针对工业生产场景下大型轴流风机滚动轴承受强背景噪声干扰影响导致的故障信号特征提取难题,提出一种基于延伸奇异值分解包(extended singular value decomposition packet,ESVDP)的自适应轴承故障信号提取方法。利用自回归模型,引入自...针对工业生产场景下大型轴流风机滚动轴承受强背景噪声干扰影响导致的故障信号特征提取难题,提出一种基于延伸奇异值分解包(extended singular value decomposition packet,ESVDP)的自适应轴承故障信号提取方法。利用自回归模型,引入自回归功率谱,基于信号能量分布分析实现对原算法的分解精度参数的自适应设定。引入峭度指标作为故障特征选择依据,从轴承故障信号本身的特征来更多地保留机械振动信号中的故障信息,结合峭度指标实现递推分解层数参数的设置,自适应分解出故障信号,有效保留包含故障信息的瞬态冲击成分。优化ESVDP分解结构,减少不必要的计算冗余,提升计算效率的同时对故障信号进行筛选,从而准确实现轴流风机轴承故障的诊断。仿真信号和试验结果均表明该方法在强干扰分量下可有效提取轴流风机轴承的故障特征频率,实现轴流风机轴承的故障诊断。展开更多
针对基于双向测距(Two Way Ranging,TWR)的超宽带(Ultra Wide Band,UWB)定位技术在温室场景下定位精度较低的问题,提出了一种基于多维处理的TWR测距优化方法,并在此基础上采用差分定位对UWB在温室场景下的定位误差进行修正。基于多维处...针对基于双向测距(Two Way Ranging,TWR)的超宽带(Ultra Wide Band,UWB)定位技术在温室场景下定位精度较低的问题,提出了一种基于多维处理的TWR测距优化方法,并在此基础上采用差分定位对UWB在温室场景下的定位误差进行修正。基于多维处理的TWR测距优化,主要以外推拟合的方式减少TWR测距的异常值,并利用粒子滤波对TWR测距系统的有色噪声进行处理。通过试验与传统的均值滤波和卡尔曼滤波进行对比发现:相较于均值滤波,本文方法的最大误差、误差均值、误差标准差分别降低了69.3%、73.8%、72.1%。基于差分定位的UWB优化方法,通过在常规三边定位的基础上引入位置已知的修正标签,将修正标签在UWB坐标系下到达各个固定基站的测量值与真实值的偏差作为修正值,利用固定基站将修正信息传送给待测标签,并对待测标签位置信息进行误差修正。试验结果表明:本文方法能在一定程度上提高UWB在温室场景下的定位精度。修正后,静态定位下的最大误差、平均绝对误差和均方根误差分别降低了11.56%、12.23%、11.57%,动态定位下的偏差均值、方差和标准差分别降低了9.06%、15.04%和7.84%。展开更多
文摘针对工业生产场景下大型轴流风机滚动轴承受强背景噪声干扰影响导致的故障信号特征提取难题,提出一种基于延伸奇异值分解包(extended singular value decomposition packet,ESVDP)的自适应轴承故障信号提取方法。利用自回归模型,引入自回归功率谱,基于信号能量分布分析实现对原算法的分解精度参数的自适应设定。引入峭度指标作为故障特征选择依据,从轴承故障信号本身的特征来更多地保留机械振动信号中的故障信息,结合峭度指标实现递推分解层数参数的设置,自适应分解出故障信号,有效保留包含故障信息的瞬态冲击成分。优化ESVDP分解结构,减少不必要的计算冗余,提升计算效率的同时对故障信号进行筛选,从而准确实现轴流风机轴承故障的诊断。仿真信号和试验结果均表明该方法在强干扰分量下可有效提取轴流风机轴承的故障特征频率,实现轴流风机轴承的故障诊断。
文摘针对基于双向测距(Two Way Ranging,TWR)的超宽带(Ultra Wide Band,UWB)定位技术在温室场景下定位精度较低的问题,提出了一种基于多维处理的TWR测距优化方法,并在此基础上采用差分定位对UWB在温室场景下的定位误差进行修正。基于多维处理的TWR测距优化,主要以外推拟合的方式减少TWR测距的异常值,并利用粒子滤波对TWR测距系统的有色噪声进行处理。通过试验与传统的均值滤波和卡尔曼滤波进行对比发现:相较于均值滤波,本文方法的最大误差、误差均值、误差标准差分别降低了69.3%、73.8%、72.1%。基于差分定位的UWB优化方法,通过在常规三边定位的基础上引入位置已知的修正标签,将修正标签在UWB坐标系下到达各个固定基站的测量值与真实值的偏差作为修正值,利用固定基站将修正信息传送给待测标签,并对待测标签位置信息进行误差修正。试验结果表明:本文方法能在一定程度上提高UWB在温室场景下的定位精度。修正后,静态定位下的最大误差、平均绝对误差和均方根误差分别降低了11.56%、12.23%、11.57%,动态定位下的偏差均值、方差和标准差分别降低了9.06%、15.04%和7.84%。
