为解决强背景信号下冲击特征的提取问题,提出了一种自适应多尺度形态学分析方法.对于实际的待分析信号,分别定义长度尺度和高度尺度来确定多尺度形态学分析的结构元素,并基于信号的局部峰值实现自适应多尺度形态学分析.数值仿真实验分析表明,自适应多尺度形态学分析方法较单尺度形态学分析方法更利于提取信号的形态特征,避免了单尺度形态学分析在结构元素选择时的盲目性和对相关先验知识的依赖性.本文所提出的方法应用于轴承故障诊断,结果表明这种方法可以清晰地提取出各种特征信号

为识别钢筋混凝土简支梁的损伤状况,对简支梁进行了逐级加载实验,每级加荷后卸荷,观测梁的裂缝,并测定梁的动力反应.将钢筋混凝土简支梁作为无限自由度体系,并对该体系的动力方程进行小波变换,得到多尺度下的结构动力响应表达式.信号经多尺度分解后,包含了信号中更多的结构损伤信息.基于此,用DASP信号处理系统对钢筋混凝土简支梁各损伤阶段的动态信号进行二进制小波分解,通过分析各频段的波形,确定了梁的损伤

1.1 信号的分类 1.2 信号处理 1.3 信号采样和复原的一个实例 1.4 本书概貌的说明

第一节概述 一、细胞通讯 二、信号转导系统及其特性 第二节细胞内受体介导的信号转导 一、细胞内核受体及其对基因表达的调节 二、NO作为气体信号分子进入靶细胞直接与酶结合 第三节G蛋白偶联受体介导的信号转导 一、G蛋白偶联受体的结构与激活 二、G蛋白偶联受体所介导的细胞信号通路 第四节酶联受体介导的信号转导 一、受体酪氨酸激酶及RTK-Ras蛋白信号通路 二、细胞表面其他酶联受体 三、细胞表面整联蛋白介导的信号转导 第五节信号的整合与控制 一、细胞对信号的整合 二、细胞对信号的控制

4.10.1周期误差的测定 一、周期误差 测距信号为e1,串扰信号为e2,相位差为,串扰信号与测距信号的强度比为K=e2/e1,串扰信号引起的附加相位移为△。K大,ΔΦ大

针对滚动轴承故障振动信号的特点,考虑变分模式分解在复杂信号分解及微积分增强能量算子在瞬态成分检测方面的优势,提出基于变分模式分解和微积分增强能量算子的滚动轴承故障诊断方法.首先利用变分模式分解将复杂信号分解为多个本质模式函数,以削弱背景噪声的影响和满足能量算子对信号单分量的要求;然后根据提出的敏感分量选取原则,从本质模式函数中选出包含主要故障信息的本质模式函数为敏感分量;最后利用微积分增强能量算子强化敏感分量中的瞬态冲击,并根据敏感分量瞬时能量的时域波形及Fourier频谱诊断滚动轴承故障.分析结果表明该方法能够有效诊断滚动轴承故障

本章介绍了信息产业的概念和信息产业的特点 ,以及信息人才的结构需求与培养。从信息的定 义开始,介绍了香农理论对信息论的贡献、信息 与熵的联系,阐述了香农关于信息的计算公式。 同时指出香农公式应用的局限性,对狭义信息论 和广义信息论作了介绍

实验三序列信号发生器与序列信号检测器的设计 一、实验目的:用VHDL语言实现序列信号发生器和检测器的设计,并对其进行仿真和硬件测试。 二、实验要求: 1、利用VHDL语言设计一个8位任意序列的序列发生器,编译定义引脚并下载到实验箱中进行验证。 2、利用VHDL语言设计一个8位任意序列的序检测器,显示检测值,编译定义引脚并下载到实验箱中进行验证

行星齿轮箱振动信号包含多种频率成分和噪声干扰，频谱具有复杂的边带结构，容易对故障识别造成误导甚至引起错判.在不同故障状态下，行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同，根据这一特点，提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题，增强对噪声干扰的鲁棒性，采用局部均值分解法将信号自适应地分解为单分量之和，提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题，采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法，并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号，根据样本流形特征聚类结果，分别识别出了太阳轮、行星轮和齿圈的局部故障，从而验证了上述方法的有效性

滚动轴承局部故障振动信号中的周期性冲击是识别故障的关键特征.形态分量分析在由多种形态原子组成的过完备字典基础上提取信号中的不同形态成分,基于这种思想提出了一种基于新型过完备复合字典的形态分量分析方法.依据滚动轴承故障振动信号中分量间的形态差异性,改进字典后该方法可以更具针对性地提取出包含故障特征的冲击分量,配合包络谱分析准确提取故障特征频率,诊断滚动轴承局部故障.对比基于快速谱峭度法的轴承故障诊断方法,该方法可以避免人为选择共振带产生的不准确性和非最优问题,提高了故障诊断效果.通过轴承仿真信号和故障实验信号分析验证了该方法的有效性