振动监测及减振技术在耕整地机械的应用研究

针对耕整地机械核心工作部件在田间作业时结构磨损或疲劳断裂问题,通过阐述振动监测技术的发展现状,总结电涡流型、磁电型及压电型3种传感器技术的特点和应用情况,分析3种传感器技术的优缺点;归纳应用于耕整地机械振动监测的硬件系统和软件系统;梳理时域分析、频域分析和时频分析3种振动信号处理方法的优势及局限性,指出时域、频域分析不适用于非稳态信号分析;分析当前应用到耕整地机械中的阻尼材料、加装动力吸振器和改善机械部件结构3种减振技术及各自应用情况,指出加装动力吸振器应用范围窄,改变机械结构设计难度高。最后针对振动信号处理提出局部变换结合时频分析法、深度残差收缩网络法两种振动信号处理方法,针对机械减振措施提出采用阻尼材料实现机械减振的建议,期望为耕整地机械乃至其他农机装备振动监测及减振技术提供参考。     

利用DSP实现AD数据采集系统中的应用设计

1引言通用数字信号处理器(DSP)以其强大的数据处理能力在高速数字信号处理方面得到广泛的应用。美国TI公司是DSP领域影响最大的公司之一,TMS320VC5410(以下简称C5410)是该公司TMS320C54x系列DSP的高端产品,它以其极高的性价比而成为目前应用最为广泛的DSP芯片之一。C5410存储器     

基于压缩感知的资源节约型音频信号采集方法

针对基于无线传感器网络构建的环境监测系统,为减少多媒体信号采样、处理、传输过程所消耗的计算、存储、电能、带宽资源,该文分析了现有信号处理理论和随机采样方法存在的局限性,结合压缩感知理论,提出了一种改进的加性随机采样方法,设计了一种新型的资源节约型音频信号采集算法。该算法依靠传感器节点和汇聚节点的共同协作完成音频信号采集,其中,传感器节点对具有稀疏性的音频信号进行低频随机采样,汇聚节点可从随机采样数据中高概率重构原始信号。将所提出的信号采集方法用于采集粮仓内的赤拟谷盗成虫爬行声,并与已有数据压缩方法进行性能对比。初步试验结果表明：在随机采样频率为196Hz且最大数据重构误差小于0.5%情况下,可实现13个采集节点所获取的78路声信号的远程、无线、实时采集,特别适用于资源有限的无线传感器网络。     

基于ARM和GPRS的远程土壤墒情监测预报系统

为提高农业灌溉用水利用率、实现节水灌溉,设计了基于GPRS的无线土壤墒情监测预报系统。提出了一种土壤墒情监测预报模型,开发了以ARM9系列S3C2410处理器、GPRS模块和CS8900a网卡等组成数据采集系统,实现了对土壤墒情信息的自动采集、存储和墒情信息的无线网络传输,并可以根据墒情信息实施定时、定量的灌溉控制。该系统已投入国家农业示范基地使用15个月的时间,试验表明,该系统对土壤墒情的预报值与实际测试数据误差为3.39%,实现了对土壤墒情的有效监测和准确预报。     

母羊3种应激行为下叫声信号的对比分析

为研究母羊在不同应激行为下叫声信号所具有的特征,选择体重相近、年龄在2~3岁的小尾寒羊母羊20只,分别录取其在3种应激行为(产羔、寻羔、饥饿)下的叫声信号。利用LabVIEW软件设计母羊发声信号特征提取与识别系统,对母羊发声信号进行时域分析、频域分析(Yule-Walker法估计功率谱、Welch法估计功率谱、线性坐标功率谱和倒谱分析)和时频域分析,提取发声信号的时间间隔、持续时间、主峰频率、能量集中范围和基音周期等特征参数。结果表明:母羊3种不同类型声音的持续时间以及主峰频率均存在显著差异(P0.05)。母羊在寻羔和饥饿时发声的持续时间是产羔时的1.93和1.82倍,饥饿叫声的主频分别为产羔和寻羔时的34.77和38.81倍,母羊叫声信号Yule-Walker法功率谱在饥饿出现1个峰值,寻羔时出现2个峰值,而产羔时无明显峰值。叫声信号能量在产羔时集中在400~600Hz,寻羔和饥饿时集中在0~900Hz,3种叫声基音周期接近为0.1ms。证明母羊叫声信号在3种应激行为下有明显的不同,因此可以作为评价其健康状况及福利化养殖水平的重要指标之一。     

基于MATLAB的柴油机故障检测

首先采集柴油机的振动信号,利用MATLAB软件进行信号分析与处理,最终确定柴油机是否发生故障,并确定所发生的故障类型及其严重程度。     

罐底声发射在线检测及其可靠性验证

基于储罐底板声发射在线检测和定位原理,提出了检测技术方案和实施步骤,将参数分析方法和波形分析方法相结合,对发射检测信号进行处理分析,经滤波、聚类,再基于参数相关图分析去除干扰数据,根据各通道有效数据在单位时间内的事件数,以及事件的平均能量进行分级评价,最终获得储罐底板的腐蚀严重程度,可据此给出不同的维护建议。对某公司5000m3原油储罐底板,分别采用声发射在线检测技术和常规开罐漏磁检测技术实施腐蚀情况的检测,2种方法对腐蚀部位的定位具有一致性,验证了声发射检测技术应用于储罐底板在线检测的可靠性。     

基于LabVIEW的车速信号采集与处理

将虚拟仪器技术应用于车辆制动性能的测试,给出了系统组成,进行了软件系统设计,研究了数值识分和数值微分算法在车速信号处理中应用,并将系统应用于实际,得到了车辆位移和制动减速度在制动过程中的变化情况。     

基于连续语音识别技术的猪连续咳嗽声识别

针对现有基于孤立词识别技术的猪咳嗽声识别存在识别声音种类有限,无法反映实际患病猪连续咳嗽的问题,该文提出了基于双向长短时记忆网络-连接时序分类模型(birectional long short-termmemory-connectionist temporal classification,BLSTM-CTC)构建猪声音声学模型,进行猪场环境猪连续咳嗽声识别的方法,以此进行猪早期呼吸道疾病的预警和判断。研究了体质量为75 kg左右长白猪单个咳嗽声样本的持续时间长度和能量大小的时域特征,构建了声音样本持续时间在0.24～0.74 s和能量大于40.15 V~2·s的阈值范围。在此阈值范围内,利用单参数双门限端点检测算法对基于多窗谱的心理声学语音增强算法处理后的30 h猪场声音进行检测,得到222段试验语料。将猪场环境下的声音分为猪咳嗽声和非猪咳嗽声,并以此作为声学模型建模单元,进行语料的标注。提取26维梅尔频率倒谱系数(Mel frequency cepstral coefficients,MFCC)作为试验语段特征参数。通过BLSTM网络学习猪连续声音的变化规律,并利用CTC实现了端到端的猪连续声音识别系统。5折交叉验证试验平均猪咳嗽声识别率达到92.40%,误识别率为3.55%,总识别率达到93.77%。同时,以数据集外1 h语料进行了算法应用测试,得到猪咳嗽声识别率为94.23%,误识别率为9.09%,总识别率为93.24%。表明基于连续语音识别技术的BLSTM-CTC猪咳嗽声识别模型是稳定可靠的。该研究可为生猪健康养殖过程中猪连续咳嗽声的识别和疾病判断提参考。     

基于EEMD的含噪叶尖定时脉冲信号提取方法

为了解决噪声干扰条件下叶尖定时脉冲信号难以准确提取的问题,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)的含噪叶尖定时脉冲信号提取方法。采用EEMD对非平稳、非线性的原始含噪信号进行自适应分解,构建多尺度低通滤波器进行降噪,再对降噪后的脉冲信号进行方波整形处理,并提出融合相似度和相关度的最优降噪整形评价指标,用于含噪信号处理效果的评价。基于含噪叶尖定时脉冲信号特点建立数学模型,验证方法的可靠性和适用性。对比降噪整形处理后含噪叶尖定时脉冲信号与原始无噪信号,其相关度、相似度及综合评价指标分别超过97%、89%及92%,结果表明:该方法能够准确提取噪声干扰下叶尖定时脉冲信号,有利于叶尖定时技术的发展与推广应用。