微弱冲击信号的识别和提取技术研究

旨在将最新的信号处理技术应用到强噪声（0dB信噪比）环境中微弱冲击信号的识别、提取中。研究冲击信号的特性和传播机理，探索冲击信号与各类噪声的非线性混叠规律。研究融合自适应AR模型和谐波反置谱方法的强噪声环境中微弱冲击信号识别技术，实现-10dB信噪比环境中冲击信号的识别。在此基础上，建立支持向量机的冲击信号模型，实现干扰信号和冲击信号的鉴别，提高信号识别的可靠性。采用EMD和盲反卷积技术实现非线性混叠信号的提取，达到信噪比0dB环境中准确还原冲击信号。并研究基于GPU的高速并行处理快速识别与提取算法，提高数据处理的实时性。以核电站反应堆的实际运行噪声为基础，开展算法的仿真验证与分析。开发基于LabVIEW和Matlab的信号识别与提取的可复用模块，并将其用于核电站松动件检测系统的原型系统。

高端机械装备常存在零部件的松动、跌落等故障，这些零部件会与其他部件碰撞产生瞬态冲击信号，准确获得此冲击信号对设备在线监测和故障诊断十分重要。而在大型机械装备复杂多变的强噪声之中识别和提取冲击信号十分棘手，已成为故障检测和诊断领域的研究热点。.在研究冲击信号传播机理基础上，探索冲击信号与各类噪声的非线性混叠规律，研究微弱冲击信号的提取技术，实现信噪比-10dB的强噪声环境中冲击信号的快速识别与提取；以核反应堆实际运行噪声为背景，开展仿真验证分析，提出松动件的质量估计和定位方法；并将微弱信号的提取方法推广应用于大型轴类零件电跳动检测中，开发大型旋转机械轴类零件的电跳动在位测量系统。.通过项目的研究取得了以下主要研究成果：提出了基于AR模型和Teager能量算子的冲击信号提取方法、基于自适应随机共振的冲击信号提取方法、基于特征向量算法的冲击信号提取方法，可实现-30dB信噪比强噪声环境中的冲击信号提取；提出基于类近似熵的冲击信号鉴别方法、基于线性预测参数和支持向量机的冲击信号鉴别方法，可有效鉴别松动部件冲击信号、元器件电脉冲、雷电干扰等不同类型的冲击信号，为高端装备的故障诊断提供理论基础。同时将这些冲击信号的提取与识别理论应用于核电站松动件的质量估计和定位研究中，提出一种基于希尔伯特边际谱的松动件质量估计方法，具有较高的工程应用精度；提出一种基于二维寻优的松动部件定位方法，与传统方法相比，在保证定位效率的前提下，获得了良好的定位精度，并且针对不同质量、不同撞击位置，均具有比较好的定位精度和稳定性；同时开发了微弱信号识别和提取算法的可复用模块，为开发自主知识产权的核电站松动件检测系统提供技术支持。同时本项目将微弱信号提取方法应用于高端装备回转主轴电跳动的测量与分析中，提出了电跳动检测机理与材料电磁性质参数估计方法，构建一套针对大型旋转机械轴类零件的电跳动在位测量系统，并实现基于电跳动的材料电磁性质分布差异反求，填补了国内电跳动检测的空白，为转子的设计、制造与检测提供技术支撑，相关技术获得了中国机械工业科学技术奖二等奖。