一、抑制大块分离物冲击力的一种自适应滤波方法（论文文献综述）
赫修智[1]（2021）在《齿轮箱关键部件故障振动特征提取与分析》文中提出齿轮箱作为机械设备中传递动力和运动的关键组成部分,已经被广泛应用于航空航天、风力发电、轨道交通、汽车、轮船和工程机械等诸多现代工业领域。开展齿轮箱故障诊断研究,对保障机械设备的运行安全、提高工业生产效率、避免经济损失和灾难性生产事故具有极其重要的现实意义。齿轮箱振动信号是其运行状态及故障信息的优良载体,基于振动信号处理技术的故障特征有效提取是齿轮箱故障诊断研究中最为关键且困难的问题之一,直接关系着诊断结果的准确性。然而,齿轮箱在运行过程中会受到外部随机干扰的影响,加之同时或级联发生的多个故障之间存在相互影响,当多个故障的振动强弱不平衡时,微弱故障特征很容易被干扰噪声和强故障成分淹没,从而导致漏诊或误诊。因此,如何在噪声干扰下实现齿轮箱故障振动特征的有效提取是当前齿轮箱故障诊断领域的难点问题,也是本文要解决的核心问题。本文以齿轮箱关键部件即齿轮和滚动轴承为主要对象,深入研究了在随机冲击和强循环平稳成分等噪声干扰下,基于自适应信号分解、信号解调分析和自适应噪声消除的齿轮箱关键部件故障振动特征提取方法。主要研究内容如下:（1）结合齿轮和滚动轴承的结构特点,通过建立齿轮和滚动轴承的数学模型及齿轮动力学模型,分析齿轮和滚动轴承的振动产生机理及典型故障形式,对不同类型故障产生的振动信号特征进行总结,并着重分析齿轮和滚动轴承出现局部冲击故障时的振动响应特点,为本文提出的故障特征提取方法的研究奠定理论基础。（2）研制齿轮箱故障试验系统,采用自行设计的被试齿轮箱模拟齿轮齿根裂纹故障和齿面剥落故障,在不频繁拆装的前提下实现齿轮单故障和多故障振动试验。此外,对现有齿轮和滚动轴承故障试验台进行介绍,为本文提出的故障振动特征提取方法的试验验证提供有效的数据支撑。（3）针对以变分模态分解为核心的信号分解方法在提取滚动轴承故障振动特征时容易出现模态冗余、故障特征频率混合以及漏诊等问题,提出一种基于参数自适应优化选取的变分模态分解（AVMD）方法。基于相关系数和包络功率谱峭度构建用于衡量冲击故障成分的融合冲击指数（SII）,在其基础上构造优化目标函数,同时引入人工蜂群优化算法,实现滚动轴承故障振动特征的自适应提取。与现有方法相比,AVMD具有明确的参数选取依据,可以在噪声干扰下有效分离并提取出滚动轴承外圈和内圈故障振动特征,且能以较低的运算成本取得较为显着的故障特征提取结果。（4）针对随机冲击干扰和多个故障振动强弱不平衡情况下无法有效实现齿轮故障振动特征解调提取的问题,提出一种具有靶向特性的变尺度解调频带选取方法——对数包络自谱图法（LEASgram）。以对数包络、自相关函数和滑动平均过程为基础,提出用于齿轮故障信号解调的对数包络自谱,并构建用于量化不同尺度频带内故障特征成分的循环频率指数,从而提出一种用于变尺度解调频带选取的LEASgram方法。该方法可以解决传统盲识别谱图类解调频带选取方法在提取多个齿轮故障振动特征时容易出现误诊和漏诊的问题,能够削弱随机冲击和强故障循环平稳成分的干扰,实现多个齿轮故障振动特征的针对性提取。（5）针对齿轮微弱故障振动特征易受强循环平稳成分干扰的问题,提出一种基于改进自参考自适应噪声消除（MSANC）的齿轮故障振动特征增强与提取方法。通过引入基于可变收敛因子的自适应算法,结合人工蜂群优化算法以及基于信号谱正交性构造的优化目标函数,提出用于分离齿轮冲击故障振动成分和啮合振动成分的MSANC方法,可以克服传统方法需根据人为经验和多次反复试验选取参数而造成的盲目性和不确定性问题,能够极大地提高自适应噪声消除技术的可应用性和便捷性。根据MSANC的滤波特性,将其与快速谱相关和多点最优最小熵解卷积进行有机结合,提出一种齿轮故障振动特征增强与提取方法,从而在强循环平稳成分和随机冲击等干扰下,无需先验故障特征频率信息,实现齿轮故障振动特征的全局性提取。
杨旭辉[2]（2020）在《模型启发的图像去噪学习技术研究》文中研究表明图像去噪是图像处理里的一个基本问题,也在很多高级视觉任务中扮演了重要角色。图像去噪的目的是从受到噪声污染的图像中恢复出原始图像,是一个被广泛研究但很大程度上未被解决的问题。现阶段,大多数图像去噪方法是基于学习的方法,这些方法凭借优于传统方法的去噪效果吸引了很多研究注意力。但是这些方法也是存在问题的,因为它们是数据驱动形式的,很多时候会依赖于训练数据。如果训练数据不够,容易导致映射函数过拟合,如果训练数据存在偏置,函数拟合的边界可能会偏离真实的数据分布。尽管目前传统方法不太流行,但是传统方法,尤其是基于图像先验优化模型的传统方法,在其优化模型的求解过程中提供了一个在去噪过程中保护图像结构的良好先验。因此,本文通过挖掘这些先验知识,将它们应用到去噪学习的过程设计上,给学习的过程加上一定的正则化约束。这样的去噪方法能在一定程度上减少对数据的依赖性,更好地避免数据过拟合和克服数据偏置带来的影响。基于传统方法的去噪优化模型,受求解时展开成迭代过程形式的启发,我们结合数据驱动方法的优势做了深入的研究工作。提出了模型启发的图像去噪集成学习方法:（1）结合集成学习技术,提出了一种灵活的图像去噪集成框架。该方法通过聚合一组简单的元去噪器,组建成更强的图像集成去噪器。在我们的知识范围内,这是利用集成学习技术研究图像去噪问题的第一篇论文,不仅显示了集成学习在图像去噪中的潜力,而且提供了性能可靠的有效解决方案。（2）基于不同类型的图像先验,提出了两种类型的小波阈值化形式的元去噪器,并利用Gabor基函数构成了拟合能力较强的收缩函数,为设计基于其它图像先验的元去噪器提供了一些基本思路。提出了模型启发的图像去噪深度学习方法:（1）结合深度学习的强大学习能力,把传统方法的去噪优化过程网络化,构建了一个各网络模块具有较强解释性的图像去噪网络。同时,该方法也可以看成是集成学习去噪方法在深度学习方向上的延续和扩展,在公开的数据集上取得了国际领先的结果。（2）在该深度学习去噪方法中,根据一维滤波器与二维滤波器的关系,我们提出了方向卷积的概念。利用方向卷积,不仅能减少网络参数,还能在不采用非局部操作的情况下有效地保护图像中的边缘和纹理,为图像细节信息的保护提供了新思路。我们把所提出的方法在多个图像去噪常用数据集分别进行测试和实验对比,实验结果证实了本文方法的有效性。本文的研究工作对图像去噪的研究发展具有重要意义,也为图像去噪算法、理论开拓了思路。
王良瑞[3]（2020）在《核电厚壁管道全位置TIG焊熔透状态监测及视觉信息表征》文中指出随着焊接自动化与智能化水平不断提高,管道全位置自动焊被广泛应用于核电管道建设中,然而管道全位置焊接时由于装配误差、坡口加工精度及焊接热变形等因素影响,管道焊接质量难以保证。核电管道焊接质量要求高,背部焊道成型情况影响焊接接头质量,受制于技术水平及现场施工环境制约,管道内壁焊道成型情况难以直接观测。得益于视觉传感技术及人工智能技术的迅猛发展,本文针对管道焊接背部成型质量难以监测的问题,开展了核电管道内壁背面熔池及凝固焊道实时传感及信息处理等研究。本文基于核电主管道窄间隙TIG焊背面熔透情况实时监测的背景需求,开发了一整套管道内壁实时监测系统,包括随外部焊枪同步旋转的管道内壁行走机构,背面焊接熔池视觉传感器以及凝固焊道扫描传感系统,实现背面熔池及凝固焊道信息的实时采集与处理。首先,开展了核电管道全位置窄间隙脉冲TIG焊接工艺试验,采集全位置焊接背部熔池图像及凝固焊道轮廓数据。结合液态熔池受力情况,进行了不同焊接位置背部熔池形貌特征分析。其次,针对采集的背面凝固焊道轮廓点云数据,开发了轮廓特征点提取算法,可视化表征不同位置背面凝固焊道几何尺寸信息量。焊接前扫描仪扫描背面焊道装配情况,采用基于轮廓点X轴差值大小方法获取背面间隙和错边几何尺寸信息。焊接过程,采用基于焊道与母材基板差异开发焊道特征点提取算法实时获取凝固焊道轮廓几何特征尺寸信息。扫描结果处理表明,本文设计的凝固焊道特征提取算法精度较高,鲁棒性强,可准确表征背面凝固焊道几何特征信息。接着,采用高速CMOS相机实时获取核电管道全位置窄间隙脉冲TIG焊背面熔池图像信息。分析管道全位置焊接动态熔池图像不同位置的形貌特征,进一步开发了管道全位置焊接背面图像特征提取算法,利用大津法、混合高斯模型及卷积神经网络模型分割熔池区域,完成了背面熔池特征及几何尺寸信息处理和计算,并反馈至背面熔池实时监控主界面。最后,结合管道背部熔池图像及凝固焊道轮廓特征,讨论并分析了全位置焊接熔池受力情况,从机理层面分析了全位置管道焊接背面动态熔池形貌演化规律。结果表明,管道全位置窄间隙脉冲TIG焊的熔池重力是影响熔池形貌及尺寸的关键因素,背面凝固焊道成型取决于背面熔融金属累积量,全位置焊接时应注意克服重力影响,提高管道焊接质量。
董伟[4]（2018）在《基于轨旁振动信号的城轨列车扁疤故障检测》文中认为随着全国铁路提速,车辆故障率呈现上升趋势。为保障列车运营安全,及时高效地检测车轮扁疤具有重要的意义。论文以车轮扁疤作为研究对象,以多体动力学软件SIMPACK仿真为基础,从轮轨冲击力的角度分析了扁疤对轮轨的冲击危害,并确立了以振动加速度法来监测轮对扁疤程度。本文采用经验模态分解多尺度熵的对采集信号进行分析诊断,实现扁疤故障的检测。现场试验结果表明,该方法能有效检测出车轮扁疤故障。首先讨论了车轮扁疤的形成机理及其减缓措施。本文首先对车轮扁疤进行了详细分类并分别阐述了每种类型扁疤内在形成机理和外在影响因素,并针对如何减少车轮扁疤提出了相应的措施和建议,最后介绍了与车轮扁疤有关的车辆动力学性能指标。其次基于多体动力学软件对扁疤轮轨冲击仿真分析。首先介绍了车轮扁疤二维和三维的模型并利用SIMPACK搭建车辆-轨道耦合仿真模型,利用该模型分析了扁疤轮轨冲击作用。着重从扁疤数大小和扁疤新旧两个方面阐述了扁疤的轮轨冲击作用,发现车速、扁疤大小与轮轨冲击力并不是简单线性关系,因此不能作为振动检测的关键影响因素,并最终确定利用振动加速度来判断扁疤的有无和程度,为下一步故障信号分析与特征提取打下基础。然后研究了基于经验模态分解和多尺度熵结合的车轮扁疤诊断方法。鉴于多尺度熵在处理生物信号中的优势,将经验模态分解和多尺度熵结合并运用在扁疤故障检测上,并运用偏均值定量综合表示多尺度熵值。仿真分析结果表明基于经验模态分解和多尺度熵偏均值结合的方法能够有效区分不同长度的扁疤故障。最后设计了一套轮对轨旁振动检测系统并进行现场测试。根据系统设计需求,设计了一套轨旁振动检测系统和并着重介绍了系统的总体设计的硬件选型。通过对现场实测数据分析,本文提出的方法能够较好识别车轮扁疤故障,为实现地对车检测提供了新的解决方案。
李明[5]（2017）在《基于Stewart平台卫星主动隔振控制系统研究与设计》文中认为依据对卫星上微振动环境的了解,为了使精密光学设备在卫星在轨运行期间能稳定的工作,需要主动隔振系统为精密光学设备提供良好的运行环境。本文为精密领域的支撑设备的研究与开发,根据精密光学设备的工作需要,设计了主动隔振系统来抑制与隔离振动。根据卫星发射时的大冲击力和在轨运行期间的失重环境,使用立方体Stewart机构来隔离和抑制六自由度的振动。压电陶瓷作为执行器并使用柔性铰链作为连接件,既保证了大的轴向刚度,又有好的动态响应特性,同时为了保证位移输出设计了位移放大机构。以立方体构型Stewart机构作为控制对象,深入探究了多自由度振动控制的内在特性,对主动隔振系统的机械结构、运动学和动力学关系、多自由度控制策略和算法、信号的调理电路和软件系统分别进行了论述和说明,根据分析提出了以高性能微处理器为核心的嵌入式硬件系统和实时控制策略。完成了主动隔振控制系统的硬件和软件系统设计,硬件系统按功能分为主要分为主控制单元电路和信号调理电路,调理电路负责传感器信号的准确获取和执行器信号的稳定输出,主控制单元电路为软件实施提供平台。软件系统分为上位机和下位机软件,下位机软件负责算法和控制策略的具体实施,同时与上位机软件进行交互,保证数据的正常接收和发送;上位机软件则负责相关参数和指令的下发,提供良好的人机交互界面,使操作员可以较好的观测实时运行状态。搭建了单自由度实验平台并设计了多自由度隔振平台的样机,对样机和软硬件系统进行性能测试,验证了算法的可行性和平台的隔振性能。实验效果说明,控制手段有效,隔振效果良好。
董畅[6]（2017）在《基于EEMD和多尺度模糊熵的电机轴承故障特征提取方法研究》文中提出电机作为用电器和各种机械的动力源,广泛应用于各个领域。轴承是电机的核心部件,其运行状态直接决定着电机能否安全、高效地运行。由此可见对轴承进行故障诊断是非常必要的。故障诊断方法研究的关键是采用合适的信号分析方法去提取所采集的信号的典型特征,提取到的故障特征的好坏直接影响故障诊断的准确性和可靠性,因此,在故障诊断之前,应对特征提取方法进行深入研究。本文针对交流电机的滚动轴承故障,展开对故障特征提取方法的研究。首先,将经验模态分解（Empirical Mode Decomposition,EMD）和集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）与希尔伯特变换相结合（第一类方法）,对振动信号进行模态分解及包络谱分析,从而提取出故障信号的典型特征频率;然后,将EMD和EEMD分别与模糊熵相结合,提出了基于EMD和模糊熵的电机轴承故障特征提取方法以及基于EEMD和模糊熵的电机轴承故障特征提取方法,将两种提取方法得到的熵值作为特征向量输入支持向量机（Support Vector Machine,SVM）进行故障分类（第二类方法）,以验证方法的有效性。最后,将EMD和EEMD与多尺度模糊熵相结合提出了基于EMD和多尺度模糊熵的电机轴承故障特征提取方法以及基于EEMD和多尺度模糊熵的电机轴承故障特征提取方法,将两种提取方法得到的熵值作为特征向量输入SVM进行故障分类（第三类方法）,以验证方法的有效性。通过对实验结果的分析可知,第一类方法具有运算速度快,效果直观的特点,但不能有效判别轴承滚动体故障;第二类和第三类方法一定程度上解决了不能有效判别滚动体故障的问题,其中,基于EEMD和多尺度模糊熵的电机轴承故障特征提取方法的效果最好,对滚动轴承的内圈、外圈及滚动体故障的诊断准确率最高,表明了EEMD和多尺度模糊熵在处理非线性、非平稳信号方面的有效性和优越性。
张盼盼[7]（2016）在《基于电磁信号的接触器故障识别研究》文中研究表明接触器作为一种重要的低压电器设备,尤其在电力系统中的广泛使用奠定了接触器不可替代的位置。由于接触器在实际的使用过程中所处的工作环境比较恶劣导致故障频发,影响接触器的正常工作及使用寿命,并进一步影响到社会生产和人类生活。尤其是触头故障频发,因此,本文针对接触器触头部位的故障进行识别。传统接触器的故障识别主要依赖于人工定期检查,效率低、实时性差。本文从分析接触器电磁信号的角度识别不同故障类型,根据电磁信号特点,采用小波变换以及希尔伯特-黄进行特征提取,将仿真信号和实际信号结合验证方法的有效性。识别过程包括接触器电磁信号去噪,提取信号的特征向量,最后进行模式识别工作。本文的主要内容包括:（1）对接触器进行故障分类及电磁信号分析,包括对接触器分类及结构的说明介绍,对常见发生故障及处理方法进行总结,分析了接触器触头电弧的产生机理及接触器电磁信号的产生。（2）基于小波包对接触器电磁信号序列进行特征提取。首先采用小波包阈值去噪的方法进行噪声去除预处理,研究最重要的两步阈值与阈值函数选择对去噪效果的影响,对后者予以改进。提取信号的小波包能量距;计算基于小波的能量时频矩阵,并提取其奇异值作为接触器电磁信号的特征向量,作为后续识别的输入。（3）将希尔伯特-黄应用到接触器电磁信号提取特征向量。对分解过程中出现的模态混叠、端点效应进行抑制,以保证信号分解的有效性。提取信号的多域特征;将HHT和信息熵相结合,提取信号的IMF奇异谱熵、IMF能量谱熵、Hilbert空间熵组成特征向量。（4）应用最小二乘支持向量机（LSSVM）对故障进行分类,LSSVM引入最小二乘线性组合加快识别速度。对几种常见参数优化的方法对比实验,最终选用改进网格搜索法用于本文的识别。对前文中提取的特征向量分别应用LSSVM进行最终的识别工作。结果表明:基于HHT比基于小波的方法能够得到更好的分类效果。
顾欣欣[8]（2016）在《基于多模型的高速列车牵引系统多故障分离方法研究》文中指出随着世界高速列车的发展,我国也由全国铁路第六次提速后全面进入高速铁路时代。目前依据CRH系列“和谐号”动车组列车,我国已经建立起世界最大的高速列车铁路网,并以日承载量过百万人次的数量,雄踞世界高速铁路网之首。不仅如此,鉴于我国高速列车的快速壮大,我国高速列车也即将顺利走出国门,为世界高速铁路更好的服务。因此,保障高速列车的高效稳定的运行必然十分重要。而牵引系统作为高速列车的动力之源,其系统的稳定性、有效性、安全性的至关重要更不容忽视。本文针对高速列车牵引系统的故障诊断问题,特别是牵引系统多故障的检测与分离问题,设计了两种基于多模型的多故障检测与分离方案。结合异步多传感器融合估计,改进了所提出方案中的模型滤波算法。本文的具体工作如下:针对高速列车牵引系统的牵引变流器,分析了工作机理,建立了相关数学模型;并考虑了牵引电机作为牵引变流器的负载,以矢量控制的角度优化了牵引变流器的模型。针对高速列车牵引系统的牵引电机,论述了已有的相关数学模型,并对其作了一定简化。针对高速列车牵引系统的各个组成部分的常见故障作了详尽论述。基于已论述的高速列车牵引系统常见故障,建立多故障模型集。基于多模型的方法,设计了与各个故障模型匹配的观测器,能够生成广义残差集,实现牵引电机系统多故障的检测与定位隔离。同时还能够做到对系统干扰,以及系统建模不确定性的鲁棒性。在仿真中,以牵引电机定子绕组故障为考虑,并加入了实际的系统干扰,验证了所提基于多模型的高速列车牵引电机多故障分离方案的可行性,有效性。基于第一种基于多模型的多故障分离方案的缺陷,本文又提出了基于交互式多模型的多故障诊断方案;同时考虑了高速列车系统实际存在的传感器冗余的特征,引入了异步多传感器的融合估计,改进了所提方案中的模型滤波算法,同样能够实现系统多故障的检测与定位隔离。在仿真中,以牵引逆变器系统多元器件故障为考虑,验证了所提基于交互多模型的高速列车多故障分离方案的切实有效性,并以实际系统多发性的故障提高了论文的应用价值以及多故障诊断策略在实际应用中的有效性。
唐玉发[9]（2015）在《基于伸缩式舵机的小口径火箭弹简易修正关键技术研究》文中研究说明简易制导弹药是在常规弹药的基础上加装制导装置与修正执行机构,可有效减小常规弹药的射弹散布,提高毁伤效率,作战费效比低,是常规弹药制导化发展的重要方向。鸭式舵机作为制导弹药二维修正过程中关键的修正执行机构,可以实现对飞行弹道的连续修正,应用范围较广。制导弹药修正系统是综合运用弹药的姿态探测技术、实时弹道探测技术与执行机构控制技术相结合的弹道修正技术。采用身管发射的小口径简易制导弹药,其弹载制导修正系统必须满足低成本、体积小和抗高冲击性能等要求。本文以某小口径常规火箭弹为应用背景,在不改变其总体结构参数的前提下,利用伸缩式舵机作为其修正执行机构对其进行制导化相关技术研究,研究与二维简易制导相关的弹道修正技术,本文所做的主要工作与研究成果如下:比较常见制导方式的优缺点,选取方案制导作为基于伸缩式舵机的修正控制系统的主要制导体制,并对修正控制系统的工作特点进行分析,设计了基于伸缩式舵机的简易制导修正弹的总体布局,对伸缩式舵机总体优化设计、二维修正数学模型与飞行状态估计、气动特性的计算及二维修正控制策略仿真研究等关键技术进行了分析。分析了伸缩式舵机的工作原理,并对其输出扭矩特性进行优化,确定其最佳结构参数及最佳工作区间为45°～135°;为了使舵片所能提供的修正控制力最大化,选用翼形为前后缘削尖的矩形与平面形状为梯形的舵片外形,在修正弹气动布局方案确定的前提下利用遗传算法对舵片的外形参数进行了优化设计。为了验证伸缩式舵机的响应时间可以满足微旋火箭弹的制导化需求,对伸缩式舵机的运动特性进行了仿真研究。以某小口径火箭弹为研究对象,根据火箭弹外弹道学中建立弹箭运动方程所需的坐标系及转换关系,分别推导了无控飞行时作用在弹箭上的力与力矩及完整舵片产生的瞬时控制力及控制力矩。由于弹体微旋,需考虑弹体滚转过程中控制力对弹体的平均作用效果,推导舵片的脉冲平均控制力,图解分析控制力在不同滚转角度时的作用效果。结合无控火箭弹运动方程组与舵片产生的控制力与控制力矩,推导基于伸缩式舵机的有控火箭弹6DOF刚体运动方程组,并对6DOF模型进行适当的简化,分别用于后续方案弹道的获取及弹丸飞行状态的参数估计。在实弹飞行修正过程中为了减弱系统噪声对空间定位结果精度的影响,利用卡尔曼滤波对弹箭的飞行状态进行估计,位置误差可减小约70%,提高弹丸实时弹道探测的精度与适应性。选定通用性好、精度较高且计算速度快的气动力工程算法,对单独弹体、单独舵片、修正弹分别计算亚、跨、超音速范围内的诸气动力系数。利用Fluent软件对所研究的火箭弹原型、弹道修正火箭弹及单独舵片分别进行气动参数的数值仿真,利用数值仿真的结果分析验证工程算法的结果。在伸缩式舵机舵片的舵偏角为+8°的前提下,单独舵片在1.9马赫能提供约15N的升力值。基于双向转角电磁铁的控制技术研究一种适合小口径火箭弹简易制导二维修正的伸缩式鸭式舵机控制方案,解决了舵机与系统模块间的配合。伸缩式舵机能够实现二维修正的前提是弹载计算机能够感知弹体的滚转姿态。建立了三维地磁姿态探测的俯仰角与滚转角解算模型;对与修正控制策略相关的修正起始点的选择、舵机的单方向修正能力、伸缩式舵机启控角度的确定等方面进行了研究。采用数值仿真方法对航迹导引规律及修正精度进行了仿真分析,选取120度滞后角CEP可减小74%,修正精度均随滚转姿态角误差与实时弹道位置误差的增大而降低。根据修正控制系统特性与需求,设计了弹载控制电路,研制了简易制导修正控制系统原理样机,并开展了舵机修正能力验证的静态实验与风洞模拟动态试验。试验结果表明,采用的修正控制方案是可行的,弹载计算机能够控制舵机按既定偏差在合适的滚转角驱动舵片的伸出与收回,实现射程与方向上的二维修正,验证其在IMa～2Ma具备二维修正的能力;间接测量舵片在来流作用下所能提供的修正控制力,与数值仿真的计算结果相吻合。文中基于伸缩式舵机的小口径火箭弹简易制导修正控制系统设计方法、相关的理论模型、数值仿真技术及所采用的试验方法等研究成果为其他小口径常规弹药的制导化改造提供了设计参考与理论依据,为后续二维简易制导修正的深入研究奠定了理论与实验基础。
周雁冰[10]（2013）在《基于高阶统计量的齿轮传动系统故障特征提取方法研究》文中研究表明本文以齿轮传动系统故障振动信号为研究对象,在分析振动机理、故障模式基础上,从高斯性、非高斯性角度划分振动信号的各种成分,然后利用振动信号的双谱幅值提取到非高斯性强度、双谱熵这两类故障特征,最后讨论了新高阶统计量特征的优化与实用问题,主要研究成果如下：（1）通过研究齿轮传动系统主要零部件的失效模式、振动机理、故障表现,将振动信号划分为与故障部件有关的非高斯确定性成分、与故障部件无关的非高斯确定性成分、高斯随机成分、对称非高斯随机成分、非对称非高斯随机成分。当齿轮或轴承发生故障时,其振动信号中的确定性成分、随机成分会产生明显变化,于是信号的非高斯性也随之改变,尤其是因故障而增强的边带成分,它会导致信号的非高斯性、二次非线性增强,信号的双谱分析结果对此十分敏感。另外,双谱能抑制掉振动信号中的高斯随机成分、对称非高斯随机成分,保留非对称非高斯随机成分信息,这有利于降低噪声、非故障随机振动的干扰。（2）当齿轮传动系统发生故障时,振动信号的非高斯成分在双频域内的分布强度与形态均随之改变。基于双谱幅值信息,分别提取到量化描述振动信号非高斯成分强弱变化的非高斯性强度特征值,以及量化描述振动信号非高斯成分在双频域内分布形态变化的双谱熵特征值。按照双频域内的不同定义区间,共提取到六种特征值,分别是基于主定义域区间的NGIPD、HB-PD,基于任意二维区间part的NGIpart、HB-part,和基于多分区的NGIregion（k）、HB-region（k）。这些新的高阶统计量特征既保留了双谱分析的优点,而且弥补了双谱幅值切片等常规高阶统计量特征值的不足。不同定义区间的非高斯性强度、双谱熵特征值各有特点：NGIPD与HB-PD分别包含了双谱幅值的全部强度、分布形态信息,不含双谱对称冗余信息；当二维定义域区间part内包含有较丰富故障信息时,NGIpart与HB-part表征故障的能力较好,但需要人为观察并设定合适的双频域二维区间；振动信号的故障信息在双频域内分布不均,特征值NGIregion（k）、HB-region（k）在某些分区内故障特征提取效果较好,某些分区效果较差,这正体现了双频域分区特征值对双谱内容、故障信息具有较强的“聚焦能力"。（3）针对非高斯性强度、双谱熵特征值存在的不足,进行了特征压缩与信号滤波这两类故障特征优化。双谱分区特征值会产生高维特征空间,给实际应用造成麻烦,利用主分量分析、核函数主分量分析从线性及非线性角度进行特征压缩,可将绝大部分故障信息浓缩于低维主分量空间或低维核主分量空间,尤其在利用Fisher准则进行特征优选预处理后,新的主分量、核主分量特征值具有较高的故障区分能力。由于齿轮啮合频率及其谐波成分通常能量较强,且易受非故障因素影响,于是采用Gabor滤波与信号重构,在时频域空间精准滤除振动信号的啮合频率及其谐波成分,结果表明,重构信号的非高斯性强度特征对齿轮故障敏感程度提高,有利于后续故障诊断。另外,为研究新特征值在齿轮传动系统状态监测与故障报警中的使用方法与效果,以原始振动信号的HB-PD、Gabor滤波重构信号的NGIPD为例进行故障特征趋势分析,并根据“3σ准则”设定故障阈值,不论报警时间还是诊断准确率,都取得理想效果,为工程实际应用提供了新思路与新方法。
二、抑制大块分离物冲击力的一种自适应滤波方法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、抑制大块分离物冲击力的一种自适应滤波方法（论文提纲范文）
（1）齿轮箱关键部件故障振动特征提取与分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于振动信号处理技术的故障特征提取方法概述 |
| 1.2.2 自适应信号分解在故障特征提取中的研究现状 |
| 1.2.3 信号解调分析在故障特征提取中的研究现状 |
| 1.2.4 自适应噪声消除在故障特征提取中的研究现状 |
| 1.3 主要研究内容 |
| 1.3.1 拟解决的关键问题 |
| 1.3.2 主要研究内容及章节安排 |
| 第2章 齿轮与滚动轴承的振动机理与故障特征分析 |
| 2.1 引言 |
| 2.2 齿轮啮合振动的产生机理 |
| 2.3 齿轮故障振动建模与特征分析 |
| 2.3.1 齿轮的典型故障形式 |
| 2.3.2 齿轮故障振动的数学模型与振动信号特征分析 |
| 2.4 滚动轴承的振动产生机理 |
| 2.5 滚动轴承的局部冲击故障振动建模与特征分析 |
| 2.5.1 滚动轴承的典型故障形式 |
| 2.5.2 滚动轴承的典型故障振动信号特征 |
| 2.5.3 滚动轴承局部冲击故障振动的数学模型 |
| 2.6 本章小结 |
| 第3章 齿轮箱故障试验系统设计及试验条件 |
| 3.1 引言 |
| 3.2 齿轮箱故障试验系统设计 |
| 3.2.1 试验台架搭建 |
| 3.2.2 振动数据采集系统 |
| 3.3 齿轮箱故障试验条件 |
| 3.3.1 齿轮故障设置 |
| 3.3.2 测点布置与试验工况 |
| 3.4 现有齿轮与滚动轴承故障试验台 |
| 3.4.1 CWRU滚动轴承故障模拟试验台 |
| 3.4.2 XJTU-SY滚动轴承加速寿命试验台 |
| 3.4.3 QPZZ-Ⅱ齿轮故障模拟试验台 |
| 3.5 本章小结 |
| 第4章 滚动轴承故障振动信号自适应分解与特征提取 |
| 4.1 引言 |
| 4.2 变分模态分解的基本原理 |
| 4.2.1 模态的定义 |
| 4.2.2 变分模态分解的实现过程 |
| 4.2.3 变分模态分解的主要影响参数及局限性 |
| 4.3 基于参数自适应优化选取的变分模态分解(AVMD)方法 |
| 4.3.1 人工蜂群优化算法概述 |
| 4.3.2 冲击故障衡量指标——融合冲击指数(SII) |
| 4.3.3 基于AVMD的滚动轴承故障振动特征提取方法 |
| 4.4 滚动轴承故障仿真验证 |
| 4.4.1 滚动轴承局部冲击故障振动信号模型 |
| 4.4.2 AVMD与现有方法的对比分析 |
| 4.5 滚动轴承故障试验验证 |
| 4.5.1 滚动轴承故障模拟试验验证 |
| 4.5.2 滚动轴承加速寿命试验验证 |
| 4.6 本章小结 |
| 第5章 基于变尺度解调的齿轮故障振动特征靶向提取与分析 |
| 5.1 引言 |
| 5.2 盲识别谱图类解调频带选取方法的基本原理与局限性 |
| 5.2.1 盲识别谱图类解调频带选取方法的基本原理 |
| 5.2.2 盲识别谱图类解调频带选取方法的局限性 |
| 5.3 具有靶向特性的变尺度解调频带选取方法——对数包络自谱图法(LEASgram) |
| 5.3.1 LEASgram的基本原理 |
| 5.3.2 LEASgram的实现步骤 |
| 5.4 齿轮故障仿真验证 |
| 5.4.1 齿轮故障振动信号模型 |
| 5.4.2 相同共振频率激励的齿轮故障仿真验证 |
| 5.4.3 不同共振频率激励的齿轮故障仿真验证 |
| 5.5 齿轮箱齿轮故障试验验证 |
| 5.5.1 单级齿轮箱齿轮故障试验验证 |
| 5.5.2 二级齿轮箱齿轮故障试验验证 |
| 5.6 本章小结 |
| 第6章 强循环平稳成分干扰下齿轮故障振动特征增强与提取 |
| 6.1 引言 |
| 6.2 自参考自适应噪声消除 |
| 6.2.1 自参考自适应噪声消除原理概述 |
| 6.2.2 最小均方算法 |
| 6.2.3 归一化最小均方算法 |
| 6.3 改进自参考自适应噪声消除(MSANC) |
| 6.3.1 收敛因子的选取 |
| 6.3.2 滤波器长度和时延长度的选取 |
| 6.3.3 MSANC的实现步骤小结 |
| 6.3.4 MSANC与现有方法的有效性对比 |
| 6.4 基于MSANC的齿轮故障振动特征增强与提取方法 |
| 6.4.1 快速谱相关 |
| 6.4.2 多点最优最小熵解卷积 |
| 6.4.3 基于MSANC的齿轮故障振动特征增强与提取方法的实现步骤 |
| 6.5 齿根裂纹故障仿真验证 |
| 6.5.1 含齿根裂纹故障的二级齿轮啮合动力学模型 |
| 6.5.2 仿真验证结果分析 |
| 6.6 二级齿轮箱齿轮故障试验验证 |
| 6.6.1 齿轮齿根裂纹故障试验验证 |
| 6.6.2 齿轮齿根裂纹和齿面剥落故障试验验证 |
| 6.7 本章小结 |
| 第7章 总结与展望 |
| 7.1 工作总结与结论 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间所取得的科研成果 |
| 致谢 |
（2）模型启发的图像去噪学习技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 图像滤波 |
| 1.2.2 变分模型 |
| 1.2.3 稀疏表示 |
| 1.2.4 低秩近似 |
| 1.2.5 先验学习 |
| 1.2.6 深度学习 |
| 1.3 研究内容与意义 |
| 1.4 本文结构安排 |
| 第二章 相关理论与技术 |
| 2.1 小波变换 |
| 2.1.1 频率分析 |
| 2.1.2 时频分析 |
| 2.1.3 小波收缩方法 |
| 2.1.4 收缩函数 |
| 2.2 集成学习 |
| 2.2.1 基本概念 |
| 2.2.2 集成方法 |
| 2.3 神经网络 |
| 2.3.1 神经元 |
| 2.3.2 三大要素 |
| 2.3.3 优化算法 |
| 2.3.4 优化挑战 |
| 2.4 本章总结 |
| 第三章 模型启发的图像去噪集成学习方法 |
| 3.1 引言 |
| 3.2 动机和理由 |
| 3.3 相关工作 |
| 3.4 集成学习去噪方法 |
| 3.4.1 去噪框架 |
| 3.4.2 元去噪器 |
| 3.4.3 集成结构 |
| 3.4.4 参数学习 |
| 3.4.5 重采样 |
| 3.5 实验内容 |
| 3.5.1 实验设置 |
| 3.5.2 性能评估 |
| 3.5.3 参数影响分析 |
| 3.5.4 其它实验观测 |
| 3.6 本章小结 |
| 第四章 模型启发的图像去噪深度学习方法 |
| 4.1 引言 |
| 4.1.1 动机 |
| 4.1.2 基本思想 |
| 4.2 相关工作 |
| 4.3 网络设计 |
| 4.3.1 主干结构 |
| 4.3.2 方向卷积 |
| 4.3.3 Inception模块 |
| 4.3.4 阶段式连接 |
| 4.3.5 结构细节 |
| 4.4 实验内容 |
| 4.4.1 实验设置 |
| 4.4.2 消融实验 |
| 4.4.3 对比实验 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（3）核电厚壁管道全位置TIG焊熔透状态监测及视觉信息表征（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 管道自动焊研究现状 |
| 1.3 管道自动焊熔池监控 |
| 1.3.1 管道正面熔池监控 |
| 1.3.2 管道背面熔池监控 |
| 1.4 焊道成形监控 |
| 1.5 本文研究意义 |
| 1.6 研究内容 |
| 第二章 核电厚壁管全位置焊接成形视觉监测系统 |
| 2.1 核电厚壁管全位置窄间隙焊接系统 |
| 2.1.1 核电厚壁管全位置窄间隙脉冲TIG焊接系统 |
| 2.1.2 管道内壁行走机构 |
| 2.1.3 内壁传感系统 |
| 2.2 焊接过程视觉监测软件系统 |
| 2.2.1 监控软件架构 |
| 2.2.2 软件界面显示 |
| 2.2.3 参数设置/焊前预扫描 |
| 2.2.4 熔池图像/焊道轮廓传感 |
| 2.2.5 熔池图像/焊道轮廓特征提取 |
| 2.2.6 运行界面 |
| 2.3 本章小结 |
| 第三章 核电厚壁管全位置窄间隙脉冲TIG焊工艺试验 |
| 3.1 核电厚壁管窄间隙脉冲TIG焊工艺 |
| 3.2 核电厚壁管焊接工艺参数采集 |
| 3.3 视觉传感标定 |
| 3.4 核电厚壁管背面熔池图像采集 |
| 3.5 核电厚壁管背面焊缝轮廓采集 |
| 3.6 本章小结 |
| 第四章 核电厚壁管窄间隙TIG焊背面焊道轮廓处理 |
| 4.1 坡口预扫描 |
| 4.2 间隙错边提取算法 |
| 4.2.1 异常点剔除 |
| 4.2.2 平滑滤波 |
| 4.2.3 左右平板拟合 |
| 4.2.4 间隙特征点定位 |
| 4.2.5 坡口错边间隙结果 |
| 4.3 背面焊道特征提取 |
| 4.3.1 点云预处理 |
| 4.3.2 余高点定位 |
| 4.3.3 熔宽点定位 |
| 4.3.4 凝固焊道特征结果 |
| 4.4 本章小结 |
| 第五章 核电厚壁管窄间隙TIG焊背面熔池处理 |
| 5.1 背面焊接熔池图像处理流程 |
| 5.2 图像滤波处理 |
| 5.2.1 均值滤波 |
| 5.2.2 高斯滤波 |
| 5.2.3 中值滤波 |
| 5.2.4 滤波小节 |
| 5.3 熔池图像分割 |
| 5.3.1 大津法 |
| 5.3.2 高斯混合模型 |
| 5.3.3 U-Net神经网络模型 |
| 5.3.4 图像分割小结 |
| 5.4 焊接图像伪边缘去除 |
| 5.5 焊接熔池边缘拟合 |
| 5.6 厚壁管道全位置焊接熔池图像处理结果 |
| 5.7 本章小结 |
| 第六章 核电厚壁管窄间隙TIG焊接熔池受力分析 |
| 6.1 平焊熔池作用力分析 |
| 6.2 不同焊接位置熔池受力特点 |
| 6.3 熔池形态分析 |
| 6.4 本章小结 |
| 第七章 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的学术成果 |
（4）基于轨旁振动信号的城轨列车扁疤故障检测（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.3 研究现状 |
| 1.3.1 车辆多体动力学及其仿真研究现状及发展 |
| 1.3.2 车轮扁疤理论、数值模拟研究的现状 |
| 1.3.3 踏面缺陷的检测方法 |
| 1.4 论文章节安排及研究内容 |
| 2 踏面扁疤概述 |
| 2.1 踏面扁疤故障 |
| 2.1.1 车轮损伤分类 |
| 2.1.2 扁疤成形机理 |
| 2.1.3 扁疤形成的外界因素 |
| 2.1.4 减缓扁疤措施 |
| 2.2 车辆运行的动力学评价指标 |
| 2.2.1 车辆运行平稳性及其评价指标 |
| 2.2.2 轮轨冲击评价指标 |
| 2.3 本章小结 |
| 3 扁疤轮轨冲击力学分析 |
| 3.1 扁疤冲击机理 |
| 3.1.1 扁疤冲击模型 |
| 3.1.2 扁疤冲击速度 |
| 3.1.3 扁疤冲击能量 |
| 3.2 车辆-轨道动力学模型 |
| 3.2.1 多体动力学软件SIMPACK |
| 3.2.2 车辆-轨道多体动力学建模 |
| 3.3 扁疤轮轨冲击力学分析 |
| 3.3.1 车速、扁疤尺寸的轮轨冲击力学分析 |
| 3.3.2 新、旧扁疤的轮轨冲击力学分析 |
| 3.4 本章小结 |
| 4 基于EMD多尺度熵扁疤车轮识别 |
| 4.1 振动信号处理方法概述 |
| 4.1.1 信号时域和频域处理方法 |
| 4.1.2 信号时频域处理方法 |
| 4.2 多尺度熵 |
| 4.2.1 近似熵理论 |
| 4.2.2 样本熵理论 |
| 4.2.3 多尺度熵及多尺度熵偏均值理论 |
| 4.3 基于EMD多尺度熵扁疤车轮识别 |
| 4.3.1 踏面扁疤故障的信号特征 |
| 4.3.2 振动信号多尺度熵分析 |
| 4.3.3 基于EMD多尺度熵偏均值的分析 |
| 4.4 本章小结 |
| 5 基于EMD多尺度熵的轮对轨旁检测系统 |
| 5.1 系统总体概述 |
| 5.1.1 系统功能介绍 |
| 5.1.2 系统总体框架 |
| 5.1.3 系统工作过程 |
| 5.2 系统硬件平台设计 |
| 5.2.1 硬件选型 |
| 5.2.2 硬件设备安装 |
| 5.3 现场实测数据分析 |
| 5.3.1 算法流程 |
| 5.3.2 实测数据分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
（5）基于Stewart平台卫星主动隔振控制系统研究与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题的来源 |
| 1.2 课题的背景及意义 |
| 1.3 国内外研究概况 |
| 1.4 论文的主要研究内容 |
| 2 主动隔振系统建模与控制分析 |
| 2.1 主动隔振系统机械结构 |
| 2.2 Stewart机构的运动学及动力学分析 |
| 2.3 振动主动控制系统控制理论分析与算法研究 |
| 2.4 微振动主动控制系统整机方案 |
| 2.5 本章小结 |
| 3 主动隔振系统控制器硬件设计 |
| 3.1 控制器需求分析 |
| 3.2 传感器-执行器对信号调理 |
| 3.3 主控制单元电路设计 |
| 3.4 本章小结 |
| 4 主动隔振系统控制器软件设计 |
| 4.1 振动主动控制系统需求分析 |
| 4.2 下位机软件设计 |
| 4.3 上位机软件设计 |
| 4.4 本章小结 |
| 5 测试与分析 |
| 5.1 测试系统搭建和说明 |
| 5.2 单自由度测试 |
| 5.3 Stewart机构整体隔振测试 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 课题展望 |
| 致谢 |
| 参考文献 |
（6）基于EEMD和多尺度模糊熵的电机轴承故障特征提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电机轴承故障诊断方法 |
| 1.2.2 电机轴承故障特征提取方法研究现状 |
| 1.3 论文的主要工作及内容 |
| 本章小结 |
| 第二章 电机轴承故障类型及诊断模型 |
| 2.1 轴承的典型结构 |
| 2.2 轴承的故障类型 |
| 2.3 电机轴承故障诊断模型 |
| 2.4 电机轴承故障特征提取 |
| 2.4.1 电机轴承故障特征频率的计算 |
| 2.4.2 电机轴承故障特征提取的思想 |
| 2.5 滚动轴承实验平台 |
| 本章小结 |
| 第三章 电机轴承故障振动信号的分析 |
| 3.1 经验模态分解 |
| 3.1.1 经验模态分解方法 |
| 3.1.2 经验模态分解方法的特点 |
| 3.1.3 基于经验模态分解的电机轴承故障振动信号分析 |
| 3.2 集合经验模态分解 |
| 3.2.1 集合经验模态分解方法 |
| 3.2.2 集合经验模态分解方法的特点 |
| 3.2.3 基于集合经验模态分解的电机轴承故障振动信号分析 |
| 3.3 有效模态的选取 |
| 3.3.1 时域下的有效模态选取 |
| 3.3.2 频域下的有效模态选取 |
| 3.4 基于EMD、EEMD和Hilbert变换的故障特征分析 |
| 3.4.1 Hilbert变换 |
| 3.4.2 电机轴承故障特征频率的提取和分析 |
| 本章小结 |
| 第四章 基于多尺度模糊熵的电机轴承故障特征提取 |
| 4.1 多尺度模糊熵 |
| 4.1.1 熵 |
| 4.1.2 样本熵 |
| 4.1.3 模糊熵 |
| 4.1.4 多尺度熵 |
| 4.1.5 多尺度模糊熵 |
| 4.2 基于EMD和模糊熵的故障特征提取方法 |
| 4.3 基于EMD和多尺度模糊熵的故障特征提取方法 |
| 4.4 基于EEMD和模糊熵的故障特征提取方法 |
| 4.5 基于EEMD和多尺度模糊熵的故障特征提取方法 |
| 本章小结 |
| 第五章 故障特征提取方法的有效性分析 |
| 5.1 基于支持向量机的多故障分类器 |
| 5.2 故障分类结果 |
| 5.2.1 基于模糊熵和SVM的故障分类结果 |
| 5.2.2 基于多尺度模糊熵和SVM的故障分类结果 |
| 5.3 实验结果的比较分析 |
| 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 攻读硕士期间参加的科研项目 |
| 致谢 |
（7）基于电磁信号的接触器故障识别研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要研究内容 |
| 2 接触器故障及电磁信号分析 |
| 2.1 接触器的理论基础 |
| 2.2 接触器故障分类 |
| 2.3 接触器电弧及电磁信号分析 |
| 2.4 本章小结 |
| 3 基于小波分析的接触器电磁信号去噪处理与特征提取 |
| 3.1 小波变换 |
| 3.2 基于小波包多阈值的接触器电磁信号去噪 |
| 3.3 基于小波包分析的接触器电磁信号特征提取 |
| 3.4 接触器电磁信号的小波奇异值分析 |
| 3.5 本章小结 |
| 4 基于HHT的接触器电磁信号特征提取 |
| 4.1 希尔伯特-黄变换理论基础 |
| 4.2 HHT的改进 |
| 4.3 基于多域特征的接触器电磁信号特征提取 |
| 4.4 基于HHT信息熵的接触器电磁信号特征提取 |
| 4.5 本章小结 |
| 5 基于支持向量机的接触器故障识别 |
| 5.1 支持向量机的理论介绍 |
| 5.2 最小二乘支持向量机算法理论 |
| 5.3 LSSVM参数优化 |
| 5.4 基于LSSVM的接触器电磁信号故障识别 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文所做工作 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（8）基于多模型的高速列车牵引系统多故障分离方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高速列车发展现状 |
| 1.2.2 故障诊断研究现状 |
| 1.2.3 多故障检测与分离研究现状 |
| 1.3 论文主要内容和组织结构 |
| 第二章 CRH2型高速列车牵引系统 |
| 2.1 高速列车牵引系统概述 |
| 2.1.1 牵引传动系统能量变换及传递 |
| 2.1.2 列车编组及牵引系统的布置 |
| 2.1.3 列车牵引系统特点 |
| 2.2 牵引变流器系统 |
| 2.2.1 脉冲整流器 |
| 2.2.2 牵引逆变器 |
| 2.3 牵引电机系统 |
| 2.4 本章小结 |
| 第三章 高速列车牵引系统建模 |
| 3.1 引言 |
| 3.2 牵引变流器建模及故障分析 |
| 3.2.1 脉冲整流器模型的建立 |
| 3.2.2 三电平牵引逆变器模型的建立 |
| 3.2.3 三电平牵引逆变器模型优化 |
| 3.2.4 牵引变流器故障分析 |
| 3.3 牵引电机模型及故障分析 |
| 3.3.1 牵引电机系统模型 |
| 3.3.2 牵引电机故障分析 |
| 3.4 本章小结 |
| 第四章 基于多模型的多故障分离方法 |
| 4.1 引言 |
| 4.2 牵引电机定子多故障隔离 |
| 4.2.1 问题描述 |
| 4.2.2 故障模型集建立 |
| 4.2.3 匹配观测器设计 |
| 4.2.4 逻辑控制器设计 |
| 4.3 仿真结果与分析 |
| 4.3.1 牵引电机系统仿真环境 |
| 4.3.2 仿真结果 |
| 4.4 本章小结 |
| 第五章 基于交互式多模型的多故障分离方法 |
| 5.1 引言 |
| 5.2 基于交互式多模型估计的故障诊断算法 |
| 5.2.1 问题描述 |
| 5.2.2 交互式多模型故障诊断算法周期 |
| 5.3 异步多传感器融合状态估计 |
| 5.3.1 异步多传感器观测 |
| 5.3.2 异步传感器融合估计的交互式多模型故障诊断算法 |
| 5.4 牵引逆变器IGBT开路故障隔离 |
| 5.4.1 故障模型集建立 |
| 5.4.2 系统参数设计 |
| 5.5 仿真结果与分析 |
| 5.5.1 牵引逆变器系统仿真环境 |
| 5.5.2 仿真结果 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结及创新点 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（9）基于伸缩式舵机的小口径火箭弹简易修正关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 制导火箭弹国内外研究现状 |
| 1.3 简易制导火箭弹相关技术研究现状 |
| 1.3.1 弹道修正执行机构研究现状 |
| 1.3.2 弹丸姿态探测技术研究现状 |
| 1.3.3 气动参数设计方法研究现状 |
| 1.4 本文主要内容及行文结构 |
| 2 简易修正火箭弹系统分析及设计 |
| 2.1 基于伸缩式舵机的简易修正控制系统工作特性分析 |
| 2.1.1 修正控制系统制导方式的选取 |
| 2.1.2 修正控制系统的工作特点分析 |
| 2.2 基于伸缩式舵机的简易修正控制系统组成及工作原理 |
| 2.2.1 简易修正火箭弹总体布局设计 |
| 2.2.2 简易修正控制系统组成 |
| 2.2.3 简易修正控制系统工作原理 |
| 2.3 简易修正控制系统关键技术分析 |
| 2.3.1 伸缩式电磁舵机总体优化与设计 |
| 2.3.2 基于伸缩式舵机的二维修正数学模型及飞行状态估计 |
| 2.3.3 简易修正火箭弹气动特性计算与仿真分析 |
| 2.3.4 基于伸缩式舵机的二维修正控制策略研究 |
| 2.4 本章小结 |
| 3 伸缩式电磁舵机总体优化与设计 |
| 3.1 伸缩式电磁舵机的结构分析 |
| 3.2 基于双向转角电磁铁的伸缩式舵机优化设计 |
| 3.2.1 双向转角电磁铁的工作原理 |
| 3.2.2 双向转角电磁铁结构参数优化设计 |
| 3.2.3 双向转角电磁铁输出特性仿真分析 |
| 3.2.4 双向转角电磁铁最佳工作区间的确定 |
| 3.3 舵片外形参数优化设计 |
| 3.3.1 舵片外形初选 |
| 3.3.2 优化设计的目标函数 |
| 3.3.3 优化设计的约束条件 |
| 3.3.4 舵片外形参数最优解 |
| 3.4 伸缩式电磁舵机运动特性仿真分析 |
| 3.4.1 舵机模型建立与仿真环境设置 |
| 3.4.2 运动特性仿真结果及分析 |
| 3.4.3 舵片伸出与收回时间差异分析 |
| 3.5 本章小结 |
| 4 基于伸缩式舵机的二维修正数学模型与飞行状态估计 |
| 4.1 坐标系及坐标转换 |
| 4.1.1 所需坐标系 |
| 4.1.2 各坐标系间的转换关系 |
| 4.2 无控飞行时的弹箭运动方程组 |
| 4.2.1 弹箭质心运动学方程 |
| 4.2.2 弹箭绕心运动学方程 |
| 4.2.3 无控飞行时作用在弹箭上的力与力矩 |
| 4.3 有控飞行时的控制力与控制力矩 |
| 4.3.1 完整舵片的瞬时控制力 |
| 4.3.2 完整舵片的瞬时控制力矩 |
| 4.3.3 弹体微旋时舵片的脉冲平均控制力 |
| 4.3.4 舵片产生的修正控制力图解分析 |
| 4.4 火箭弹6自由度刚体运动方程组 |
| 4.5 简化的弹道模型 |
| 4.6 实时飞行状态估计 |
| 4.6.1 GPS定位原理 |
| 4.6.2 弹道滤波的作用 |
| 4.6.3 卡尔曼滤波模型 |
| 4.6.4 弹箭飞行状态估计 |
| 4.6.5 滤波参数的确定 |
| 4.6.6 算法仿真与分析 |
| 4.7 本章小结 |
| 5 简易修正火箭弹气动特性计算与仿真分析 |
| 5.1 气动特性计算方法概述 |
| 5.2 气动特性工程计算数学模型 |
| 5.2.1 单独弹体空气动力特性计算模型 |
| 5.2.2 单独舵片空气动力特性计算模型 |
| 5.2.3 气动参数估算 |
| 5.3 气动特性数值仿真分析 |
| 5.3.1 数值计算方法 |
| 5.3.2 无舵时火箭弹外流场仿真 |
| 5.3.3 有舵时火箭弹外流场仿真 |
| 5.3.4 单独舵片的外流场仿真 |
| 5.4 本章小结 |
| 6 基于伸缩式舵机的二维修正控制策略仿真研究 |
| 6.1 弹丸姿态探测技术 |
| 6.2 二维修正起始点的选择 |
| 6.3 随机弹道的生成方法 |
| 6.4 伸缩式舵机单方向修正能力研究 |
| 6.5 伸缩式舵机启控角度的确定 |
| 6.5.1 弹丸转速与启控角度的匹配 |
| 6.5.2 舵机修正角度与启控角度的匹配 |
| 6.6 简易修正火箭弹导引规律及修正精度仿真研究 |
| 6.6.1 舵机修正角度对修正精度的影响 |
| 6.6.2 滚转姿态角误差对修正精度的影响 |
| 6.6.3 实时弹道探测精度对修正精度的影响 |
| 6.7 本章小结 |
| 7 简易修正火箭弹原理样机及实验 |
| 7.1 原理样机的设计制作 |
| 7.1.1 控制电路总体方案设计 |
| 7.1.2 主控芯片选型 |
| 7.1.3 电源模块设计 |
| 7.1.4 修正力采集模块电路设计 |
| 7.1.5 姿态探测模块设计 |
| 7.1.6 舵机执行模块电路设计 |
| 7.1.7 舵片测时模块电路设计 |
| 7.1.8 弹载存储电路与加速度测量模块设计 |
| 7.1.9 原理样机 |
| 7.2 静态无风实验 |
| 7.2.1 舵机响应时间测量静态实验 |
| 7.2.2 二维修正能力验证静态实验 |
| 7.2.3 压力测量静态实验 |
| 7.3 风洞动态试验 |
| 7.3.1 舵机响应时间测量动态试验 |
| 7.3.2 舵机二维修正能力验证动态试验 |
| 7.3.3 修正力测量动态试验 |
| 7.4 本章小结 |
| 8 总结与展望 |
| 8.1 本文主要研究工作 |
| 8.2 重要结论 |
| 8.3 本文创新点 |
| 8.4 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）基于高阶统计量的齿轮传动系统故障特征提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究动态 |
| 1.2.1 齿轮传动系统故障诊断研究现状 |
| 1.2.2 高阶统计分析研究现状 |
| 1.3 本文主要研究工作 |
| 1.3.1 主要研究内容 |
| 1.3.2 章节安排 |
| 第2章 齿轮传动系统的故障特征提取典型方法 |
| 2.1 齿轮传动系统常见失效形式 |
| 2.1.1 齿轮传动系统构成 |
| 2.1.2 齿轮常见失效形式 |
| 2.1.3 滚动轴承常见失效形式 |
| 2.2 齿轮传动系统的振动机理与故障表现 |
| 2.2.1 齿轮的振动机理与故障表现 |
| 2.2.2 滚动轴承的振动机理与故障表现 |
| 2.2.3 齿轮传动系统振动信号的基本组成 |
| 2.3 振动信号的经典分析方法 |
| 2.3.1 时域分析方法 |
| 2.3.2 频域分析方法 |
| 2.4 齿轮传动系统振动信号的经典分析实际案例 |
| 2.4.1 案例一：齿轮局部点蚀故障与分布点蚀故障 |
| 2.4.2 案例二：齿轮裂纹故障 |
| 2.4.3 案例三：齿轮点蚀故障 |
| 2.4.4 案例四：风电机组齿轮箱点蚀故障 |
| 2.5 本章小结 |
| 第3章 齿轮传动系统振动信号的高阶统计特性分析 |
| 3.1 高阶统计分析理论 |
| 3.1.1 高阶矩与高阶累积量 |
| 3.1.2 高阶累积量的性质 |
| 3.1.3 双谱 |
| 3.1.4 其它高阶谱分析方法 |
| 3.2 齿轮传动系统振动信号的非高斯性分解 |
| 3.3 基于双谱非高斯性分析的仿真案例 |
| 3.3.1 确定性信号的双谱分析 |
| 3.3.2 随机信号的双谱分析 |
| 3.4 基于双谱分析的基本故障特征提取实际案例 |
| 3.5 本章小结 |
| 第4章 基于双谱非高斯特性的故障特征提取方法 |
| 4.1 双谱幅值的非高斯特性信息 |
| 4.2 基于非高斯性强度的特征提取方法 |
| 4.3 基于双谱熵的特征提取方法 |
| 4.3.1 熵的基本理论 |
| 4.3.2 信号的能量熵 |
| 4.3.3 双谱熵的定义及特征提取方法 |
| 4.4 实例分析 |
| 4.4.1 双频域主定义域内的特征提取 |
| 4.4.2 双频域分区的特征提取 |
| 4.4.3 双频域任意区间part的特征提取 |
| 4.4.4 计算双谱估计时分段长度对特征提取结果的影响 |
| 4.5 本章小结 |
| 第5章 故障特征优化与趋势分析 |
| 5.1 基于特征压缩的故障特征优化方法 |
| 5.1.1 基于主分量分析的特征压缩 |
| 5.1.2 基于核主分量分析的特征压缩 |
| 5.1.3 基于Fisher准则的特征优选 |
| 5.1.4 实例分析 |
| 5.2 基于信号滤波的故障特征优化方法 |
| 5.2.1 Gabor滤波与信号重构 |
| 5.2.2 实例分析 |
| 5.3 故障特征趋势分析和阈值设定 |
| 5.3.1 基于“3σ准则”的故障特征阈值设定 |
| 5.3.2 实例分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
| 附录 |
| 附录1 案例一 (齿轮局部点蚀故障与分布点蚀故障)各组试验振动信号的时域波形、功率谱与双谱三维图 |
| 附录2 案例二 (齿轮裂纹故障)双谱幅值二维等高线图 |
| 附录3 案例三 (齿轮点蚀故障)双谱幅值二维等高线图 |
| 附录4 案例四 (风电机组齿轮箱点蚀故障)双谱幅值二维等高线图 |
四、抑制大块分离物冲击力的一种自适应滤波方法（论文参考文献）
- [1]齿轮箱关键部件故障振动特征提取与分析[D]. 赫修智. 吉林大学, 2021(01)
- [2]模型启发的图像去噪学习技术研究[D]. 杨旭辉. 华南理工大学, 2020(01)
- [3]核电厚壁管道全位置TIG焊熔透状态监测及视觉信息表征[D]. 王良瑞. 上海交通大学, 2020(09)
- [4]基于轨旁振动信号的城轨列车扁疤故障检测[D]. 董伟. 南京理工大学, 2018(03)
- [5]基于Stewart平台卫星主动隔振控制系统研究与设计[D]. 李明. 华中科技大学, 2017(03)
- [6]基于EEMD和多尺度模糊熵的电机轴承故障特征提取方法研究[D]. 董畅. 大连交通大学, 2017(12)
- [7]基于电磁信号的接触器故障识别研究[D]. 张盼盼. 中国矿业大学, 2016(02)
- [8]基于多模型的高速列车牵引系统多故障分离方法研究[D]. 顾欣欣. 南京航空航天大学, 2016(03)
- [9]基于伸缩式舵机的小口径火箭弹简易修正关键技术研究[D]. 唐玉发. 南京理工大学, 2015(06)
- [10]基于高阶统计量的齿轮传动系统故障特征提取方法研究[D]. 周雁冰. 华北电力大学, 2013(02)