基于LabVIEW和声卡的音频信号采集与分析系统设计

详细介绍了系统的开发背景,软件结构和特点,系统地分析了数据采集硬件和软件设计技术,在此基础上以声卡为数据采集卡,以LabVIEW为开发平台设计了音频信号采集与分析系统。这种系统具有界面友好,维护简单等优点。系统不但可以实现对音频信号进行采集,还可以对采集的信号进行分析和保存。可以根据需要改变系统的功能,具有很好的教学实...     

基于听觉特性的音频水印能量估计及自适应嵌入算法研究

基于水印能量对提高水印鲁棒性的重要作用,提出了音频水印载体可以嵌入最大水印能量的估计方法。该方法利用了听觉掩蔽特性及MPEG-2听觉模型,计算音频载体在变换域下每帧数据可以嵌入的水印能量,进而估计整体水印能量,并将能量估计方法应用在自适应水印嵌入算法的模型构造上。实验结果验证了水印鲁棒性随嵌入能量的增加而提高;所提出的自适应水印嵌入模型,能根据音频载体自身的特点动态调整水印嵌入强度,在保证听觉质量的同时,提高了水印嵌入量。克服了通过重复实验判断水印嵌入能量方法的复杂性,以及在嵌入相同能量情况下,采用固定水印嵌入强度系数导致的噪声过大等缺点。     

基于相位恢复和数字全息的音频水印

提出了一种在数字全息技术中引入相位恢复算法的音频水印方法.用水印图像经相位恢复处理形成虚拟物光波与参考光波干涉,得到高对比度的傅里叶变换全息图.利用量化算法和离散余弦变换把数字全息图嵌入音频信号中,在水印提取过程中不需要原始音频信号的参与,并且采用密钥加强了水印的安全性.数值计算实验表明:该算法对有损压缩、重采样、低通滤波、噪音干扰等常用音频信号攻击均具有很好的稳健性.     

基于小波包分解和EMD-SVM的轴承故障诊断方法

针对轴承振动信号具有的非平稳和故障诊断样本数据难以按需获取的问题,设计了一种基于小波包分解和EMD-SVM的故障诊断方法。首先,采用Mallat塔式算法对信号进行降噪,实现信号的小波分解,获得重构后的故障诊断子频带信号。然后,在经典的EMD算法的基础上定义了改进的EMD算法,采用改进的EMD算法对经过小波包降噪的故障诊断子频带信号进行特征提取,从而获得故障诊断特征向量。最后,采用适合小样本分类的SVM进行故障诊断,将经过小波包降噪和EMD特征提取的样本数据用于训练SVM,得到用于故障诊断的多个二分类SVM故障诊断模型,通过投票机制来确定样本数据最终对应的故障诊断类别。在Matlab环境下对轴承故障诊断进行实验,实验结果证明了文中基于小波包和EMD-SVM的方法一种适用于小样本的故障诊断方法,且与其它方法相比,具有诊断效率高和精度高的优点。     

基于极限学习机与规则推理的NPC三电平逆变器二级故障诊断方法

针对NPC三电平逆变器故障诊断问题,提出一种基于极限学习机与规则推理的二级故障诊断方法。分析了依据输出电流诊断故障的可区分性,以及故障模式的分类。然后对输出电流提取故障特征,并采用极限学习机完成故障初级分类。对于初级分类结果为电流不可区分故障情况,再根据桥臂电压信息运用规则推理法实现故障二级精确诊断。诊断实验表明,该方法能够实现NPC三电平的多模式故障诊断,且故障诊断方法简单、定位精确、快速、鲁棒性强。     

面向流媒体的MP3码流无损数字音频水印

根据MP3文件的结构特点,提出一种无损的数字音频水印算法。该算法在MP3码流中嵌入水印,并不修改MP3文件的音频数据,仅利用文件中帧头的私有位作为标记,标示该帧主数据中的特定位置是否为水印信息。该方法不损伤音频质量,具有优良的不可感知性。接收端不需要无水印的原始音频信号,可顺序进行盲提取,而且计算量小,适合于流媒体应用。     

并联传感器系统压力传感器故障诊断系统设计

在工业生产过程中电子皮带秤普遍采用多个称重传感器输出信号的并联方法,而该方法对多个称重传感器无法独立采集同时无法准确判断故障。应用TI公司MSC1210单片机最小系统和信号分离器,设计一种并联传感器系统压力传感器故障诊断系统,实现多个称重传感器并联应用时的独立采集;发明一种皮带秤称重传感器累计量校准方法,将不断变化的累计量转换成定量值实现并联传感器系统压力传感器故障诊断。结果表明该系统较好实现多个称重传感器的独立采集和故障传感器判断,为皮带秤等计量装置并联传感器系统的技术升级提供有效手段。     

基于局部特征尺度分解与瞬时频率谱的齿轮故障诊断

为了更准确地进行齿轮故障诊断,根据齿轮故障振动信号的多分量调幅-调频特征,提出了局部特征尺度分解和瞬时频率谱相结合的故障诊断方法。该方法首先对齿轮振动信号运用局部特征尺度分解,得到若干个内禀尺度分量,然后分别应用希尔伯特变换技术求取每个分量的瞬时频率,最后根据瞬时频率谱并进行故障诊断。通过齿轮断齿故障试验数据分析,验证了方法的有效性。     

基于互相关算法的飞机导线故障诊断与定位系统设计

以飞机导线短路故障和断路故障为研究对象,目的在于寻求一种测试方法能够提高应用时域反射测量原理进行故障诊断与定位的精度。按照实际机场工程应用背景,设计了以便携式工控机为控制核心、以LabVIEW为驱动软件的飞机导线故障诊断与定位系统。根据信号传播特性,提出了基于互相关算法的故障定位方法,消除了系统误差的影响。计算机仿真和实物测试结果表明该系统具有测试过程方便、准确性高的优点,为提高民航机务维修质量具有促进作用。     

在低场MRI系统中用数字接收机测量梯度波形的方法

提出了一种用数字接收机来测量低场系统中梯度波形的方法,详细介绍了该数字接收机接收音频信号的原理,并且对接收机的音频接收性能进行了测试. 最后利用该接收机测得的梯度波形,设置了系统的预加重参数,有效地减小了梯度线圈引起的涡流.     

大型变电站分布式自动化检修系统设计

由于大型变电站中的磁场对人们身体健康产生不利影响,因此通常采取分布式自动化检修系统对大型变电站进行检修。但目前大型变电站分布式自动化检修系统主要是通过给变电站中每一个相关设备安装状态检测信号,利用串口将设备运行状态数据传输到监控系统,监控系统根据运行状态数据判定变电站中各设备状态,并根据各设备的状态向串口发送命令,串口执行相应操作,从而完成自动化检修系统设计。但这种方法无法对变电站中需要检修的节点进行定位,导致变电站设备检修存在效率低的问题。为此,提出一种基于RSSI的大型变电站分布式自动化检修系统设计方法,首先对大型变电站分布式自动化检修系统的模块进行设计,并分析各模块功能,对大型变电站分布式自动化检修系统各模块电路进行设计,保证系统正常运行,在此基础上,利用RSSI算法对系统软件进行设计,保证系统能够准确及时的对故障节点进行检修,从而实现大型变电站分布式自动化检修系统设计,实验证明,所提方法设计的大型变电站分布式自动化检修系统能够准确对变电站中故障节点进行定位,保证检修的准确性和及时性,为该课题的研究开拓新道路,推动该领域发展。     

某型复杂装备车载状态监测系统设计

某型复杂装备现有设备监测数据达不到对全车的故障诊断与健康状态评估所需数据的要求,通过分析其整车电气信号,为满足复杂装备对整车数据的监测需求,设计了车载状态监测系统;给出了车载监测系统的总体架构,对综合控制处理电路、实时数据采集处理电路、总线数据监控电路和车载显示系统硬件进行了设计,设计了车载采集与报警系统和显示系统软件,最后对系统进行了车载测试,表明系统能够对复杂装备的实时运行状态进行监测,完成基本的故障诊断功能,为早期发现故障缺陷,提出处置措施,开展系统健康管理提供了条件。     

A New Method Based on Time-Varying Filtering Intrinsic Time-Scale Decomposition and General Refined Composite Multiscale Sample Entropy for Rolling-Bearing Feature Extraction

The early fault diagnosis of rolling bearings has always been a difficult problem due to the interference of strong noise. This paper proposes a new method of early fault diagnosis for rolling bearings with entropy participation. First, a new signal decomposition method is proposed in this paper: intrinsic time-scale decomposition based on time-varying filtering. It is introduced into the framework of complete ensemble intrinsic time-scale decomposition with adaptive noise (CEITDAN). Compared with traditional intrinsic time-scale decomposition, intrinsic time-scale decomposition based on time-varying filtering can improve frequency-separation performance. It has strong robustness in the presence of noise interference. However, decomposition parameters (the bandwidth threshold and B-spline order) have significant impacts on the decomposition results of this method, and they need to be artificially set. Aiming to address this problem, this paper proposes rolling-bearing fault diagnosis optimization based on an improved coyote optimization algorithm (COA). First, the minimal generalized refined composite multiscale sample entropy parameter was used as the objective function. Through the improved COA algorithm, optimal intrinsic time-scale decomposition parameters based on time-varying filtering that match the input signal are obtained. By analyzing generalized refined composite multiscale sample entropy (GRCMSE), whether the mode component is dominated by the fault signal is determined. The signal is reconstructed and decomposed again. Finally, the mode component with the highest energy in the central frequency band is selected for envelope spectrum variation for fault diagnosis. Lastly, simulated and experimental signals were used to verify the effectiveness of the proposed method.     

基于多信号流模型的电子设备故障诊断方法

为了提高产品的可靠性,并且在电子设备发生故障时迅速地确定故障源,保障设备的正常运行,基于多信号流模型的诊断建模方法,在多信号流基础上引入了以故障重要先验知识为主的多信号流故障诊断策略,通过引入故障模式的故障概率改进了多信号流诊断技术。该方法已应用于BEPCⅡ磁铁电源接口控制设备故障诊断系统,使用TEAMS测试工具箱建模实现了快速准确的故障诊断和定位,提高了磁铁电源控制设备的故障诊断检测率和隔离率,并且可以方便地扩展到其他设备和系统上。     

基于极化因子神经网络的火电厂制粉系统故障诊断技术

制粉系统是火电厂的主要设备,其安全稳定运行对发电企业的经济生产具有十分重要的意义。针对制粉系统的运行特性和故障分析,提出了基于极化因子神经网络的火电厂制粉系统故障诊断方法,该方法将故障征兆相应的过程变量作为输入,将制粉系统故障类型作为输出,通过训练神经网络建立其系统故障诊断模型,其中训练过程中采用极化因子来自动调整神经网络的收敛速度,从而在满足误差目标的前提下,防止其陷入局部极小。选取实际火电厂制粉系统3个典型故障及其相对应的9个故障征兆参数进行了实验。结果表明,该方法具有良好的收敛性,完全可以满足火电厂制粉系统现场故障诊断的要求。     

Intelligent Fault Diagnosis of Rolling-Element Bearings Using a Self-Adaptive Hierarchical Multiscale Fuzzy Entropy

The fuzzy-entropy-based complexity metric approach has achieved fruitful results in bearing fault diagnosis. However, traditional hierarchical fuzzy entropy (HFE) and multiscale fuzzy entropy (MFE) only excavate bearing fault information on different levels or scales, but do not consider bearing fault information on both multiple layers and multiple scales at the same time, thus easily resulting in incomplete fault information extraction and low-rise identification accuracy. Besides, the key parameters of most existing entropy-based complexity metric methods are selected based on specialist experience, which indicates that they lack self-adaptation. To address these problems, this paper proposes a new intelligent bearing fault diagnosis method based on self-adaptive hierarchical multiscale fuzzy entropy. On the one hand, by integrating the merits of HFE and MFE, a novel complexity metric method, named hierarchical multiscale fuzzy entropy (HMFE), is presented to extract a multidimensional feature matrix of the original bearing vibration signal, where the important parameters of HMFE are automatically determined by using the bird swarm algorithm (BSA). On the other hand, a nonlinear feature matrix classifier with strong robustness, known as support matrix machine (SMM), is introduced for learning the discriminant fault information directly from the extracted multidimensional feature matrix and automatically identifying different bearing health conditions. Two experimental results on bearing fault diagnosis show that the proposed method can obtain average identification accuracies of 99.92% and 99.83%, respectively, which are higher those of several representative entropies reported by this paper. Moreover, in the two experiments, the standard deviations of identification accuracy of the proposed method were, respectively, 0.1687 and 0.2705, which are also greater than those of the comparison methods mentioned in this paper. The effectiveness and superiority of the proposed method are verified by the experimental results.     

Audio watermarking based on psychoacoustic model and critical band wavelet transform

Watermark embedding algorithm based on critical band wavelet transform of digital audio signal is proposed in this paper. The masking threshold for each audio signal segment was calculated on the basic of psychoacoustic model. According to the similarity between critical band of human auditory system and critical band wavelet transform, a watermark was embedded into the low-band and mid-band coefficients of digital wavelet. The embedding strength was adaptively controlled by the masking threshold. The experiment results show that the embedded watermark signal is inaudible, and the watermarked audio signal has good robustness against many attacks such as compression, noise, re-sampling, low-pass filtering.     

基于小波和神经网络的风机故障诊断系统设计

本文在LabVIEW平台下,设计了一种基于小波和神经网络的风机故障在线诊断系统。以风机产生的噪声为诊断依据,用噪声信号的功率谱重心、A声级、小波分解后相关频段的能量构成故障诊断的特征向量,以BP网络作为故障的智能分类器,建立起智能诊断系统。实验结果表明,采用小波和神经网络相融合的诊断与识别技术,是提取风机故障特征,进行状态识别的一种有效方法。所设计系统有较强的学习能力和容错能力。诊断结果比较可靠、准确。     

红外热波技术在装甲装备故障诊断和缺陷检测中的应用

针对装甲装备典型故障诊断操作复杂及缺陷检测效率低下等问题,将国外装备维修中广泛应用的红外热波技术引入到装甲装备维修过程中。简要介绍了红外热波技术的基本原理及特点,系统分析了信噪比和热激励2个因素对检测效果的影响,并成功实现了装备发动机动力不足的故障诊断和装甲板裂纹的缺陷检测。试验结果表明:该技术能够在不解体的情况下实现发动机动力不足故障的准确定位,同时能够在3.5 s之内实现装甲车底板裂纹等缺陷的快速检测。