電機是現代工業生產和日常生活最主要的原動力和驅動裝置。電機一旦發生故障，會造成不同程度的經濟損失和社會影響。因此研究不同場合、不同運行狀態下電機故障診斷理論和相關技術具有很高的實用價值。 電機出現故障時，故障信號中往往含有大量的時變、短時突發性質的成分。因此可以通過檢測、分析故障信號，獲得電機的故障信息。傳統的信號分析方法，如傅立葉變換，是一種純頻域分析，缺乏空間局部性，不能滿足故障信號分析的要求。而小波分析和小波包分析法具有良好的時頻局部性，能夠將信號在任意頻段進行劃分，從而使在不同頻段的各種故障特征信號更加容易被識別和提取。基于小波包分析處理非平穩信號的優越性，本文選用小波包分析對電機故障信號進行分析檢測。 本文在研究了異步電機常見故障類型和診斷方法的基礎上，詳細分析了電機滾動軸承異常、轉子斷條、氣隙偏心等故障原因，采用基于信號分析法中的振動診斷法和定子電流檢測法，對電機滾動軸承故障、轉子斷條故障進行診斷。對于存在已知軸承故障的電機，在故障狀態下采集到振動信號，利用峭度值計算和小波包分析相結合的方法，選用db3作為小波基，進行小波包分析，對包含有故障特征頻率信息的信號進行重構，獲得軸承故障特征頻率，根據故障特征頻率的數值和能量，確定出軸承故障的類型。應用小波包分析和FFT相結合的方法，選用Coif5為小波包基，檢測轉子斷條故障特征頻率。在此基礎上，采集故障電機的振動信號和電流信號，并分別應用上述方法進行了仿真模擬實驗，結果表明這些方法是準確可行的。 論文以DSP為核心，完成了電機故障診斷系統的硬件電路的設計，包括信號檢測電路、調理電路，A/D轉換電路等，并給出了主要的軟件流程圖。
上傳時間： 2013-04-24
上傳用戶：kristycreasy
現實生活中的語音不可避免的要受到周圍環境的影響，背景噪聲例如機械噪聲、街頭音樂噪音，其他說話者的話音等均會嚴重地影響語音信號的質量：此外傳輸系統本身也會產生各種噪聲，因此接收端的信號為帶噪語音信號。混疊在語音信號中的噪聲按類別可分為環境噪聲等的加法性噪聲及電器線路干擾等的乘法性噪聲；按性質可分為平穩噪聲和非平穩噪聲。 語音增強的根本目的就是凈化語音質量。把不需要的噪音減低到最小程度。但是由于噪音的復雜性，很難歸納出一個統一的特征，因此不可能尋求一種算法完全適應于所有的噪音消除，因此語音增強是一個復雜的工程。 有關抗噪聲技術的研究以及實際環境下的語音信號處理系統的開發，在國內外已經成為語音信號處理非常重要的研究課題，已經作了大量的研究工作，取得了豐富的研究成果。本文僅對加性噪聲下的語音增強技術做了較為仔細的討論，我們先給出語音信號處理的基本理論，它是語音增強算法研究和實現的理論基礎，在此基礎總結了自適應信號處理技術的特點以及在語音增強方面的應用。選取工程領域最常用的自適應LMS濾波算法和RLS濾波算法作為研究對象，提出了利用最小均方誤差意義下自適應濾波器的輸出信號與主通道噪聲信號的等效關系，得到濾波器最佳自適應參數的方法，并分析了在平穩和非平穩噪聲環境下，L M S濾波器族和R L S濾波器在不同噪音輸入下的權系數收斂速度、權系數穩定性、跟蹤輸入信號的能力和信噪比的改善等特性。 研究了MATLAB語言程序設計和使用MALTLAB對語音算法進行仿真、并輸入了多種實際環境下的噪音進行濾波仿真并對仿真的結果進行比較和分析。總結出了LMS、NLMS、SIGN-ERROR-LMS、RLS自適應濾波器在語音濾波方面的特點 和應用情況。 最后在MATLAB仿真的基礎上，利用Altera公司的Cyclone2系列FPGA芯片和多種EDA工具，完成了L M S自適應濾波器的FPGA設計。 關鍵詞：語音增強，背景噪音，自適應濾波器，LMS，RLS，FPGA
上傳時間： 2013-04-24
上傳用戶：lijianyu172
近年來，隨著集成電路技術和電源管理技術的發展，低壓差線性穩壓器（LDO）受到了普遍的關注，被廣泛應用于便攜式電子產品如PDA、MP3播放器、數碼相機、無線電話與通信設備、醫療設備和測試儀器等中，但國內研究起步晚，市場大部分被國外產品占有，因此，開展本課題的研究具有特別重要的意義。 首先，簡單闡述了課題研究的背景及意義，分析了低壓差線性穩壓器（LDO）研究的現狀和發展趨勢，并提出了設計的預期技術指標。 其次，詳細分析了LDO線性穩壓器的理論基礎，包括其結構、各功能模塊的作用、系統工作原理、性能指標定義及設計時對性能指標之間相互矛盾的折衷考慮。 再次，設計了基于自偏置電流源的帶隙基準電壓源，選取PMOS管作為系統的調整元件并計算出了其尺寸，設計了基于CMOS工藝的兩級誤差運算放大器。利用HSPICE工具仿真了基準電壓源和誤差運算放大器的相關性能參數。 然后，重點分析了穩壓器的穩定性特征，指出系統存在的潛在不穩定性，詳細論述了穩定性補償的必要性，比較了業界使用過的幾種穩定性補償方法的不足之處，提出了一種基于電容反饋VCCS的補償方法，對系統進行了穩定性的補償； 最后，將所設計的模塊進行聯合，設計了一款基于CMOS工藝的LDO線性穩壓器電路，利用HSPICE工具驗證了其壓差電壓、靜態電流、線性調整率等性能指標，仿真結果驗證了理論分析的正確性、設計方法的可行性。
上傳時間： 2013-07-08
上傳用戶：Wibbly
印刷電路板( PCB)是集成各種電子元器件的信息載體，在各個領域得到了廣泛的應用。近年來隨著印刷電路板生產復雜度和產量的提高，傳統PCB缺陷檢測方式因接觸受限、高成本、低效率等因素，已經逐漸不能滿足現代檢測需要，因此研究實現一種PCB缺陷的自動檢測系統具有很大的現實意義和實用價值。 @@ 本論文根據機器視覺檢測理論，運用數字圖像處理技術，構建了一套PCB缺陷自動檢測系統方案。該系統主要由光照、CCD攝像機、圖像采集卡、運動控制臺及計算機圖像處理軟件組成。其中圖像處理軟件部分作為本論文的核心，著重研究了其關鍵功能模塊包括圖像預處理、閾值分割、圖像識別幾個部分算法的選擇與設計，并在MATLAB 7.0的環境下進行仿真。 @@ 運用現代成熟的數字圖像處理技術，本文實現了PCB缺陷的軟件檢測方案。在預處理模塊中，結合PCB板的特點運用圖像預處理手段得到高質量的PCB圖像。在閾值分割模塊中，實現了四種當前成熟的閾值分割算法，以得到特征清晰、低噪聲的PCB二值圖像。在識別模塊中結合電路板的短路、斷路、毛刺、缺損、空洞五大缺陷的特征，設計相應算法并予以實現，并提示缺陷信息。 @@關鍵詞：缺陷檢測；圖像預處理；圖像分割；圖像識別
上傳時間： 2013-06-23
上傳用戶：lgnf
隨著電力系統的迅速發展和電力電子技術的廣泛應用，電能污染日益嚴重，電能質量問題已經成為電力部門及電力用戶越來越關注的問題。電能質量的各項指標若偏離正常水平過大，會給發電、輸變電和用電設備帶來不同程度的危害。電能質量的好壞直接關系到國民經濟的總體效益，因此對電能質量進行檢測和分析從而提高和改善電能質量具有非常重要的意義。 本文首先介紹了電能質量的基本概念，對各種電能質量問題的分類、特征及產生原因和危害作了詳細的闡述。通過對電能質量各項指標（供電電壓偏差、頻率偏差、公用電網諧波、三相電壓不平衡度、電壓波動與閃變）的分析，以傳統的傅立葉變換理論為基礎，針對目前電能質量分析的難點即對突變的、暫態的、非平穩的信號的檢測與分類，提出了基于快速傅立葉變換的暫態電能質量分析方法。 在系統的研究了電能質量分析的相關理論和檢測技術的基礎上，針對電能質量分析系統中需要支持復雜算法和保持實時性的特殊要求，研制了基于DSP與ARM構架的嵌入式電能質量分析系統的硬件平臺和軟件系統。重點分析了DSP與ARM的選型依據、結構特點、具體應用等。并且詳細的介紹了硬件平臺的各部分組成和電路原理圖。隨后，提出了該裝置軟件部分設計思想，其中重點介紹了DSP部分的FFT算法設計、ARM部分的UC/OS-II操作系統移植和MiniGUI圖形界面開發。最后對論文的主要工作進行了總結，對以后可深入研究的方向進行了展望。 關鍵詞：電能質量；傅立葉變換；快速傅立葉變換；UC/OS-Ⅱ；MiniGUI
上傳時間： 2013-06-15
上傳用戶：songrui
目前，小波分析在信息技術和其他學科方面的應用是眾多科技工作者關心的課題。在理論方面，新觀點、新方法不斷涌現。本文旨在完善小波的基本理論，對原有的小波去噪方法作進一步的改進。 經典的信號處理方法，例如傅立葉變換、短時傅立葉變換等具有局限性，因而限定了它們的應用范圍。小波分析作為一種全新的信號處理方法，它將信號中各種不同的頻率成分分解到互不重疊的頻帶上，為信號濾波、信噪分離和特征提取提供了有效途徑，特別在信號去噪方面顯出了獨特的優勢。本文介紹了經典的去噪方法，并對其適用范圍和效果進行了分析和比較。并且，討論了小波分析的基本理論，介紹了連續小波變換、離散小波變換和小波變換的快速分解與重構算法，最后研究了小波基的數學特性，分析了它們對實際應用的影響和作用。進而，介紹了小波的幾種去噪方法：小波變換高頻系數置零去噪方法、小波變換模極大值去噪方法、小波閾值去噪方法、小波空域相關性去噪方法。用小波變換將高頻系數強制置零去噪的方法是比較方便的，但它的不足之處是經將高頻系數強制置零去噪后重構的信號會使信號丟失一些細節，且小波基的選擇亦有相當的難度，只有靠經驗來確定，不過比傳統的濾波方法所得的效果還是要好。對于小波變換模極大值去噪的原理，分析了去噪過程中幾個參數的選取問題，并給出了一些選取依據；對小波閾值去噪方法的幾個關鍵問題進行了詳細討論。對閾值去噪進行了改進，利用均值逼近與閾值去噪相結合的方法來實現信號的處理，并通過實驗仿真實現。實驗結果表明該方法提高了信噪比，去噪效果優于單獨應用閾值去噪的方法。 在空域相關去噪算法的基礎上，進行了改進，利用閾值濾波與相關去噪算法相結合的一種組合去噪算法，仿真試驗結果表明，由該算法濾波之后得到的小波系數不僅連續性好，準確率高，而且易于重構信號。 本文分別對這四種方法進行了算法分析比較，通過實驗仿真來實現，并對實驗結果進行了分析。實驗仿真結果表明了利用小波分析理論對信號去噪的可行性和有效性。 關鍵詞：小波分析，信號去噪，閾值，均值逼近，空域相關
上傳時間： 2013-07-19
上傳用戶：啊颯颯大師的
心音信號是人體最重要的生理信號之一，包含心臟各個部分如心房、心室、大血管、心血管及各個瓣膜功能狀態的大量生理病理信息。心音信號分析與識別是了解心臟和血管狀態的一種不可缺少的手段。本文針對目前該研究領域中存在的分析方法問題和分類識別技術難點展開了深入的研究，內容涉及心音構成的分析、心音信號特征向量的提取、正常心音信號（NM）和房顫（AF）、主動脈回流（AR）、主動脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號的分類識別。本文的工作內容包括以下5個方面： a）心音信號采集與預處理。本文采用自行研制的帶有錄音機功能的聽診器實現對心音信號的采集。通過對心音信號噪聲分析，選用小波降噪作為心音信號的濾波方法。根據實驗分析，選擇Donoho閾值函數結合多級閾值的方法作為心音信號預處理方案。 b）心音信號時頻分析方法。文中采用5種時頻分析方法分別對心音信號進行了時頻譜特性分析，結果表明：不同的時頻分析方法與待分析心音信號的特性有密切關系，即需要在小的交叉項干擾與高的時頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應錐形核時頻（ATF）分析方法，通過實驗驗證該分布能較好地反映心音信號的時頻結構，其性能優于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時頻分析方法，從而選擇自應錐形核時頻分析方法進行心音信號分析。 c）心音信號特征向量提取。根據對3M Littmann（） Stethoscopes[31]數據庫中標準心音信號的時頻分析結果，提取8組特征數據，通過Fihser降維處理方法提取出了實現分類可視化，且最易于分類的心音信號的2維特征向量，作為心音信號分類的特征向量。 d）心音信號分類方法。根據心音信號特征向量組成的散點圖，研究了支持向量機核函數、多分類支持向量機的選取方法，同時，基于分類的目的 性和可信性，本文提出以分類精度最大為判斷準則的核函數參數與松弛變量的優化方法，建立了心音信號分類的支持向量機模型，選取標準數據庫中NM、AF、AR、AS、MR每類心音信號的80組2維特征向量中每類60組數據作為支持向量機的學習樣本，對余下的每類20組數據進行測試，得到每類的分類精度（Ar）均為100％，同時對臨床上采集的與上述4種同類心臟雜音信號和正常心音信號中每類24個心動周期進行分類實測，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗證了該方法的分類有效性。 e）心音信號分析與識別的軟件系統。本文以MATLAB語言的可視化功能實現了心音信號分析與識別的軟件運行平臺構建，可完成對心音信號的讀取、預處理，繪制時-頻、能量特性的三維圖及兩維等高線圖；同時，利用MATLAB與EXCEL的動態鏈接，實現對心音信號分析數據的存儲以及統計功能；最后，通過對心音信號2維特征向量的分析，實現心音信號的自動識別功能。 本文的研究特色主要體現在心音信號特征向量提取的方法以及多分類支持向量機模型的建立兩方面。 綜上所述，本文從理論與實踐兩方面對心音信號進行了深入的研究，主要是采用自適應錐形核時頻分析方法提取心音信號特征向量，根據心音信號特征向量組成的散點圖，建立心音信號分類的支持向量機模型，并對正常心音信號和4種心臟雜音信號進行了分類研究，取得了較為滿意的分類結果，但由于用于分類的心臟雜音信號種類及數據量尚不足，因此，今后的工作重點是采集更多種類的心臟雜音信號，進一步提高心音信號分類精度，使本文研究成果能最終應用于臨床心臟量化聽診。 關鍵詞：心音信號，小波降噪，非平穩信號，心臟雜音，信號處理，時頻分析，自適應，支持向量機
上傳時間： 2013-04-24
上傳用戶：weixiao99
石油鉆采設備通常工作于公共電網所不及的沙漠、海洋和陸地等環境場合，其中的電站子系統由數臺柴油發電機組及其相應的控制系統構成，為石油鉆機提供動力電源（小電網供電系統）。石油鉆機中的鉆井設備（絞車、泥漿泵和轉盤等）由大功率的交流或直流電動機驅動，根據鉆井工藝需要調節轉速和控制轉矩，因此，通常采用VFD變頻調速系統或SCR直流調速系統來滿足鉆井工藝要求。眾所周知，電力電子裝置（VFD變頻傳動系統和SCR直流傳動系統）對電力系統帶來諧波污染，尤其是對柴油發電機組小電網系統，諧波污染的問題將更為嚴重，而且SCR電驅動系統的功率因數較低，也給小電網系統帶來額外負擔，影響供電質量。因此，對石油鉆機電驅動系統進行諧波抑制和提高功率因數，顯得尤為重要。本論文正是針對此問題進行的研究和實踐。 本文對石油鉆機電驅動系統的構成及其工作原理作了介紹，重點分析了SCR和VFD電驅動系統諧波和無功功率產生的原因及危害，結合國內外的研究成果，提出對石油鉆機電驅動系統進行諧波抑制和無功補償的方案，并將其應用到實際的工程項目中。 石油鉆機電驅動系統為典型的多諧波源系統，本文對各個諧波源進行了詳細地分析，并且將多個諧波源進行了合成疊加和計算，來確定對電網系統總的影響（電壓畸變率）；針對SCR和VFD電驅動系統的結構和特點，提出了對SCR和VFD系統進行諧波抑制和無功功率補償的不同解決方案，即：對SCR電驅動系統，采用有源濾波器+動態無功功率補償的辦法，來消除諧波和改善功率因數；而對VFD電驅動系統，采用有源濾波器來消除諧波即可。 對石油鉆機SCR和VFD電驅動系統諧波進行的分析和計算，為兩系統諧波抑制的方案選型和系統優化提供了設計依據。本文選用適合于柴油發電機組小電網供電系統的有源濾波器（額定電壓為690V）來濾除諧波，在系統結構上，采用一個諧波源配置一個有源濾波器的方法，主要解決了CT和PT連接的問題，實踐證明系統配置合理，濾波效果良好。同時對SCR電驅動系統設計了動態無功補償裝置，通過實測數據驗證了本文對SCR電驅動系統的無功進行了有效地補償。
上傳時間： 2013-04-24
上傳用戶：dct灬fdc
船舶自動操舵儀又稱自動舵，用來保持船舶在給定航向或航跡上航行，是船舶操縱的關鍵設備。船舶自動舵尚沒有專用的故障診斷系統，當前的維修方法不能滿足快速保障和應急保障的需要。本文結合某型自動舵微機通道故障診斷科研項目，重點論述某型自動舵數字控制系統的故障診斷設計與實現，研究了基于模糊推理的船舶自動舵故障診斷專家系統和基于支持向量機的船舶自動舵模擬電路故障診斷方法。 對某型自動舵充分調研，在了解系統軟、硬件的總體技術要求和指標的基礎上，建立檢測對象的數學模型和物理模型。確定故障檢測的對象特點，為系統故障仿真、參數辨識做好準備，并為后續的故障檢測、診斷方法研究提供了參考。 結合某型自動舵數字控制系統實際情況，確定其故障診斷系統采用分層遞階結構。系統底層為基于嵌入式微處理器的信號檢測單元，負責獲取微機通道的總線控制權以及信號預處理；系統中間層為通訊子系統，負責對底層多個檢測單元信息集中傳送；系統頂層為故障診斷和顯示子系統，負責對微機通道的信息進行綜合評價，得出最終診斷結論。 船舶自動舵系統結構繁雜，很多故障很難用精確的公式將它表示出來，提出了基于模糊推理的船舶自動舵故障診斷專家系統，提高了自動舵故障診斷準確性。該系統將模糊數學、模糊診斷原理及專家經驗相結合，采用模糊產生式知識表示法，確定模糊關系矩陣及語義距離，設計相關硬件平臺，實現了船舶自動舵故障診斷模糊專家系統的各個功能模塊。 為解決船舶自動舵模擬電路故障診斷復雜多樣難于辨識的問題，提出了基于支持向量機的故障診斷方法。該方法通過電路仿真分析，給出了各故障模式下電壓頻率響應，提取具有代表性的故障特征，建立了以支持向量機為基礎的模擬電路故障診斷模型。實驗結果證明，該方法可有效診斷模擬電路中的元件故障，且對于元件容差引起的故障診斷模型的不確定性具有較強的魯棒性，滿足非線性電路的故障診斷要求。
上傳時間： 2013-04-24
上傳用戶：evil
為了解決現有環形線圈車檢器在工程應用中出現的誤檢問題，尤其是對同一輛大車的多次誤觸發問題，本文深入研究導致誤檢現象的具體原因，并在這基礎上提出了一套軟硬件的解決方法，以減少誤觸發現象，提高檢測的準確率。 為了方便測量與調試，本文設計了一個PC端軟件。它與實驗室原有的頻率采集工具一塊配合工作，能實時而直觀地察看車檢器的工作狀況，從而有利于實驗數據的采集與問題分析。通過實驗分析，本文總結了誤檢現象的若干情形，以及導致誤檢問題的主要原因。 針對上述分析的發現—車檢器采用的單一閾值法不能適應復雜的應用環境，本文對檢測算法作了改進：對車輛到達的檢測，仍采用單一閾值法；對車輛離開的檢測，則采用平坦性判定法。后者利用了在車輛離開時，線圈頻率從非平坦變為平坦這一特征。它有簡單、易移植和防誤檢的特點。 為了從應用層面解決問題，本文設計了一種基于改進算法的車檢器。與同類車檢器相比，它除了集成上述車檢算法外，還提供一個RS-232的測試端口，按一定的數據協議與PC端的診斷軟件通訊，能夠幫助現場測試工作的開展。 本文還利用了新車檢器做了兩組的實驗：實驗室環境與高速公路車輛檢測現場環境下的實驗。第一組驗證了改進算法的防誤檢性能，并計算它的檢測延遲。其中檢測延遲的計算，有助于協調車輛檢測系統中線圈、車檢器與攝像頭三者間的工作。第二組驗證了新車檢器的檢測性能，包括識別和延遲兩方面內容。兩組實驗結果都證實了改進算法的實用價值。
上傳時間： 2013-06-16
上傳用戶：1406054127
