件ATP/EMPT建立了多种仿真模型进行验证,该算法都取得了准确的选线选相结果。该选线算法不受中性点接地方式及线路是否空载的影响,且在选出故障线路的同时,能够选出故障相。     

基于LPCC和能量熵的端点检测

为提高语音端点检测系统在低信噪比下检测的准确性,提出了一种基于倒谱特征和谱 熵的端点检测算法。首先,根据分析得到待测语音帧的倒谱特征量,然后计算该特征量分别 在 通过训练得到的语音和噪声的高斯混合模型下的似然概率,通过两者概率的比较作出有声无 声初判决;联合能量熵端点检测结果得到最终判决,最后通过Hangover机制最大限度的保护 了语音。实验结果表明,此方法改善了能量熵端点检测法在babble噪声下的劣势,且在不同 噪声环境下均优于G.729 Annex B的性能。     

浅谈西塞山发电厂凝结水泵变频改造

介绍了西塞山发电厂2#机A凝结水泵变频改造的一些控制方案,及节能效果.     

基于电力线载波通信的粮情测控系统

介绍一种粮情检测系统,通过电力线载波模块实现粮情测控系统检测分机和检测中心PC机的电力线载波通信．系统还可兼容便携式检测仪使用,是电力线通信方式的有益的必要的补充．因此,本系统不仅具有可靠的通信方式,而且施工简单、操作方便实用,有利于国家粮库的安全储粮。     

基于核电发展的铀资源供需趋势及对策分析

在世界核电复苏以及我国积极发展核电的背景下,铀资源供需平衡已经成为国内外关注的焦点。而我国铀资源供需前景不容乐观,铀供给的安全将是我国核电可持续发展的制约因素之一。根据对世界铀资源供需现状及前景分析,应加强我国铀资源供给能力的对策,努力完善我国闭式核燃料循环技术和充分利用国外铀市场。     

扩频系统多通道相位差测量技术

论述了扩频无线电信号侦收和测向等应用领域中,在多通道天线和接收机后端采用数 字处理手段,在低信噪比下实现多通道相位差精确提取的方法。阐 述了多通道相位差提取的基本工程模型、中频信号采样处理方法、普通ASK调制信号的相位 差提取方法,以及BPSK调制的扩频信号的相位差提取方法,给出了基于MATLAB7.0.1平台的 仿真图形和结果。该技术已在工程中成功实现。