一、一种实用的信号类型诊断方法及其在船舶辐射噪声中的应用（论文文献综述）
蒋宇[1]（2020）在《齿轮箱混沌特性与故障诊断研究》文中指出传动系统在机械设备中起到中流砥柱的作用,齿轮箱传动系统是机器非常关键的组成部分,揭示齿轮箱系统固有混沌特性并通过其开展齿轮箱健康状态的监测与诊断,对于延长机器的服役时间具有重要意义。吸引子理论作为研究相空间中系统动力学状态的理论越来越得到认识和应用,而混沌吸引子属于吸引子中的一种形态,自然可用来诠释混沌系统的混沌动力学特性和状态。齿轮箱系统是一个混沌系统,其振动信号中蕴涵着大量能够反映系统特征的信息。针对齿轮箱系统混沌特性尤其是探索高维空间中混沌吸引子的特性以及演化规律的研究相对匮乏,且齿轮箱故障特征提取缺乏挖掘混沌特性与故障之间存在的内在关系,有待进一步寻求有效的混沌特征指标实现表征与诊断。为此,本文应用相空间重构理论将一维振动信号推广到高维相空间中去将振动信号单变量时间序列中隐含的系统信息显现出来,探索研究高维空间中齿轮系统混沌吸引子的相轨迹、相点分布、递归特性,揭示齿轮箱系统的混沌特性,进而对齿轮箱系统在不同故障形式下的混沌吸引子特征提取进行表征计算和状态分析。本文深入地开展了齿轮箱混沌特性与故障诊断研究。首先,在齿轮箱故障模拟试验台上开展了振动信号采集实验,采集了不同工况条件下齿轮箱系统的振动信号,对其进行了时域和频域分析,发现齿轮箱振动信号中均含有大量的噪声,相似度较高,频域中均存在齿轮的啮合频率及其谐波成分,同时在啮合频率及其谐波两侧都会形成一系列边频带。应用小波分析法和自适应噪声集成总体经验模式分解方法,分别对采集到的齿轮箱振动信号进行了降噪分析与处理,发现两种方法降噪后高频成分得到了一定的抑制,同时保留了低频带中原有信号的特征信息。相比而言,自适应噪声集成总体经验模式分解方法更有利于消除环境噪声对振动信号的影响,且有助于突显系统本身固有的特征信息,为后续齿轮箱系统混沌特性分析和故障模式识别与诊断打下了坚实的基础。为了揭示齿轮箱运行中的混沌特性,开展了齿轮箱系统不同运行状态下的混沌特性证明研究。引入了基于相空间重构的定量判别方法,分别为关联维数、最大Lyapunov指数和Kolmogorov熵,以及功率谱定性判别方法。同时,为了验证这四种判别方法的有效性,对于Lorenz理论混沌系统首先开展了混沌特性验证研究,接着对于齿轮箱系统不同运行状态进行了混沌特性判别,发现齿轮箱系统在不同运行状态下,其关联维数均为分数值,最大Lyapunov指数和Kolmogorov熵均大于零,而功率谱均为连续宽带谱。通过联合关联维数、最大Lyapunov指数Kolmogorov熵以及功率谱的方法,共同证明了齿轮箱系统的混沌特性。为了探索齿轮箱系统混沌吸引子空间分布特性,根据相空间重构理论构造了齿轮箱不同运行状态下的混沌吸引子,并探讨了嵌入维数和延迟时间对齿轮系统混沌吸引子的影响,应用相轨迹图和相点三维直方图方法,呈现了齿轮系统混沌吸引子三维空间中相点分布形态和空间结构,并基于相点分布形态和空间结构开展了定性和定量的混沌特性表征研究。同时,采用关联维数、包含球半径、包含相点的盒子数和相点数量最大值指标,对齿轮混沌吸引子进行量化表征计算,进而对齿轮箱不同运行状态进行模式识别。结果表明,混沌吸引子的相轨迹图可直观定性地对齿轮箱不同运行状态进行识别,而包含球半径是一种基于相点分布有效的量化表征指标,可用于实现齿轮箱不同运行状态模式识别。针对齿轮箱实际工作过程中故障特征提取难的问题,引入递归思想和递归分析方法,从系统相空间中相点递归特性出发,探索递归模式与齿轮故障的映射关系,提出了将递归分析结合自适应噪声集成总体经验模式分解方法。从自相似特征角度研究递归模式与齿轮不同模式的映射关系,应用四个递归量化参数分别为递归度、确定性、分层率、熵,对齿轮箱不同运行状态进行特征提取进而故障诊断,发现这四个参数指标均能对齿轮箱不同运行状态进行有效地识别。另外,与基于混沌吸引子相轨迹进行诊断的表征参数相比较,发现递归度和熵这两个递归指标诊断效果更优。结果表明,递归分析结合自适应噪声集成总体经验模式分解方法是一种有效的特征提取用于实现齿轮箱故障识别与诊断的方法。针对目前齿轮动力学建模多以考虑单频激励作用因素为主,而实际应用中齿轮箱多为工作环境复杂恶劣,开展了考虑多频激励作用建立齿轮非线性动力学模型与故障诊断研究。定义了啮合刚度系数,探讨了多频激励参数对正常及裂纹故障模型主共振幅频特性的影响,采用增量谐波平衡法对齿轮动力学响应进行分析计算,研究了正常及裂纹故障模型的动力学特性,证实了考虑多频激励作用模型相比传统单频激励模型更能准确地描述其动力学特性,丰富了齿轮动力学建模理论。同时,利用齿轮箱混沌特性开展了裂纹齿轮不同故障程度的识别与诊断研究。通过计算混沌指标最大Lyapunov指数,发现了最大Lyapunov指数随着裂纹故障程度增加而增大的规律。本文揭示了齿轮箱系统的混沌特性,并以混沌吸引子为依据研究解决齿轮箱故障诊断问题。为机械设备状态识别与故障诊断提供了一种新的思路,具有一定的理论价值及工程应用意义。该论文有图98幅,表19个,参考文献170篇。
潘波[2]（2020）在《KECA在声发射行星齿轮箱故障诊断中的研究》文中研究说明作为一种复杂的复合齿轮传动系统,行星齿轮箱具有体积小、传动比大、传动效率高等优点。它广泛应用于航空航天、远洋船舶、风力发电机和汽车发动机等众多领域。由于行星齿轮箱本身结构复杂,在运行过程中,间隙、外力、碰撞、摩擦等因素与其动态行为产生相互作用,使其偏离理想运行状态,易导致故障的发生,甚至引起灾难性事故。因此,行星齿轮箱的状态监控和故障诊断对于保障系统安全可靠运行、降低维修成本、避免重大事故具有重要的研究意义和应用价值。声发射技术（Acoustic emission,AE）作为一种高灵敏度,宽频响范围的动态无损检测技术,在故障诊断领域得到了越来越广泛的应用。与传统的故障检测技术（如振动分析和油样分析等）相比,AE在行星齿轮箱超低速运行状态和早期故障诊断方面有较明显的优势。本文以行星齿轮箱为研究对象,结合AE检测技术,围绕行星齿轮箱故障状态识别和健康监测等问题开展了相关研究。故障诊断的本质是模式识别的问题,而如何从复杂的故障信号中提取出对设备运行状态敏感、可分性好、规律性强的特征参数是关键一步。基于此,本文引入基于核熵成分分析算法（Kernel Entropy Component Analysis,KECA）的行星齿轮箱状态识别模型,并在此基础上进一步提出了改进算法（Improved Kernel Entropy Component Analysis,IKECA）。主要工作如下:1)针对行星齿轮箱AE信号中难以避免会混有噪声,从而对其故障诊断和状态监测带来干扰的问题。首先分析了所采集AE信号中噪声的来源和成分,根据AE信号典型的非线性、非平稳和非高斯特性,以及噪声分布特点,采用小波包阈值降噪算法滤除AE信号中混有的噪声,提高信噪比。并且针对实测AE信号的特点,探究了小波基函数,分解层数,阈值,阈值函数等合适的选取方式,得到了良好的效果;2)针对从行星齿轮箱AE信号中提取的混合域高维特征数据集中存在的相关性和冗余性,会对后续的状态识别性能产生影响等问题,引入KECA算法来提取能表征设备状态的重要信息并降低维度。且在此基础上进一步提出了改进算法,该改进算法直接寻找使数据二次Renyi熵值最大的方向作为投影方向,充分挖掘嵌入高维空间中的低维敏感特征参数,从而提升了故障诊断效率和状态识别准确率。且与不同的特征提取算法作对比,通过实验验证了该改进算法的有效性和优越性。3)考虑到经IKECA算法处理后的数据还需要输入到分类器中才能完成最终状态的智能识别,本文针对行星齿轮箱故障识别的非线性,高维度和小样本等问题,研究了基于支持向量机的故障识别算法。一方面以分类准确率为指标进一步验证了IKECA算法的有效性和优越性;另一方面,在综合上述算法的基础上,将WPD-IKECA-SVM故障诊断模型用于实测AE信号的分析处理,结果表明该诊断框架具有更高的故障识别准确率和诊断效率。
夏晓云[3]（2005）在《船舶机舱背景噪声的自适应消噪》文中指出安全始终是运输业永恒的主题,作为承担运输业务的载运工具——船舶在极其恶劣的环境中工作,它的安全性就显得尤为重要。而机舱又是船舶的“心脏”,所以研究船舶机舱的安全性对提高船舶运输的整体安全性有着重要意义。船舶机舱系统结构复杂,故障源多,噪声掺杂且相互影响。二十世纪60年代以来,相继开展了船舶机械状态监测与故障诊断技术的研究,近年来设备故障诊断技术得到了很大发展,但在船舶机舱信号采集方面仍需不断改善,把噪声作为一种信号用于故障诊断还不很成熟。 随着船舶朝大型化、高速化、复杂化方向发展,它所配备的推进主机以及发电机组也朝着高强度、大功率方向发展。船舶的推进动力以及发电机组都布置在狭小的机舱内,机舱内的两大噪声源:推进主机（通常为柴油机）噪声和发电机组（通常为柴油发电机组）噪声,使机舱内的工作环境十分恶劣,各种设备产生的噪声夹杂在一起,影响了轮机人员对于机舱设备状态的判断,还严重影响船员的工作效率。所以有必要将机舱内的背景噪声消除掉,从中提取设备的真实信号。 为此,从当今信号处理领域中较为活跃的一项研究课题—自适应滤波算法的研究出发,论文首先论述了自适应滤波的基本原理,进而介绍目前几种典型的自适应滤波算法及其应用。通过对几种典型自适应滤波算法的性能特点进行比较,给出了算法性能的综合评价。其中对LMS算法和RLS算法进行了较深入的理论分析和研究,在此基础上,对自适应滤波在信号处理方面的应用—自适应消噪（ANC）技术进行了阐述,利用自适应消噪（ANC）技术对复杂的信号进行预处理,消除背景噪声或机组工况变化的影响,能正确提取淹没在噪声中的信息,使进一步的状态识别大大简化,为诊断故障提供有用的信息。在机舱背景噪声的自适应消噪中,通过大量试验验证了该算法能把背景噪声消除,从中提取机器的真实信息。
杨绍清,章新华,赵长安[4]（2000）在《一种实用的信号类型诊断方法及其在船舶辐射噪声中的应用》文中进行了进一步梳理对一种基于ＫＳＷ理论的信号类型诊断方法进行了深入的研究，并将此方法用于船舶辐射噪声的分析中，为进一步了解船舶辐射噪声的特性提供了新的途径。另外，还发现，本方法不仅可以准确地诊断信号的类型，而且可以用来检验信号重构的质量．
邹佳运[5]（2019）在《多声纳协同探测性能分析及参数优化研究》文中提出多基地声纳系统因为其相较于单基地声纳更好的探测覆盖能力而成为了海洋防卫探测的重要装备。多基地声纳系统的应用场景及任务需求的多样化,使得参与探测的平台和声纳也在向多样化发展,不同类别的平台及搭载的声纳构成了异构多基地探测系统。多基地声纳系统与海洋环境存在耦合关系,合理地设定声纳探测系统的工作参数,使声纳系统最佳地适应当前海洋环境,以达到最好目标探测性能和最大的探测范围。本文旨在利用群智能优化算法解决多基地声纳探测系统的参数优化问题,给出探测效能最佳的决策建议。为了评估当前参数设置下探测系统的性能,构建了一个完备的异构多基地声纳探测系统效能评估模型。基于双基地声纳方程,将多基地声纳系统拆分为多组双基地声纳系统,通过对异构声纳系统的有效源级仿真、统计模型及Bellhop射线声学模型的传播损失仿真、对噪声干扰的主要噪声源的噪声谱进行仿真分析、在小斜率模型的基础上结合海底有效混响区域建立多基地混响模型等声纳参数的建模仿真,得到接收信噪比,经过信号处理获得增益后,根据接收机特性曲线得到声纳系统对目标的检测概率,将各双基地系统的检测概率结果融合,从而获得多基地系统的探测能力评估模型。并依据该模型,对影响多基地声纳探测性能的阵位、声纳工作模式、频段等参数进行探究。依据评估模型对声纳参数进行群智能优化。以和声搜索、改进和声搜索及粒子群算法为例对探测系统阵位参数进行了优化,对比算法性能并提出了一种和声-粒子群混合算法,其收敛速度快于和声搜索,优化速度及全局搜索能力优于粒子群算法。为适应多样化的优化任务需求,提出了利用层次分析法思想将多优化准则合一的多准则优化方法,并以“点覆盖下的优化覆盖”问题为例给予验证。最后,提出了一种简单可行的离散变量连续化方法,将离散变量与连续变量统一,使得本适用于连续变量优化的算法同样适用于离散变量优化,以声纳的工作模式及工作频段为例完成了离散变量优化,并实现了与阵位连续变量的联合优化。
乔元英[6]（2016）在《基于时频分析的滚动轴承故障诊断方法研究》文中研究说明滚动轴承是旋转机械的重要部件,研究轴承的故障诊断技术,对于保障设备的安全运行具有十分重要的意义。在过去的数十年中,振动信号、声辐射和温度值等参数都曾被用于轴承的损伤诊断,其中振动信号因其具有轴承状态信息丰富、测试简便和相关理论较为成熟的特点而得到广泛应用。从国内外研究方法和内容上看,轴承故障诊断技术仍处在探索阶段,没有形成完整有效的轴承故障诊断理论。从理论层面对轴承故障进行研究的论文较少,多是从实验角度出发,组合不同的故障特征提取理论和模式识别理论对轴承故障进行诊断。从研究成果上看,针对特定尺度单点故障的研究较多,效果也较好。但是,同时注意到,这些方法之间的关联性不强,且均难以进行有效的推广。轴承故障信号包含信息量大,从不同角度对提取信号进行分析都可能得到较好的成果,但对这些角度进行理论分析的研究缺失。本文的核心内容是在学习轴承力学理论和信号处理理论的基础上,研究基于时频分析技术的轴承故障识别诊断,具体的研究内容如下：1.对轴承振动信号的预处理方法进行研究。针对振动信号预处理的问题,对不同预处理方法的消噪机理进行研究,测试其对于滚动轴承振动信号消噪的适用性,探讨现有预处理技术的优化方法；2.振动信号特征提取方法的研究。针对特征数据选取的问题,对不同特征数据及其组合进行计算分析。使用时频分析方法,对振动信号的时域和频域特征进行提取；同时引入盲源分离理论,对轴承振动信号的特征频率进行识别并在冲击信号提取方面进行实验,得到有益的阶段性成果；3.基于振动信号的故障诊断方法的研究。轴承故障诊断是模式识别技术的一项重要应用。本文在学习理解模式识别方法理论的基础上,对现有模式识别方法进行分析,对实验数据进行交叉检验分析以确定各种方法的在轴承故障诊断领域的适用性。本文通过对时频分析技术的研究,为轴承故障诊断技术提供了有效的理论依据和技术支持。同时借助信号消噪理论和盲源分离理论,对滚动轴承振动信号处理在冲击信号分离的新方向上进行了有意义的探索。
朱仲文[7]（2013）在《高压共轨柴油机基于声学信号的燃烧特征观测方法研究》文中进行了进一步梳理传统的燃烧开环控制难以观测到油品、运行环境、系统老化引起的燃烧品质变化进而导致的经济性和排放性能恶化。随着排放法规和经济性要求的日益提高、替代燃料的迅速发展，燃烧观测以及闭环反馈控制成为满足未来法规的重要手段。而常用的基于缸压传感器的燃烧观测和反馈控制技术，由于传感器成本高、寿命短、对发动机改动大，实际推广应用受到限制。为了解决燃烧观测的现实需求和目前已有技术手段之间的矛盾，本文提出了一种以面向高压共轨柴油机控制器应用为目的、基于声学信号的燃烧特征观测方法。针对声学信号易受噪声干扰，信噪比差的问题，本文对一台装备自主研发ECU的中重型高压共轨柴油机声学信号采用小波变换手段进行时频联合分析，提出采用4-6KHz和1-1.5KHz两个信噪比高、信号强度大的声学信号频段作为燃烧观测特征频段。通过分析高压共轨柴油机失火循环、工作粗暴循环与正常燃烧循环声学信号在时频域和时域上的差异，定义了对正常燃烧模式和异常燃烧模式敏感的声学信号特征量。采用判别分析的方法，分别建立基于声学信号特征量的失火诊断、工作粗暴诊断模型。测试结果表明，模型对失火诊断的正确辨识率达到了99%，对工作粗暴的正确辨识率超过85%。在对声学信号进行时频联合分析的基础上，选择合适的声学信号燃烧观测特征频段定义特征量，与缸内实际的燃烧始点、最大压升率时刻进行相关性分析。运用多项式回归建模的数学方法，分别建立了燃烧始点观测模型和最大压升率时刻观测模型。在常用工况下，模型对燃烧始点、最大压升率时刻观测误差约为1°CA。提出了基于ECU软硬件资源并行处理的声学信号燃烧观测在线实现方法，以本文开发的高压共轨柴油机控制器ECU为目标平台，结果表明实现一个完整的基于声学信号燃烧观测任务在ECU单片机上的运算时间为5.31ms，初步验证了该方法在ECU上实现的可行性。
黄毅[8]（2011）在《小水线面双体船噪声环境特性研究》文中提出船舶在航行中,不可避免的向周围环境辐射噪声,船舶噪声环境主要包括上层建筑舱室噪声、水下辐射噪声和自噪声三部分,船舶噪声无论对船上工作人员,还是对设备以及船舶本身的安全性都有极大影响,必须加以控制。然而,在船舶建造完成后再采取减振降噪措施,一般只能解决局部问题,且所需费用也较高。因此在船舶设计阶段准确分析船舶噪声环境,有着十分重要的工程实际意义。与传统单体船相比,小水线面双体船在结构形式、布置特点以及动力设备等方面都有较大的不同,因此,其水下辐射噪声、声呐舱自噪声以及上层建筑舱室噪声等噪声环境特性都与传统单体船舶有所不同。本文针对某小水线面双体船进行了噪声环境特性分析。首先采用统计能量分析方法对小水线面双体船上层建筑舱室噪声特性进行了研究,得到了上层建筑典型舱室噪声,同时通过分析装饰舾装材料前后上层建筑典型舱室噪声特性,得到了舾装材料对上层建筑舱室噪声的影响。对舱壁敷设普通舾装材料后舱室噪声仍不满足规范的舱室,分析噪声传递途径,得到影响舱室噪声的主导传递途径,进一步采取相应的减振降噪措施,以使舱室噪声满足规范要求。接着对小水线面双体船水下辐射噪声的三个主要分量：机械噪声、螺旋桨噪声和水动力噪声分别进行分析研究,最后得到了总的水下辐射噪声特性以及三个噪声分量对水下辐射噪声的贡献量。由于水下辐射噪声频率范围大,本文在分析水下辐射噪声时,综合运用统计能量分析方法和有限元/边界元耦合法,即采用统计能量分析方法分析高频水下辐射噪声（500Hz-5000Hz）,而采用有限元/边界元耦合法分析低频水下辐射噪声（31.5Hz-500Hz）。最后分析了噪声环境中的声纳舱自噪声,针对换能器舱声纳工作频段为高频的特点,本文主要采用统计能量分析法和边界元法对换能器舱自噪声三个主要噪声分量：机械噪声、螺旋桨噪声和水动力噪声的高频特性进行了分析研究,从而得到了不同航速下双体船换能器舱的自噪声特性以及三个主要噪声分量的贡献量。
曹冲锋[9]（2009）在《基于EMD的机械振动分析与诊断方法研究》文中研究指明本论文结合“机械振动本底源信号半盲分离与重建方法的研究”（国家自然科学基金项目（50675194））和“超临界、超超临界大型汽轮发电机组状态监测与故障诊断技术及其系统研究”（国家高技术研究发展计划项目（863计划,2008AA04Z410））,针对复杂机械系统振动信号的非平稳特征,本文将经验模式分解（Empirical Mode Decomposition,EMD）方法引入到机械系统振动分析及故障诊断中,对其在机械振动信号中存在的物理应用基础、端点效应及虚假模式等问题展开研究,给出了机械有效振动模式分析的解决方案及对应典型故障特征的提取方法,在此基础上建立了EMD—2D-HMM的诊断级联模型,并结合实验进行了验证。本文主要工作包括:第1章概述了旋转机械振动分析与故障诊断技术的国内外研究现状,分析了现有振动信号处理技术存在的问题,论证了将经验模式分解方法引入到机械振动系统故障诊断的可行性和迫切性,通过对经验模式分解方法在不同领域的国内外研究分析,总结了该方法存在的不足和进一步的研究趋势。最后根据机械系统故障诊断所涉及的信号检测、预处理、特征提取及模式分类等环节,系统地给出了论文的选题背景、研究内容、技术路线和创新点。第2章从机械系统振动特性的角度研究了EMD方法处理振动信号的物理意义,提出了基于EMD的机械系统振动模式分析方法。论述了振动信号EMD处理的基本原理和算法流程,建立了机械系统振动的理论模型,研究了单自由度和多自由度机械系统的振动响应特性及其EMD分析,研究发现了机械振动模式与固有模式函数（Intrinsic Mode Function,IMF）之间存在高相关性对应关系的现象,并以简支梁横向振动响应为例,结合大量仿真与实验,验证了基于EMD的机械系统振动模式分析方法的有效性,破解了EMD方法在机械系统振动信号处理中存在的物理解释难题,为后续的机械振动模式特征二次提取和故障诊断工作提供指导。第3章综述了国际国内关于端点效应抑制方法的前沿研究,分析了EMD方法中端点效应产生的机理及其在振动信号分析中引起的数据失真等不良影响与给后续诊断工作带来的困难,针对大型旋转机械振动信号的特点,指出现有抑制端点效应的信号延拓方法存在的不足,提出了一种基于端点优化对称延拓（End Optimization Symmetric Extension,EOSE）的抑制EMD端点效应新方法,该方法通过对信号和其包络线的偏差评价函数的最小化计算,获取最佳的信号端点值,使原始信号的上、下包络线最大化地逼近原始信号两端点,达到从源头上抑制端点效应的目的,使分解得到的振动模式能够较好地反映设备的振动特性。仿真和实验研究验证了该方法的有效性。第4章主要针对旋转机械振动信号经EMD分解产生高频噪声模式及低频虚假模式的缺陷,重点研究了白噪声在EMD分解中具有的统计特性,在此基础上提出了一种基于白噪声统计特性的机械振动模式有效性检验方法。该方法是对EMD方法的一种发展,可以自适应地消除机械振动信号经EMD分解产生的高频噪声模式及低频虚假模式,得到反映信号实际物理意义的振动模式分量集,整个处理过程不需要构造任何参数表达的基函数及相关滤波函数,也无需有关信号的任何先验知识,因而在实际应用中具有更好的适用性。采用大量实验验证了该方法能够有效识别出反映系统振动特性的振动模式,提高了特征提取的精度。第5章从机械非平稳振动信号的降噪要求着手,分别描述了数字滤波、Kalman滤波、小波降噪及EMD降噪等四种现有常用降噪方法,给出了各降噪方法的降噪原理和适用情况,明确了这四种降噪方法对于旋转机械非平稳振动信号的降噪存在的不足,重点研究了EMD降噪给非平稳振动信号带来的模式混叠现象,利用正态分布白噪声在经验模式分解中具有的二进尺度分解特性,提出了一种非平稳振动信号的集成EMD降噪方法。通过仿真和转子启动过程试验振动信号对该降噪方法、EMD降噪方法及小波降噪方法的性能进行了比较测试。结果表明,该降噪方法具有更高的信噪比,不仅能够消除高斯噪声,而且能够有效抑制脉冲干扰,较好地降低了噪声对机械振动模式的影响。第6章对瞬时能量与机械系统结构状态变化的物理联系展开了理论研究,在机械运行过程中,其振动信号的瞬时能量分布会随着结构异常的产生发生变化,不同的瞬时能量分布即代表了不同故障类型。利用EMD和Hilbert变换方法,给出了振动模式瞬时能量的概念,提出了一种基于EMD-HT的瞬时能量分布特征提取方法。从时-频域描述信号的角度出发,提取了机械振动信号的瞬时能量分布和Hilbert边际谱特征,转子实验系统振动信号的分析结果表明,基于瞬时能量分布和Hilbert边际谱的二维特征向量对于识别不同故障类型的有效性。第7章论述了2D-HMM诊断方法在大型旋转机械非平稳振动信号时序模式分类方面具有的优越性,阐述了2D-HMM的基本概念和诊断原理,分析了EMD和2D-HMM在故障诊断中结合的必要性和可行性,建立了EMD—2D-HMM的诊断模型,提出了一种基于EMD—2D-HMM级联模型的故障诊断方法,该方法利用EMD方法提取的有效振动模式的瞬时能量分布及Hilbert边际谱特征进构造2D-HMM的时频域观测序列,并以此作为输入建立2D-HMM分类器,进而训练出对应各种故障类型的2D-HMM诊断模型库,通过求其最大似然概率值来判断机器的运行状态和故障类型。以转子实验台为基础构建了试验系统,试验研究结果表明,该方法相比HMM和小波包—2D-HMM诊断方法表现出更高的分类性能和诊断适用性。第8章在基于EMD—2D-HMM的故障诊断方法研究的基础上,分析了设计和开发相应故障诊断系统的具体需求。设计了基于EMD—2D-HMM故障诊断系统总体框架,重点研究了数据采集及预处理单元和故障诊断软件包的结构组成及设计方案。研发了基于EMD—2D-HMM故障诊断软件系统;利用实验台实测数据对系统的可行性进行了测试。第9章总结了全文的研究成果和创新之处,并对今后的工作提出了展望。
李强[10]（2008）在《机械设备早期故障预示中的微弱信号检测技术研究》文中提出早期故障具有两方面含义,一是指处于早期阶段的故障、微弱故障或潜在故障;二是从物理意义上讲,某一故障是另一故障的早期阶段。故障发现得越早,越有助于设备的安全可靠运行。但是,设备早期故障的特征信号很微弱,往往被强噪声所淹没,信噪比很低,极大地影响了设备运行状态信息的准确获取。论文以机械设备为对象,研究了早期故障预示中的微弱信号检测与实用诊断技术。针对传统的绝热近似小参数随机共振难以满足工程实际大参数条件下的微弱信号检测问题,本文提出了变步长随机共振数值算法。在深入分析近似熵用于度量信号复杂性性质的基础上,本文提出了基于近似熵测度的自适应随机共振方法,解决了限制随机共振在工程实际中推广使用的参数调节问题。金属车削过程的振动信号分析和滚动轴承故障诊断的成功应用表明上述方法的有效性。基于混沌振子的微弱信号检测是通过“观察”待测信号加入后振子是否发生相变来实现的,但是这种“观察”缺少一个衡量标准,具有一定的主观性。尤其当噪声很强时,这种“目测”振子状态的办法就会失效。本文突破近似熵仅用于描述一维信号复杂度的局限性,提出了适合度量混沌振子二维相图的二维近似熵概念。在此基础上,本文提出了基于混沌振子和二维近似熵的微弱信号检测方法,并将其应用于旋转机械的状态监测和滚动轴承的故障诊断,取得了很好的效果。工程信号中无效分量的干扰会使得微弱信号检测显得异常困难。独立分量分析可以从实测信号中分离出各个独立的源信号,是一种有效的微弱信号检测方法。针对混合信号时间延迟（或相位差）和噪声干扰对独立分量分析结果的影响问题,本文提出一种故障源信号的频域盲分离方法。涡流传感器失效检测和转子早期碰磨故障的成功诊断表明该方法广阔的应用前景。支持向量数据描述是一种新的单值分类方法,能够只利用一类学习样本（或正常状态样本）建立分类器,其应用有望解决制约设备早期故障预示向智能化方向发展的故障数据缺乏问题。本文提出一种基于经验模式分解和支持向量数据描述的设备早期故障混合智能预示方法,并将其应用于滚动轴承和齿轮箱故障的智能诊断,取得了很好的效果。作为本课题关键技术的载体,本文总结了作者在开发基于LabVIEW的远程监测诊断系统过程中运用的一些实用技术,提出了基于频域积分的振动参量转换修正算法,为设备动态信息的完整性和准确性提供了技术上的支持和保障。
二、一种实用的信号类型诊断方法及其在船舶辐射噪声中的应用（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、一种实用的信号类型诊断方法及其在船舶辐射噪声中的应用（论文提纲范文）
（1）齿轮箱混沌特性与故障诊断研究（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、意义及来源 |
| 1.2 国内外研究进展 |
| 1.3 尚需深入研究的问题 |
| 1.4 主要研究内容 |
| 2 试验信号采集与降噪分析处理研究 |
| 2.1 引言 |
| 2.2 齿轮振动信号采集试验分析 |
| 2.3 试验结果与分析 |
| 2.4 试验信号降噪分析与处理 |
| 2.5 本章小结 |
| 3 齿轮箱系统的混沌特性研究 |
| 3.1 引言 |
| 3.2 相空间重构理论 |
| 3.3 混沌系统的判别方法 |
| 3.4 理论混沌系统证明 |
| 3.5 齿轮系统混沌特性证明 |
| 3.6 本章小结 |
| 4 基于混沌吸引子相点分布特性表征诊断方法研究 |
| 4.1 引言 |
| 4.2 相轨迹图表征与诊断 |
| 4.3 相点三维直方图表征与诊断 |
| 4.4 本章小结 |
| 5 基于混沌吸引子递归特性表征诊断方法研究 |
| 5.1 引言 |
| 5.2 递归分析方法原理 |
| 5.3 齿轮故障递归图分析 |
| 5.4 齿轮故障定量递归分析 |
| 5.5 最优模式识别与诊断方法 |
| 5.6 本章小结 |
| 6 考虑多频激励齿轮动力学建模与诊断研究 |
| 6.1 引言 |
| 6.2 齿轮动力学模型构建 |
| 6.3 齿轮动力学模型特性与诊断 |
| 6.4 本章小结 |
| 7 全文总结 |
| 7.1 研究内容和主要结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（2）KECA在声发射行星齿轮箱故障诊断中的研究（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 行星齿轮箱故障检测的研究进展 |
| 1.2.1 基于动力学模型的行星齿轮箱故障诊断方法 |
| 1.2.2 基于信号的行星齿轮箱故障诊断方法 |
| 1.3 声发射技术在故障诊断中的应用 |
| 1.3.1 声发射故障检测技术的研究进展 |
| 1.3.2 AE信号分析处理方法 |
| 1.4 本文工作及章节安排 |
| 第二章 声发射故障检测原理 |
| 2.1 引言 |
| 2.2 声发射检测技术 |
| 2.2.1 声发射检测技术的概念 |
| 2.2.2 声发射的产生机理 |
| 2.2.3 声发射信号的传播特性 |
| 2.2.4 声发射检测原理 |
| 2.3 声发射行星齿轮箱故障诊断试验 |
| 2.3.1 实验装置 |
| 2.3.2 声发射信号采集 |
| 2.4 本章小结 |
| 第三章 基于小波包的声发射信号降噪算法研究 |
| 3.1 引言 |
| 3.2 噪声源分析 |
| 3.3 小波分析基础理论 |
| 3.4 小波包阈值降噪 |
| 3.4.1 小波基选择 |
| 3.4.2 分解层数选择 |
| 3.4.3 阈值的选择 |
| 3.4.4 阈值函数选择 |
| 3.5 实验研究 |
| 3.6 本章小结 |
| 第四章 基于核熵成分分析的故障特征提取算法研究 |
| 4.1 引言 |
| 4.2 主成分分析 |
| 4.3 核主成分分析 |
| 4.3.1 核方法 |
| 4.3.2 核主成分分析 |
| 4.4 核熵成分分析 |
| 4.5 改进的核熵成分分析算法 |
| 4.6 实验研究 |
| 4.6.1 高维特征空间构造 |
| 4.6.2 实验结果分析 |
| 4.7 本章小结 |
| 第五章 基于支持向量机的故障分类算法 |
| 5.1 引言 |
| 5.2 支持向量机理论 |
| 5.2.1 线性支持向量机 |
| 5.2.2 非线性支持向量机 |
| 5.2.3 支持向量机的多分类问题 |
| 5.3 实验研究 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（3）船舶机舱背景噪声的自适应消噪（论文提纲范文）
| 引言 |
| 第一章 绪论 |
| 1.1 噪声诊断机理 |
| 1.2 背景噪声的影响 |
| 1.3 自适应滤波的基本原理 |
| 1.4 几种典型的自适应滤波算法 |
| 1.5 自适应消噪的基本原理 |
| 1.6 作者的工作及研究方法 |
| 1.7 小结 |
| 第二章 船舶噪声的基本知识 |
| 2.1 噪声的机理及有关概念 |
| 2.1.1 噪声的机理 |
| 2.1.2 波长、声速和频率 |
| 2.1.3 声级和分贝 |
| 2.1.4 频率、频带和分贝 |
| 2.2 噪声级的估算 |
| 2.2.1 分贝的加法 |
| 2.2.2 分贝的减法 |
| 2.3 船舶噪声概况 |
| 2.3.1 螺旋桨的噪声 |
| 2.3.2 船舶机械的噪声 |
| 2.3.3 船体结构的噪声 |
| 2.4 船舶噪声的传播途径和特点 |
| 2.5 机舱噪声的测量以及噪声源的识别 |
| 2.5.1 空气噪声测量的方法 |
| 2.5.2 机器噪声源识别方法 |
| 2.6 小结 |
| 第三章 自适应滤波 |
| 3.1 自适应滤波原理及应用 |
| 3.1.1 自适应滤波的基本原理 |
| 3.1.2 自适应滤波器的应用 |
| 3.2 自适应滤波算法 |
| 3.2.1 LMS自适应滤波算法 |
| 3.2.2 RLS自适应滤波算法 |
| 3.2.3 变换域自适应滤波算法 |
| 3.2.4 共轭梯度算法 |
| 3.2.5 仿射投影算法 |
| 3.2.6 基于QR分解的自适应滤波算法 |
| 3.2.7 基于子带分解的自适应滤波算法 |
| 3.2.8 其它一些自适应滤波算法 |
| 3.2.9 算法性能评价 |
| 3.3 LMS自适应数字滤波器 |
| 3.4 小结 |
| 第四章 自适应噪声消除器 |
| 4.1 自适应消噪的基本原理 |
| 4.2 一种新型噪声消除器 |
| 4.2.1 最优(Kalman)滤波 |
| 4.2.2 噪声消除器 |
| 4.2.3 噪声统计的新型MAP估值器 |
| 4.2.4 自适应噪声消除器的实现 |
| 4.3 自适应消噪的具体实现 |
| 4.3.1 本论文中用到的程序模块 |
| 4.3.2 试验程序界面设计 |
| 4.4 小结 |
| 第五章 机舱背景噪声的自适应消噪试验分析 |
| 5.1 试验测试系统 |
| 5.1.1 试验方案确定 |
| 5.1.2 试验设计 |
| 5.1.3 试验台架及噪声信号测点的布置 |
| 5.1.4 数据文件存储 |
| 5.2 试验结果的分析 |
| 5.3 小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
（5）多声纳协同探测性能分析及参数优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 本文的目的和意义 |
| 1.2 国内外发展现状 |
| 1.2.1 多基地声纳系统 |
| 1.2.2 群智能优化算法 |
| 1.3 本文内容概述 |
| 第2章 多基地声纳系统探测效能评估模型 |
| 2.1 声纳参数模型的建立 |
| 2.1.1 主动声纳声源级 |
| 2.1.2 被动声纳声源级 |
| 2.1.3 海洋声传播损失 |
| 2.1.4 目标强度 |
| 2.1.5 接收指向性 |
| 2.1.6 噪声干扰级 |
| 2.1.7 海洋混响级 |
| 2.2 声纳系统模型的建立 |
| 2.2.1 声纳方程 |
| 2.2.2 信号处理增益 |
| 2.2.3 接收机特性曲线 |
| 2.2.4 直达波盲区 |
| 2.2.5 多基地声纳系统的信息融合 |
| 2.3 本章小结 |
| 第3章 多基地声纳区域覆盖能力的影响因素 |
| 3.1 多基地探测区域覆盖能力评估 |
| 3.1.1 双基地评估示例 |
| 3.1.2 不均匀目标强度评估 |
| 3.1.3 评估中的传播损失 |
| 3.1.4 评估中的噪声与混响 |
| 3.1.5 多基地评估示例 |
| 3.2 阵位对区域覆盖能力的影响 |
| 3.2.1 基于卡西尼卵形线的覆盖能力探究 |
| 3.2.2 基于区域覆盖评估模型的覆盖能力探究 |
| 3.3 工作模式对区域覆盖能力的影响 |
| 3.4 频段对区域覆盖能力的影响 |
| 3.4.1 频段异构 |
| 3.4.2 频率对传播损失的影响 |
| 3.4.3 频率对噪声的影响 |
| 3.5 本章小结 |
| 第4章 多基地声纳系统探测效能的参数优化 |
| 4.1 基于覆盖率最大化的阵位优化 |
| 4.1.1 和声搜索算法 |
| 4.1.2 改进和声搜索算法 |
| 4.1.3 和声-粒子群混合算法 |
| 4.2 多准则阵位优化 |
| 4.2.1 优化准则的确定 |
| 4.2.2 阵位优化的实现 |
| 4.3 声纳工作参数优化 |
| 4.3.1 声纳的工作模式优化 |
| 4.3.2 声纳的工作频段优化 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（6）基于时频分析的滚动轴承故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 国内外轴承振动研究发展现状 |
| 1.3 课题研究意义与内容 |
| 1.4 本章小结 |
| 2 轴承振动理论与分析方法 |
| 2.1 轴承振动的基本理论 |
| 2.2 滚动轴承接触中的弹性力学问题 |
| 2.3 滚动轴承接触中的接触力学问题 |
| 2.4 深沟球轴承在径向载荷作用下的载荷分布 |
| 2.5 6205-2RS SKF轴承外圈与整体固有频率计算 |
| 2.6 本章小结 |
| 3 振动信号时域、频域与时频域特征提取 |
| 3.1 振动信号预处理方法 |
| 3.2 振动信号特征提取方法 |
| 3.3 能量熵、近似熵与样本熵 |
| 3.4 6205-2RS SKF轴承振动信号的时域、频域与时频域特征 |
| 3.5 本章小结 |
| 4 基于时频分析和模式识别技术的船用发电机轴承损伤诊断 |
| 4.1 机器学习与模式识别理论 |
| 4.2 基于时频分析和灰色关联分析的船用发电机轴承损伤诊断 |
| 4.3 基于振动信号高频特征与自适应小波消噪的滚动轴承故障诊断研究 |
| 4.4 本章小结 |
| 5 基于时频分析与盲源分离的轴承故障诊断技术 |
| 5.1 信号盲源分离理论与分析方法 |
| 5.2 基于小波变换-本征时间尺度分解-稀疏成分分析的时频盲源分离技术 |
| 5.3 本章小结 |
| 6 冲击信号盲源分离试验 |
| 6.1 冲击信号盲源分离试验大纲 |
| 6.2 数值仿真 |
| 6.3 试验实测与数据分析处理 |
| 6.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（7）高压共轨柴油机基于声学信号的燃烧特征观测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 燃烧观测的意义 |
| 1.3 内燃机典型的燃烧观测方法 |
| 1.3.1 基于缸压的观测方法 |
| 1.3.2 基于离子电流的观测方法 |
| 1.3.3 基于曲轴角速度的观测方法 |
| 1.3.4 基于缸内光学信号的观测方法 |
| 1.3.5 基于振动信号的观测方法 |
| 1.4 基于声学信号的燃烧观测方法分析 |
| 1.4.1 内燃机噪声分类 |
| 1.4.2 柴油机声学信号燃烧观测可行性研究 |
| 1.5 基于声学信号的燃烧观测研究现状 |
| 1.6 本课题的研究意义及内容 |
| 第二章 发动机实验平台及控制器基础模块开发 |
| 2.1 实验台架 |
| 2.2 传声器选型和安装 |
| 2.3 控制器平台构建 |
| 2.3.1 ECU 硬件开发 |
| 2.3.2 ECU 基础软件开发 |
| 2.3.3 轨压控制算法 |
| 2.4 监控标定软件开发 |
| 2.5 基于缸压信号的燃烧特征参数计算 |
| 2.5.1 缸压真实值获得 |
| 2.5.2 缸压信号数字滤波 |
| 2.5.3 燃烧参数定义和计算 |
| 2.6 本章小结 |
| 第三章 基于小波变换的声学信号燃烧观测特征频段研究 |
| 3.1 小波分析 |
| 3.1.1 小波分析简介 |
| 3.1.2 小波参数的选择 |
| 3.2 声学信号燃烧观测特征频段研究 |
| 3.2.1 声学信号燃烧观测特征频段概述 |
| 3.2.2 声学信号燃烧观测特征频段的实验研究 |
| 3.3 本章小结 |
| 第四章 基于声学信号的非正常燃烧诊断方法研究 |
| 4.1 数学抽象及判别分析 |
| 4.1.1 数学抽象 |
| 4.1.2 判别分析 |
| 4.2 基于声学信号失火检测方法 |
| 4.2.1 时频域特征量与失火相关性分析 |
| 4.2.2 时域特征量与失火相关性分析 |
| 4.2.3 失火诊断模型建立 |
| 4.2.4 失火诊断模型测试 |
| 4.3 基于声学信号工作粗暴检测方法 |
| 4.3.1 时频域特征量与工作粗暴相关性分析 |
| 4.3.2 时域特征量与工作粗暴相关性分析 |
| 4.3.3 工作粗暴诊断模型建立 |
| 4.3.4 工作粗暴诊断模型测试 |
| 4.4 本章小结 |
| 第五章 基于声学信号的燃烧相位观测方法研究 |
| 5.1 燃烧始点观测方法研究 |
| 5.1.1 信号分析及特征频段选取 |
| 5.1.2 非燃烧阶段声学信号高斯噪声模型 |
| 5.1.3 声学信号特征量与燃烧始点相关性分析 |
| 5.1.4 燃烧始点观测模型建立 |
| 5.1.5 燃烧始点观测模型测试 |
| 5.2 最大压升率时刻观测方法研究 |
| 5.2.1 信号分析及特征频段选取 |
| 5.2.2 声学信号特征量与最大压升率时刻相关性分析 |
| 5.2.3 最大压升率时刻观测模型建立 |
| 5.2.4 最大压升率时刻观测模型测试 |
| 5.3 本章小结 |
| 第六章 声学信号燃烧观测的嵌入式实现方法 |
| 6.1 软硬件并行实现方法 |
| 6.1.1 总体处理流程 |
| 6.1.2 软硬件并行架构 |
| 6.2 声学信号硬件处理 |
| 6.2.1 信号调理滤波 |
| 6.2.2 TC1766 单片机 |
| 6.3 声学信号燃烧观测嵌入式软件 |
| 6.3.1 发动机曲轴位置处理及微齿系统建立 |
| 6.3.2 基于角度触发的声学信号采集 |
| 6.3.3 基于 DMA 的声学信号数据高速并行传输 |
| 6.3.4 基于 DSP 核的 FIR 滤波 |
| 6.3.5 声学观测算法计算核实现 |
| 6.4 声学信号燃烧观测方法的实时性验证 |
| 6.5 本章小结 |
| 第七章 全文总结及展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（8）小水线面双体船噪声环境特性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的目的及意义 |
| 1.2 舰船噪声环境预报方法研究概况 |
| 1.2.1 舰船舱室噪声预报方法研究概况 |
| 1.2.2 舰船水下辐射噪声预报方法概述 |
| 1.2.3 舰船自噪声预报方法概述 |
| 1.3 本论文的主要工作 |
| 第2章 小水线面双体船噪声环境研究理论 |
| 2.1 引言 |
| 2.2 小水线面双体船噪声环境分析 |
| 2.3 低频FEM/BEM耦合法及有效性验证 |
| 2.3.1 结构FEM法 |
| 2.3.2 流体BEM法 |
| 2.3.3 流固耦合系统方程 |
| 2.3.4 FEM/BEM耦合法有效性验证 |
| 2.4 高频SEA方法及有效性验证 |
| 2.4.1 SEA方法基本原理 |
| 2.4.2 SEA方法模态密度 |
| 2.4.3 SEA方法内损耗因子 |
| 2.4.4 SEA耦合损耗因子 |
| 2.4.5 SEA方法有效性验证 |
| 2.5 本章小结 |
| 第3章 双体船上层建筑舱室噪声特性研究 |
| 3.1 引言 |
| 3.2 小水线面双体船三维模型 |
| 3.2.1 主尺度及船型系数 |
| 3.2.2 主要动力设备及载荷 |
| 3.2.3 小水线面双体船三维SEA模型 |
| 3.3 双体船上层建筑舱室噪声特性分析 |
| 3.4 典型舱室降噪方案研究 |
| 3.5 本章小结 |
| 第4章 双体船水下辐射噪声特性研究 |
| 4.1 引言 |
| 4.2 机械噪声分量特性研究 |
| 4.2.1 机械辐射噪声低频特性研究 |
| 4.2.2 机械辐射噪声高频特性研究 |
| 4.2.3 机械辐射噪声分量特性研究 |
| 4.3 螺旋桨噪声分量特性研究 |
| 4.3.1 螺旋桨激励艇体振动辐射噪声研究 |
| 4.3.2 螺旋桨直接辐射噪声研究 |
| 4.4 水动力噪声分量特性研究 |
| 4.4.1 湍流噪声特性研究 |
| 4.4.2 流激噪声特性研究 |
| 4.5 双体船总水下辐射噪声特性研究 |
| 4.6 本章小结 |
| 第5章 双体船自噪声特性研究 |
| 5.1 引言 |
| 5.2 机械噪声分量特性研究 |
| 5.3 螺旋桨噪声分量特性研究 |
| 5.3.1 螺旋桨直接声辐射研究模型 |
| 5.3.2 螺旋桨直接声辐射特性分析 |
| 5.4 水动力噪声分量预特性分析 |
| 5.4.1 水动力噪声研究模型 |
| 5.4.2 水动力噪声特性分析 |
| 5.5 双体船换能器部位自噪声特性分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（9）基于EMD的机械振动分析与诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 旋转机械振动分析与故障诊断技术的研究现状 |
| 1.2.1 旋转机械振动故障机理的研究 |
| 1.2.2 振动信号分析方法的现状与发展 |
| 1.2.3 旋转机械故障诊断方法的研究现状 |
| 1.2.4 现有振动信号分析方法的局限性分析 |
| 1.3 经验模式分解方法理论研究及其在机械故障诊断中的应用 |
| 1.3.1 EMD方法的提出 |
| 1.3.2 EMD方法及其在机械故障诊断中应用的研究现状 |
| 1.3.3 EMD方法的不足之处分析 |
| 1.4 基于2D-HMM的故障诊断方法分析 |
| 1.4.1 HMM的提出及应用现状 |
| 1.4.2 2D-HMM在机械故障诊断中的应用分析 |
| 1.5 故障诊断系统的开发与研究 |
| 1.6 选题背景和研究内容 |
| 1.6.1 选题背景 |
| 1.6.2 研究内容 |
| 1.6.3 论文的总体结构及技术路线 |
| 1.6.4 论文的创新点 |
| 1.7 本章小结 |
| 第2章 机械系统振动模式的EMD分析方法研究 |
| 2.1 引言 |
| 2.2 瞬时频率和固有模式函数 |
| 2.2.1 瞬时频率 |
| 2.2.2 固有模式函数 |
| 2.3 EMD方法的基本原理及算法 |
| 2.3.1 EMD基本原理 |
| 2.3.2 EMD方法性质的探讨 |
| 2.3.3 EMD算法流程设计 |
| 2.4 机械系统振动特性及其EMD分析 |
| 2.4.1 机械振动分析诊断方法 |
| 2.4.2 单自由度系统振动特性及其EMD分析 |
| 2.4.3 多自由度系统振动特性及其EMD分析 |
| 2.5 基于 EMD 的机械系统振动模式分析方法及实验研究 |
| 2.5.1 机械系统振动模式的EMD分析方法 |
| 2.5.2 简支梁横向振动特性研究及其EMD分析 |
| 2.5.3 简支梁振动实验设计 |
| 2.5.4 实验结果分析 |
| 2.6 本章小结 |
| 第3章 EMD中的端点效应与信号序列延拓技术研究 |
| 3.1 引言 |
| 3.2 端点效应产生机理及影响 |
| 3.3 端点效应的抑制方法分析 |
| 3.3.1 信号序列极值延拓方法 |
| 3.3.2 信号序列周期延拓方法 |
| 3.3.3 信号序列预测延拓方法 |
| 3.3.4 信号序列波形延拓方法 |
| 3.3.5 现有延拓方法在旋转机械振动信号处理中的不足分析 |
| 3.4 信号序列端点优化对称延拓方法研究 |
| 3.4.1 端点优化对称延拓方法原理 |
| 3.4.2 仿真实例验证 |
| 3.4.3 在转子系统振动信号处理中的应用 |
| 3.5 本章小结 |
| 第4章 基于白噪声统计特性的机械振动模式检验方法研究 |
| 4.1 引言 |
| 4.2 虚假振动模式产生的原因分析 |
| 4.3 基于EMD的白噪声统计特性研究 |
| 4.3.1 白噪声基础理论分析 |
| 4.3.2 白噪声的EMD分析及特性研究 |
| 4.4 基于白噪声统计特性的机械振动模式检验方法 |
| 4.5 仿真及实验验证 |
| 4.5.1 仿真研究 |
| 4.5.2 转子耦合故障信号的有效振动模式提取研究 |
| 4.6 本章小结 |
| 第5章 非平稳机械振动信号的集成EMD降噪方法研究 |
| 5.1 引言 |
| 5.2 机械振动信号的预处理 |
| 5.2.1 常用数字滤波算法 |
| 5.2.2 Kalman滤波 |
| 5.2.3 小波降噪方法 |
| 5.3 EMD自适应滤波方法的研究 |
| 5.3.1 滤波原理 |
| 5.3.2 仿真和实验分析 |
| 5.4 集成 EMD 降噪新方法研究 |
| 5.4.1 EMD自适应滤波方法的模式混叠分析 |
| 5.4.2 集成EMD降噪方法原理 |
| 5.4.3 集成EMD降噪算法流程设计 |
| 5.4.4 仿真及实验对比分析 |
| 5.5 本章小结 |
| 第6章 基于EMD-HT的机械振动故障特征提取方法研究 |
| 6.1 引言 |
| 6.2 基于EMD-HT的瞬时能量分布特征 |
| 6.2.1 Hilbert变换 |
| 6.2.2 机械结构振动瞬时能量的演变理论研究 |
| 6.2.3 瞬时能量分布特征提取方法 |
| 6.2.4 在转子系统故障特征提取中的应用 |
| 6.3 Hilbert边际谱 |
| 6.3.1 Hilbert边际谱计算 |
| 6.3.2 在转子系统故障特征提取中的应用 |
| 6.4 本章小结 |
| 第7章 基于EMD—2D-HMM的旋转机械故障诊断方法研究 |
| 7.1 引言 |
| 7.2 二维隐Markov模型(2D-HMM)研究 |
| 7.2.1 2D-HMM的结构类型 |
| 7.2.2 模型参数说明 |
| 7.2.3 2D-HMM诊断原理 |
| 7.2.4 2D-HMM算法分析 |
| 7.3 EMD—2D-HMM故障诊断模型的研究 |
| 7.3.1 EMD—2D-HMM故障诊断模型的提出 |
| 7.3.2 观测序列的构造 |
| 7.3.3 EMD—2D-HMM诊断步骤 |
| 7.4 基于EMD—2D-HMM的故障诊断试验研究 |
| 7.4.1 转子系统常见故障及振动特征 |
| 7.4.2 转子实验台简介 |
| 7.4.3 试验数据采集系统设计 |
| 7.4.4 故障诊断试验分析 |
| 7.5 本章小结 |
| 第8章 基于EMD—2D-HMM的故障诊断系统研发 |
| 8.1 引言 |
| 8.2 需求分析 |
| 8.3 诊断系统的总体结构设计 |
| 8.3.1 数据采集及预处理系统 |
| 8.3.2 故障诊断软件包 |
| 8.4 基于EMD—2D-HMM的故障诊断软件系统设计与开发 |
| 8.4.1 软件系统设计 |
| 8.4.2 开发工具简介 |
| 8.4.3 基于EMD—2D-HMM的故障诊断软件系统开发 |
| 8.4.4 软件系统的功能分析 |
| 8.5 本章小结 |
| 第9章 结论与展望 |
| 9.1 总结 |
| 9.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及在学期间所取得的科研成果 |
| 作者简历 |
| 在学期间公开发表(录用)的学术论文 |
| 在学期间参加的科研项目 |
（10）机械设备早期故障预示中的微弱信号检测技术研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题意义 |
| 1.1.1 机械设备早期故障预示中的微弱信号检测技术 |
| 1.1.2 微弱信号检测的特点 |
| 1.2 机械设备早期故障预示中的微弱信号检测研究现状与发展 |
| 1.2.1 微弱信号检测常用的时域方法 |
| 1.2.2 微弱信号检测常用的频域方法 |
| 1.2.3 微弱信号检测的新方法 |
| 1.3 机械设备监测诊断系统的开发与应用 |
| 1.4 课题的来源和研究内容 |
| 1.4.1 课题研究的目的和来源 |
| 1.4.2 论文主要内容和章节安排 |
| 第二章 基于自适应随机共振的微弱信号检测 |
| 2.1 引言 |
| 2.2 随机共振的基本原理 |
| 2.3 变步长随机共振 |
| 2.4 近似熵的基本原理与性质 |
| 2.4.1 近似熵的基本原理 |
| 2.4.2 近似熵的实用快速算法 |
| 2.4.3 周期信号近似熵的性质 |
| 2.5 基于近似熵测度的自适应随机共振 |
| 2.6 工程实例 |
| 2.6.1 金属切削过程的振动分析 |
| 2.6.2 滚动轴承的故障诊断 |
| 2.7 本章小结 |
| 第三章 基于混沌振子的微弱信号检测 |
| 3.1 引言 |
| 3.2 混沌振子检测微弱信号的基本原理 |
| 3.2.1 Duffing振子的行为特征 |
| 3.2.2 Duffing振子的检测特性 |
| 3.3 混沌振子状态的定量描述 |
| 3.3.1 二维近似熵原理 |
| 3.3.2 二维近似熵的性质 |
| 3.4 基于混沌振子和二维近似熵的微弱信号检测 |
| 3.5 工程实例 |
| 3.5.1 旋转机械的状态监测 |
| 3.5.2 滚动轴承的故障诊断 |
| 3.6 本章小结 |
| 第四章 基于独立分量分析的微弱信号检测 |
| 4.1 引言 |
| 4.2 盲源分离的基本原理与算法实现 |
| 4.2.1 盲源分离问题的数学描述 |
| 4.2.2 独立分量分析的一些重要概念 |
| 4.2.3 独立分量分析的信号预处理 |
| 4.2.4 独立分量分析的算法实现 |
| 4.2.5 独立分量分析的仿真实例 |
| 4.3 独立分量分析的几个关键问题研究 |
| 4.4 故障源信号的频域盲分离方法 |
| 4.5 工程实例 |
| 4.5.1 涡流传感器失效检测 |
| 4.5.2 转子早期碰磨故障诊断 |
| 4.6 本章小结 |
| 第五章 基于支持向量数据描述的微弱信号智能检测 |
| 5.1 引言 |
| 5.2 单值分类问题概述 |
| 5.2.1 单值分类的特点 |
| 5.2.2 常见的单值分类方法 |
| 5.3 支持向量数据描述的基本原理 |
| 5.4 具有非目标样本的支持向量数据描述 |
| 5.5 经验模式分解的基本原理和性质 |
| 5.5.1 经验模式分解的基本原理 |
| 5.5.2 经验模式分解的完备性和正交性 |
| 5.6 基于经验模式分解特征提取的SVDD分类模型 |
| 5.7 工程实例 |
| 5.7.1 滚动轴承故障的智能诊断 |
| 5.7.2 齿轮故障的智能诊断 |
| 5.8 本章小结 |
| 第六章 基于LabVIEW的远程监测诊断系统的开发 |
| 6.1 引言 |
| 6.2 远程监测诊断系统的总体结构 |
| 6.3 基于LabVIEW的远程监测诊断系统 |
| 6.4 基于LabVIEW的远程监测诊断系统中的关键技术 |
| 6.4.1 DataSocket远程数据传输 |
| 6.4.2 数据库远程访问 |
| 6.4.3 多语言混合编程 |
| 6.5 基于频域积分的振动参量转换修正算法 |
| 6.5.1 振动信号趋势项对软件积分的影响 |
| 6.5.2 基于频域积分的波形基线修正算法 |
| 6.5.3 工程实例 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
四、一种实用的信号类型诊断方法及其在船舶辐射噪声中的应用（论文参考文献）
- [1]齿轮箱混沌特性与故障诊断研究[D]. 蒋宇. 中国矿业大学, 2020
- [2]KECA在声发射行星齿轮箱故障诊断中的研究[D]. 潘波. 电子科技大学, 2020(01)
- [3]船舶机舱背景噪声的自适应消噪[D]. 夏晓云. 上海海事大学, 2005(04)
- [4]一种实用的信号类型诊断方法及其在船舶辐射噪声中的应用[J]. 杨绍清,章新华,赵长安. 信号处理, 2000(S1)
- [5]多声纳协同探测性能分析及参数优化研究[D]. 邹佳运. 哈尔滨工程大学, 2019(09)
- [6]基于时频分析的滚动轴承故障诊断方法研究[D]. 乔元英. 大连理工大学, 2016(03)
- [7]高压共轨柴油机基于声学信号的燃烧特征观测方法研究[D]. 朱仲文. 天津大学, 2013(08)
- [8]小水线面双体船噪声环境特性研究[D]. 黄毅. 哈尔滨工程大学, 2011(05)
- [9]基于EMD的机械振动分析与诊断方法研究[D]. 曹冲锋. 浙江大学, 2009(11)
- [10]机械设备早期故障预示中的微弱信号检测技术研究[D]. 李强. 天津大学, 2008(07)