發(fā)布時(shí)間：2023-01-06 18:30

　　當(dāng)今,直升機(jī)在各個(gè)領(lǐng)域應(yīng)用越來(lái)越廣泛,如何保障直升機(jī)的安全運(yùn)行已然成為重中之重。槳轂作為直升機(jī)的主要?jiǎng)硬考?因其受力強(qiáng)度大,時(shí)間長(zhǎng),情況復(fù)雜,故極易發(fā)生故障。對(duì)槳轂的狀態(tài)進(jìn)行實(shí)時(shí)檢測(cè)并進(jìn)行故障預(yù)測(cè),對(duì)保障直升機(jī)的穩(wěn)定可靠運(yùn)行具有著極其重大的意義。近年來(lái),采用聲發(fā)射技術(shù)探測(cè)直升機(jī)動(dòng)部件裂紋的萌生及擴(kuò)展已成為研究的熱點(diǎn)之一,而對(duì)聲發(fā)射信號(hào)進(jìn)行去噪預(yù)處理和特征提取及分析是進(jìn)行裂紋檢測(cè)的關(guān)鍵。本文針對(duì)直升機(jī)槳轂中央件裂紋檢測(cè)研究的需要,提出了一種基于CPU/GPU異構(gòu)架構(gòu)的聲發(fā)射信號(hào)去噪預(yù)處理和特征提取并行處理方法。論文首先對(duì)傳統(tǒng)的小波閾值去噪法進(jìn)行研究,分析了其在處理聲發(fā)射信號(hào)時(shí)所面臨的小波基函數(shù)不匹配、時(shí)頻域分辨率不足、分解層數(shù)及閾值不合適的問題,提出了一套針對(duì)聲發(fā)射信號(hào)去噪預(yù)處理的解決方案,包括采用自適應(yīng)方法來(lái)構(gòu)造最優(yōu)匹配小波基函數(shù)、通過(guò)冗余小波包分解提升小波分析的分辨率、以及使用互相關(guān)法確認(rèn)小波分解層數(shù)和閾值等,并通過(guò)matlab仿真驗(yàn)證了該方法的去噪效果。在此基礎(chǔ)上,本文詳細(xì)論述了對(duì)聲發(fā)射信號(hào)進(jìn)行撞擊劃分、事件計(jì)數(shù)并提取簡(jiǎn)化波形參數(shù)、能譜系數(shù)等特征參數(shù)的方法�？紤]到系統(tǒng)多通道條件下數(shù)... 

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外相關(guān)技術(shù)研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容和論文組織結(jié)構(gòu)
        1.3.1 論文主要研究?jī)?nèi)容
        1.3.2 論文組織結(jié)構(gòu)
第二章 聲發(fā)射檢測(cè)直升機(jī)槳轂疲勞裂紋基本原理
    2.1 聲發(fā)射檢測(cè)基本原理
    2.2 聲發(fā)射信號(hào)分析方法
    2.3 聲發(fā)射檢測(cè)直升機(jī)槳轂疲勞裂紋方法
    2.4 本章小結(jié)
第三章 聲發(fā)射信號(hào)去噪預(yù)處理方法研究
    3.1 小波Mallet算法與提升小波
    3.2 自適應(yīng)小波基函數(shù)構(gòu)造
    3.3 小波分析分辨率提升
    3.4 冗余提升小波包閾值去噪
    3.5 聲發(fā)射信號(hào)去噪預(yù)處理完整流程
    3.6 算法去噪效果測(cè)試
    3.7 本章小結(jié)
第四章 聲發(fā)射信號(hào)去噪預(yù)處理及特征提取并行方法研究
    4.1 基于CPU/GPU異構(gòu)架構(gòu)的并行方法研究
        4.1.1 不同粒度的并行
        4.1.2 GPU性能優(yōu)化方法
    4.2 聲發(fā)射信號(hào)去噪預(yù)處理并行處理方法
        4.2.1 自適應(yīng)小波基函數(shù)并行構(gòu)造方法
        4.2.2 冗余提升小波分解及重構(gòu)并行方法
        4.2.3 線性相關(guān)系數(shù)計(jì)算并行方法
        4.2.4 聲發(fā)射信號(hào)去噪預(yù)處理并行方法完整流程
    4.3 聲發(fā)射信號(hào)特征參數(shù)提取并行方法
    4.4 并行算法效果測(cè)試
    4.5 本章小結(jié)
第五章 多通道聲發(fā)射采集系統(tǒng)數(shù)據(jù)處理計(jì)算機(jī)軟件設(shè)計(jì)
    5.1 軟件需求分析
    5.2 軟件整體框架
    5.3 采集數(shù)據(jù)接收
    5.4 數(shù)據(jù)庫(kù)及數(shù)據(jù)庫(kù)存取
    5.5 信號(hào)去噪預(yù)處理及特征提取
    5.6 人機(jī)交互與顯示
    5.7 軟件測(cè)試
    5.8 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士期間科研情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)小波閾值去噪算法在低空飛行聲目標(biāo)的應(yīng)用[J]. 黎鎖平,周勇,周永強(qiáng).  振動(dòng)與沖擊. 2017(09)
[2]空域相關(guān)和LMD結(jié)合的滾動(dòng)軸承聲發(fā)射信號(hào)特征提取[J]. 艾延廷,王帥,周海侖,張鳳玲.  機(jī)械設(shè)計(jì)與制造. 2016(08)
[3]直升機(jī)振動(dòng)檢測(cè)通用算法的研究與實(shí)現(xiàn)[J]. 龍海軍,孫燦飛,莫固良.  振動(dòng).測(cè)試與診斷. 2016(03)
[4]基于EEMD和多元多尺度熵的風(fēng)力發(fā)電機(jī)組滾動(dòng)軸承故障特征提取[J]. 韓龍,李成偉,王麗,朱顯輝,蘇勛文.  工業(yè)儀表與自動(dòng)化裝置. 2016(01)
[5]基于CUDA的數(shù)字調(diào)相信號(hào)并行解調(diào)程序設(shè)計(jì)[J]. 劉燕都,鄭海昕,王小平.  通信技術(shù). 2016(02)
[6]基于共振解調(diào)和小波包能量譜的聲發(fā)射信號(hào)特征提取[J]. 徐嗣嘉,林麗,周勇.  無(wú)損檢測(cè). 2016(01)
[7]自適應(yīng)冗余提升多小波包在滾動(dòng)軸承復(fù)合故障診斷中的應(yīng)用[J]. 廖強(qiáng),李迅波,陳勇強(qiáng).  機(jī)械設(shè)計(jì)與制造. 2015(06)
[8]LMD和改進(jìn)小波閾值去噪的軸承聲發(fā)射信號(hào)故障診斷[J]. 艾延廷,馮研研,周海侖.  科學(xué)技術(shù)與工程. 2014(33)
[9]冗余提升小波的最優(yōu)分解層數(shù)的確定[J]. 郭玉榮,崔玲麗,高立新,陽(yáng)子婧.  機(jī)械設(shè)計(jì)與制造. 2014(11)
[10]基于三次樣條插值的小波模極大值去噪算法[J]. 趙鴻圖,劉云.  計(jì)算機(jī)工程與設(shè)計(jì). 2014(08)

博士論文
[1]大信號(hào)變尺度隨機(jī)共振的機(jī)理分析及其工程應(yīng)用研究[D]. 冷永剛.天津大學(xué) 2004

碩士論文
[1]基于聲發(fā)射的旋轉(zhuǎn)機(jī)械故障診斷[D]. 白瑞.沈陽(yáng)工業(yè)大學(xué) 2017
[2]碳纖維復(fù)合材料聲發(fā)射檢測(cè)技術(shù)研究[D]. 孟超.中國(guó)民用航空飛行學(xué)院 2017
[3]小波分解算法在CUDA上的訪存性能分析與優(yōu)化[D]. 王志清.華中科技大學(xué) 2012
[4]直升機(jī)傳動(dòng)鏈故障診斷與健康管理系統(tǒng)設(shè)計(jì)及關(guān)鍵技術(shù)研究[D]. 張新鵬.國(guó)防科學(xué)技術(shù)大學(xué) 2011
[5]基于CUDA的小波Mallat算法及提升方案的設(shè)計(jì)與研究[D]. 孫自龍.華中科技大學(xué) 2011
[6]基于聲發(fā)射技術(shù)的貨車滾動(dòng)軸承故障診斷研究[D]. 劉浩.中南大學(xué) 2010



本文編號(hào)：3728157