长跑运动员训练用的跑步机发生故障,会导致使用者受伤,甚至出现生命危险,为此提出长跑训练的跑步机故障信号特征提取方法。分析体育训练跑步机的结构,利用小波包准确分解跑步机信号的高频段信息,分析脉冲信号时间间隔变化和相位变化,提取时域特征得到正常脉冲以及故障脉冲信号间差异。通过小波包分解对应输出信号,重构某尺度内所有频带系数,即可构成全新的时间序列,实现提取故障信号特征。实验证明所提方法能够有效区分正常信号与故障信号,提取的故障信号脉冲波动非常明显。

分析了风力发电机组齿轮箱行星轮在点蚀故障下的振动信号经过一系列的传递后，在齿轮箱输出轴端的啮合频率调制现象的理论结果，经过计算得出了27组振动分量，证明了振动的多样性及振动情况的严重不对称性，具有一定的理论参考价值。

针对经典自适应滤波算法处理机械故障信号时收敛过慢的问题,在大数据框架下提出一种改进的自适应滤波算法。以Hadoop平台为基础架构,构建一种三层次结构的机械故障大数据处理框架,用于采集和预处理原始故障大数据集;在信号滤波方面引入步长变化因子函数和均方误差函数,提高算法的收敛性能;基于离散粒子群算法对故障信号滤波处理过程进行优化,提高迭代速度和全局寻优的能力。实验结果表明:改进后的滤波算法降噪效果明显,尤其在低信噪比条件下其收敛性能相对于经典滤波算法更具优势。

结合多传感器时频分布(multisensor time-frequency distributions,MTFD)和盲源分离(blindsource separation,BSS)的特点,提出一种针对机械复合故障信号的欠定盲源分离方法。首先利用Wigner-Ville分布将观测信号转化为MTFD矩阵;然后对该矩阵进行白化处理和噪声阈值处理,并对其自动项进行选择,对其特征向量进行集群处理,从而得到源信号TFD的估计;最后对源信号进行重建,得到源信号的估计。仿真及试验结果表明,本文所提出的方法在处理非平稳复合信号的欠定盲源分离方面具有很好的效果。

针对故障诊断的需要和信号特点,提出一种基于小波特征熵的去噪新方法。该方法基于小波特征熵判断有用信号所在频带,重构所在频带系数,得到去噪信号。将该方法和阈值去噪法应用到液压系统压力信号中,去噪结果证明该方法比阈值去噪法更有效。