强噪声下机械设备微弱信号提取检验论文(PDF 127页)

第一章绪论
第四章大信号干扰下的微弱信号检测研究
第二章强噪声背景下的叠验模式分解研究
第三章强背景噪声下徽弱信号的奇异值分解降噪研究
第五章基于职CPU的便拂式数据采集分析系统研究
第六奄总结与展望
1．1选题意义
1．2国内外研究现状
1．2．1机械设备早期故障的检测技术
1．2．2微弱信号检测方法
1．2．3状态检测与故障诊断系统的开发与应用
1．3课题的研究目的及来源
1．4论文的主要工作和创新点
1．串口初始化程序设计
1．在Pc机中进入qtopia-free一1．7．0目录，设置环境变量
1．在特征信号比较微弱，噪声比较强的情况下，直接对信号进行EMD分
1．小波变换
1．曲线拟合与平滑
1．本文提出的将随机共振与EMD方法相结合，可以作为强噪声背景下弱
1．驱动程序的实现
2．1前言
2．2经验模式分解基本原理
2．2．1瞬时频率定义
2．2．2瞬时频率定义分析
2．2．3基本模式分量
2．2．4经验模式分解实现步骤
2．3噪声背景下的经验模式分解研究
2．4随机共振理论
2．4．1随机共振基本原理
2．4．2级联双稳随机共振
2．5基于级联双稳随机共振降噪的经验模式分解
2．5时它的前4个窗的形状。除第一个窗外，其它的窗不能阻止频谱泄露，也不
2．5．1方法的提出与仿真实验
2．5．2实验结果分析
2．6工程应用
2．7小结
2．USB应用程序的编写
2．中断处理程序的实现
2．交叉编译Qt／Embedded库
2．取样积分与多点平均
2．奇异值分解
3．2．1奇异值分解数学原理
3．2．2奇异值分解方法研究
3．3奇异值分解仿真实例
3．4奇异值与噪声强度的关系
3．5频域的奇异值分解降噪研究
3．6级联奇异值分解降噪研究
3．7本章小结
3．串口驱动编译Linux内核
3．交叉编译qtopia
4．1前言
4．2独立分量分析的基本原理与算法实现
4．2．1盲源分离基本原理
4．2．2独立分量分析及FastlCA算法
4．3基于独立分量分析的信噪分离方法研究
4．3．1方法的提出
4．3．2仿真实验分析
4．4工程应用
4．5多窗谱分析基本原理
4．5．1多窗谱分析算法
4．5．2 Slepian数据窗
4．6多窗谱分析的微弱信号检测
4．8本章小节
4．分析了大信号干扰下的微弱信号识别问题，从减少频率泄露、增强微弱
4．对于微弱信号被大信号淹没的问题研究中，虽然多窗谱分析方法可以取
4．建立应用启动(．desktop)文件和根文件系统
4．混沌理论
5．1前言
5．2系统概述
5．3所示。
5．3系统的硬件设计
5．3．1信号调理模块设计
5．3．2计算和控制核心的双CPU设计
5．3．4系统的外围电路设计
5．4 7 1系统软件开发环境的建立
5．4 7 Linux系统以殛应用程序在嵌入式系统中的移植
5．4 7．2 Linux系统的内核编译
5．4。3数据采集模块
5．4系统的软件设计
5．4．1 DSP部分软件设计
5．4．2 ARM部分的软件设计
5．4．3．1 HPI设备驱动程序设计
5．4．3．2用户界面
5．4．4人机交互模块
5．4．5通信模块
5．4．5．1串口驱动程序
5．4．5．2 USB通信设计
5．4．6信号分析模块
5．4．6．2用户界面
5．4．7．3根文件系统的定制
5．4．7．4图形用户界面Qt／Embedded的移植
5．4．7．5添加应用程序到ARM板的QPE
5．6本章小结
5．7所示。
5．建立根文件系统
5．模糊神经网络
5．自适应消噪技术
..............................