共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
本文设计了基于声发射信号频谱分析的"数字信号处理"课程实验,学生们能够通过实验系统采集模拟材料损伤声发射信号,并编程实现对信号的频谱分析,掌握数字谱、模拟谱的转换方法.本实验将实际工程问题引入到课程教学中,教学实践表明该实验有利于加深学生对课堂上学到的理论知识的理解、掌握和应用,锻炼学生解决实际工程问题的能力,提高学生... 相似文献
4.
近年来高超声速飞行器的研究受到世界各国的重视,具有重大的军事意义,其中导航、制导和控制是高超声速研究的关键技术。鉴于星光导航有着抗干扰能力强、导航精度高、自助式导航等特点,文中主要研究了高超声速飞行器使用星光导航方法的星图复原算法。考虑到高超带来的气动光学效应,在分析高速层流以及湍流流场的基础上,应用增量Wiener滤波器和有限支持域上的盲解卷积复原算法进行退化星图的复原。针对高速飞行器星光导航对复原星图的要求,仿真分析了复原星图的质心偏差及识别特征量变化。仿真结果显示,有限支持域上的盲解卷积复原算法精度较高,且经复原后的星图,能快速被高速飞行器星光导航系统正确识别。 相似文献
6.
7.
8.
声发射信号到达时间的信息,对于声发射事件的定位、识别以及声发射源机理分析都是非常重要的。实际应用中,常用人工读取或通过设定幅值阈值来获取信号的到达时间。针对以上常用方法的缺点,结合噪声信号的AR模型和声发射信号的AR模型,应用Akaike信息准则,实现了对声发射信号到达时间的自动识别。对实验数据的识别结果显示,该方法对信号的幅频特性变化比较敏感。在相同信噪比的情况下,该方法识别的偏差要小于阈值法。当信噪比较低时,阈值法可能会给出错误的结果,而该方法仍然能够给出较准确的结果。 相似文献
9.
声发射信号到达时间的信息,对于声发射事件的定位、识别以及声发射源机理分析都是非常重要的。实际应用中,常用人工读取或通过设定幅值阈值来获取信号的到达时间。针对以上常用方法的缺点,结合噪声信号的AR模型和声发射信号的AR模型,应用Akaike信息准则,实现了对声发射信号到达时间的自动识别。对实验数据的识别结果显示,该方法对信号的幅频特性变化比较敏感。在相同信噪比的情况下,该方法识别的偏差要小于阈值法。当信噪比较低时,阈值法可能会给出错误的结果,而该方法仍然能够给出较准确的结果。 相似文献
10.
声发射信号到达时间的信息,对于声发射事件的定位、识别以及声发射源机理分析都是非常重要的。实际应用中,常用人工读取或通过设定幅值阈值来获取信号的到达时间。针对以上常用方法的缺点,结合噪声信号的AR模型和声发射信号的AR模型,应用Akaike信息准则,实现了对声发射信号到达时间的自动识别。对实验数据的识别结果显示,该方法对信号的幅频特性变化比较敏感。在相同信噪比的情况下,该方法识别的偏差要小于阈值法。当信噪比较低时,阈值法可能会给出错误的结果,而该方法仍然能够给出较准确的结果。 相似文献
11.
本文提出了一种基于改进CNN的转子碰摩故障信号识别方法。首先,针对传统CNN经常出现的梯度消失问题,提出了一种改进的CNN网络模型,它利用全连接层,把网络层的各层特征信息连接到一起,避免了边缘信息的损失,最大程度地保留了各层的信息特征。然后,利用该改进的CNN网络模型,将转子碰摩故障信号的声谱图与其差分特征相结合,构建适合CNN网络的多通道图像输入特征。最后,利用包含各层信息的融合特征输入网络的全连接层,对转子碰摩故障信号进行分类识别。实验结果表明,改进后的CNN识别算法,相对传统CNN、DNN等网络模型,其识别率均有提升。 相似文献
12.
本文研究了在脉冲计量领域中的基于反卷积算法的信号重构与系统辨识。我国目前的脉冲参数国家基准过渡时间为725±050ps,带宽为563±58%GHz。如果采用传统的计量方法,该基准无法实现对标称带宽为70GHz的Agilent86100C高速取样示波器以及标称过渡时间为5ps的Picosecond4016负阶跃脉冲源进行校准。本文将反卷积算法引入到测量数据处理中,并结合具体问题对传统的反卷积算法进行了改进,克服了传统的反卷积算法对阶跃信号计算误差过大的问题,并进行了实验验证,实现了量值传递。 相似文献
13.
针对磁声发射检测信号幅值较低,容易受噪声干扰这一问题,设计一种磁声发射信号采集系统。系统由以So C-FPGA为核心的下位机与上位机软件部分组成。对检测工件产生的磁声发射信号进行前置放大和衰减处理后,通过声发射传感器接收后转换为电平信号进行AD采集。利用主控芯片集成双核ARM和FPGA的构架,系统对采集后的数据进行FIR滤波及FFT频谱分析,并基于So C的设计框架实现信号在TFT屏幕的显示控制以及上位机的数据存储分析。测试结果表明,该系统对磁声发射信号有着高效稳定的采集处理能力,与未经过优化的原始信号比较,有效降低了检测过程中的噪声干扰。 相似文献
14.
15.
16.
17.
18.
近年来,随着人工智能的发展与普及,深度学习算法以其高准确率和鲁棒性成为了目前分类识别技术的热门。传统的轴承故障诊断采用振动信号,对早期故障不敏感。由于传统的人工特征提取方法难以准确的表征滚动轴承状态,深度学习算法便逐渐应用于滚动轴承的故障诊断。因此采用滚动轴承的声发射信号并结合神经网络进行故障检测,以更好的对轴承运行中的早期故障进行识别,为此提出了一种基于一维卷积残差神经网络的轴承故障诊断模型,通过多层卷积叠加以提取出数据中更加关键重要的信息。该模型在诊断中能够自适应的从输入数据中学习出所需要的特征。模型采用categorical crossentropy交叉熵损失函数及Adam优化算法实现滚动轴承的故障诊断。在试验台上模拟了早期轴承内圈、外圈、滚动体、保持架故障等四种故障,并利用模型进行了故障的分析和诊断,研究结果表明文章提出的模型对故障的声发射信号拥有良好的识别能力。 相似文献
19.
反卷积方法是提高光谱仪分辨率的重要手段。采用空域迭代反卷积和频域维纳滤波对多纵模激光器光谱进行数据仿真,并在不同光谱仪采样率条件下,比较了迭代反卷积和维纳滤波结果。仿真结果表明,迭代反卷积和维纳滤波可以有效消除光谱仪仪器响应函数引起的光谱展宽,提高光谱仪分辨率。在光谱仪采样率低的情况下,迭代反卷积的分辨率增强效果优于维纳滤波。随着采样率的增加,维纳滤波的误差小于迭代反卷积。实验分别测量了单纵模和多纵模632.8nm He-Ne激光器光谱,并对测量结果进行反卷积处理。结果表明,低分辨率光谱仪测量的激光器光谱经反卷积处理后与高分辨率光谱仪直接测量结果一致。 相似文献