基于信号提纯的机械故障检测系统设计
郑勇 杨小兰
关键词: 信号提纯; 机械故障; 检测系统; 主控单元; PC104总线; 数据采集
中图分类号: TN911.23?34; TP06 ? ? ? ? ? ? ? ? ? 文献标识码: A ? ? ? ? ? ? ? ?文章编号: 1004?373X(2019)04?0049?04
Design of mechanical fault detection system based on signal purification
ZHENG Yong, YANG Xiaolan
(School of Mechanics, Nanjing Institute of Technology, Nanjing 211167, China)
Abstract: The channel signals are not separated and purified when the traditional mechanical fault detection system is used to conduct machinery detection, resulting in big errors in detection results. Therefore, a mechanical fault detection system based on signal purification is designed. The system mainly includes the master control unit, signal purification module and man?machine interface. The PC104 control bus, information acquisition card and signal conversion conditioner of the master control unit are used to obtain the initial operation signals which conform to the electrical standard. The real?time control, signal management, computing control, storage control and other functions of the signal purification module are used to separate and purify the initial operation signals. During the data acquisition process of the system software design, the basic data of the fault detection process is obtained by means of the data acquisition card initialization, A/D alteration and simulation input channel establishment. On this basis, the mechanical fault detection is realized by using the dynamic detection method of the fault detection process. The experimental results show that the errors of fault signals obtained by the designed system are between 0.08 and 0.34, and the detection accuracy rates of different faults are all above 97%, which indicates that the system has a high stability and practicability.
Keywords: signal purification; mechanical fault; detection system; master control unit; PC104 bus; data acquisition0 ?引 ?言
一般情況下,机械运行过程中所形成的信号发生骤变表示机械设备出现故障[1],例如:轴承、齿轮出现损毁情况会形成冲击信号。因此,对机械故障实施检测时,检测机械部件运行过程中是否形成骤变信号,如果出现骤变信号则说明机械出现故障。而对机械故障进行准确判断的前提是要对这类能够体现机械故障的冲击信号实施全面、准确的检测[2]。
传统机械故障检测方法存在很多弊端。文献[3]通过引入四元数来耦合4个通道信号,并且利用四元数乘方的性质对数据进行增广处理实现机械故障的检测;但是其对信号分析提取特征参数的分类效果受噪声影响较大,导致检测结果误差较大。文献[4]利用Hilbert变换得到原始振动信号的解析信号,经过迭代运算自适应地检测出原信号各分量的时频信息;该方法运算量较大,检测时间较长。文献[5]提出一种增量式LLE算法用于柴油机机械故障特征压缩与诊断;该方法需综合考虑故障类内和类间的离散度,因此检测时能耗大,效率差。为了解决上述问题,提出基于信号提纯的机械故障检测系统,结合数据采集思想,利用信号提纯技术,在实现机械故障检测的同时,降低故障检测的误差,提高故障检测的效率。
1 ?基于信号提纯的机械故障检测系统
本文设计的机械故障检测系统共分为主控单元、信号提纯模块和人机界面三个部分。其中,主控单元由CPU主板、信息采集卡和信号转换调理器组成。CPU主板的主要功能是对信息采集卡的运行进行管理[6]。通过信息采集卡实现被测信号的采集,信号转换调理器对信号进行转换。信号提纯模块的主要功能为对信息采集模块获取的信号进行分离、提纯、分析等处理,并通过人机界面将得到的故障情况和解决方案进行显示。
1.1 ?主控单元设计
机械故障检测系统的主要功能是对机械故障进行检测[7],这就要求其必须具备良好的稳定性;所以,主控单元需处于可封闭式机箱内,其器件的择取同样很关键。
PC104总线是一种较为常见的工业控制总线,其CPU主板和信息采集卡的安装方法为叠加方式。这样的安装方式能够缩小系统体积,适用于任何故障检测系统,包括设计密度高、体积小的便携式系统。本文的机械故障检测系统采用PC104总线构建硬件结构:
1) 机械故障检测系统的主控计算机采用PC104SCM/LX?3160主板和AMDGeode LX 800CPU,工作频率为500 MHz,兼容PC/AT标准。
2) SEM/ADT?620模拟量采集卡获取单端输入模量的极限为16路,主要功能是实现A/D采集的变更。
3) CDT2000数字量采集卡具备48通道,基于TTL/CMOS71055的可编程数字量I/O,可以实现开关量的获取。
模拟量采集卡和数字量采集卡同主板一起构建了一个具有较高性能的信息采集、控制、检测系统。经信号电缆导出的初始运行信号不符合采集卡的规范。因此,通过信号转换调理器对初始运行信号进行转换,使其达到符合规范的电气标准,再进入采集卡。
1.2 ?信号提纯模块设计
系统利用信号提纯模块对主控单元获取的符合电气标准的信号进行分离和提纯。信号提纯模块采用理论结合算法的控制方式,实现对机械的实时管控、信号管理、运算控制、存储控制等功能,提高系统信号的分离和提纯性能。
信号分离平台和信号提纯平台通过信号提纯模块分别获取了信号管理、运算控制的功能和存储控制、进程休眠控制的功能。对整体模块实施管理和控制的是信号提纯模块的实时管控功能[8],此功能主要是针对机械故障检测系统网络节点实施全面、实时的监控,同时改进信号分离平台和信号提纯平台中发生偏差的进程;信号管理功能和运算控制功能的主要功能分别是构建信号分离平台拓扑结构并对其进行后期调整,以及控制信号分离平台的计算过程以降低计算误差;存储控制功能和进程休眠控制功能的主要功能分别是对信号提纯平台传感器电路内缓冲器与存储器进行过量控制,以及对信号提纯平台内BP神经网络的提前运行实施中断处理。
1.3 ?软件设计
1.3.1 ?数据采集流程设计
机械故障检测系统的软件采用Visual C++开发工具进行设计。该开发工具拥有集成开发环境,可以进行C语言编辑,能够实现清晰、友好的人机界面。利用程序语言进行系统软件设计,结合类和对象,分别对硬件驱动模块与故障检测定位模块进行封装产生硬件操作类及故障检测类。系统数据采集流程如图1所示。
系统给电之后进行自检,对数据采集卡驱动文件进行加载,加载内容包括端口地址资源和动态链接库资源等[9]。对硬件控制进行封装时,按照盛博科技提供的参照程序将其封装到最底层,并对硬件控制类进行设计。完成上述数据采集卡的初始化后,进行A/D变更并对仿真输入通道实施确立,保存A/D值于仿真输入通道内,获取故障检测流程的初始信息。
1.3.2 ?故障检测流程设计
数据采集流程成功获取初始信息后,系统利用故障检测流程实现机械故障的检测,机械故障检测系统软件设计的重点就是故障判断定位功能,对故障判断定位功能进行科学合理的设计,可提高机械故障检测系统的整体性能。因为故障判断定位功能是依照信号的骤变进行机械故障位置的确认,所以机械故障检测与机械运行需要同时进行,因此机械故障检测流程的设计运用了动态检测方法。Visual C++开发程序的主要特点为消息映射,消息队列内故障检测等以消息的形式存在[10],系统通过定时查询消息的方法结合采集卡上的硬件时钟和信号响应时间获取处理信息,并在极短的时间内实现多路信息的准确获取、变更以及读取。2 ?实验分析
为验证本文设计基于信号提纯的机械故障检测系统在进行信号分离提纯时误差较小,以某型号车辆机械为实验对象,分别采用本文系统、基于改进的希尔伯特振动分解的机械故障检测系统和基于四元数理论与流形学习的多通道机械故障检测系统对实验对象的故障信号进行采集,将不同系统获取的故障信号误差曲线进行对比,曲线变化越平稳,误差值越小稳定,系统的准确度越高,结果如图2所示。
对图2进行分析可知,基于改进的希尔伯特振动分解的机械故障检测系统获取的故障信号误差曲线波动较大,误差范围在0.23~0.59之间。基于四元数理论与流形学习的多通道机械故障检测系统获取的故障信号误差曲线波动同样较大,误差范围在-0.28~0.57之间。相较于其他两个系统,本文系统获取的故障信号误差曲线波动较平稳,误差范围仅在0.08~0.34之间。实验结果表明,使用本文系统进行机械故障检测时获取的信号误差较小,准确率较高。
为测试本文系统的稳定性,以轴承为实验对象,将基于改进的希尔伯特振动分解的机械故障检测系统(传统系统)与本文系统一同进行轴承故障的檢测,实验次数为100次。分别记录不同机械故障检测系统获取的检测结果如表1所示。
对表1进行分析可知:使用本文系统进行实验对象的故障检测时,正常状态故障检测的准确率为100%,内圈磨损和外圈磨损故障检测的准确率分别为98%和97%;使用传统系统进行实验对象的故障检测时,正常状态、内圈磨损和外圈磨损故障检测的准确率在85%左右。实验结果表明,本文系统进行机械故障检测具有较好的稳定性。3 ?结 ?论
本文设计基于信号提纯的机械故障检测系统,系统主控单元为缩小系统体积,采用叠加安装的PC104控制总线,设计信息提纯模块采用理论结合算法的控制方式,实现对机械的实时管控、信号管理、运算控制、存储控制等功能,提高了信号的分离和提纯性能。软件方面设计数据采集流程和故障检测流程实现基于信号提纯的机械故障检测。经实验证明,使用本文系统获取的故障信號误差为0.08~0.34之间,并且使用该系统对机械不同故障检测的准确率均在97%以上,说明使用所提系统进行故障检测时稳定性较高。
参考文献
[1] 杜雄,王国宁,孙鹏菊,等.两相静止坐标系下消除不对称和谐波影响的同步信号提取方法[J].电工技术学报,2015,30(4):249?256.
DU Xiong, WANG Guoning, SUN Pengju, et al. Synchronization signal extraction method in two?phase stationary reference frame for eliminating imbalance and harmonic effects [J]. Transactions of China Electrotechnical Society, 2015, 30(4): 249?256.
[2] 汪祥莉,王斌,王文波,等.混沌干扰中基于同步挤压小波变换的谐波信号提取方法[J].物理学报,2015,64(10):15?24.
WANG Xiangli, WANG Bin, WANG Wenbo, et al. Harmonic signal extraction from chaotic interference based on synchrosqueezed wavelet transform [J]. Acta Physica Sinica, 2015, 64(10): 15?24.
[3] 何博,吕勇,易灿灿,等.基于四元数理论与流形学习的多通道机械故障信号分类方法[J].武汉科技大学学报(自然科学版),2016,39(6):455?461.
HE Bo, L? Yong, YI Cancan, et al. A novel method for multi?channel mechanical fault signal classification based on quaternion and manifold learning [J]. Journal of Wuhan University of Science and Technology (Natural science edition), 2016, 39(6): 455?461.
[4] 唐贵基,庞彬.基于改进的希尔伯特振动分解的机械故障诊断方法研究[J].振动与冲击,2015,34(3):167?171.
TANG Guiji, PANG Bin. A mechanical fault diagnosis method based on improved Hilbert vibration decomposition [J]. Journal of vibration and shock, 2015, 34(3): 167?171.
[5] 王江萍,崔锦.基于改进LLE算法的机械故障特征压缩与诊断[J].科学技术与工程,2016,16(13):86?91.
WANG Jiangping, CUI Jin. Feature compression and diagnosis of mechanical fault based on the improved LLE method [J]. Science technology and engineering, 2016, 16(13): 86?91.
[6] 刘迪辉,阳磊.旋转机械系统故障信号优化诊断方法研究[J].计算机仿真,2017,34(1):211?215.
LIU Dihui, YANG Lei. Fault diagnosis method based on rotating machinery vibration singal [J]. Computer simulation, 2017, 34(1): 211?215.
[7] 邱志斌,阮江军,黄道春,等.基于电机电流检测的高压隔离开关机械故障诊断[J].中国电机工程学报,2015,35(13):3459?3466.
QIU Zhibin, RUAN Jiangjun, HUANG Daochun, et al. Mechanical fault diagnosis of high voltage disconnector based on motor current detection [J]. Proceedings of the CSEE, 2015, 35(13): 3459?3466.
[8] 陆杰,张淼,赵宏飞,等.基于振动的电力变压器状态监测系统设计[J].电力系统及其自动化学报,2016,28(4):73?77.
LU Jie, ZHANG Miao, ZHAO Hongfei, et al. Design of power transformer condition monitoring system based on the vibration signal [J]. Proceedings of the CSU?EPSA, 2016, 28(4): 73?77.
[9] 韩冰,汤吉,赵国泽,等.小波极大值方法及其在电磁异常信号提取中的应用[J].地震地质,2015,37(3):765?779.
HAN Bing, TANG Ji, ZHAO Guoze, et al. Wavelet maxima method in identifying singularities in electromagnetic signal [J]. Seismology and geology, 2015, 37(3): 765?779.
[10] 宗银雪,张靓,李铁军,等.基于EMD?ICA音频特征提取的故障诊断系统设计[J].机械设计与制造,2016(9):98?101.
ZONG Yinxue, ZHANG Liang, LI Tiejun, et al. System design for fault diagnosis based on EMD?ICA audio feature extraction [J]. Machinery design & manufacture, 2016(9): 98?101.
关键词: 信号提纯; 机械故障; 检测系统; 主控单元; PC104总线; 数据采集
中图分类号: TN911.23?34; TP06 ? ? ? ? ? ? ? ? ? 文献标识码: A ? ? ? ? ? ? ? ?文章编号: 1004?373X(2019)04?0049?04
Design of mechanical fault detection system based on signal purification
ZHENG Yong, YANG Xiaolan
(School of Mechanics, Nanjing Institute of Technology, Nanjing 211167, China)
Abstract: The channel signals are not separated and purified when the traditional mechanical fault detection system is used to conduct machinery detection, resulting in big errors in detection results. Therefore, a mechanical fault detection system based on signal purification is designed. The system mainly includes the master control unit, signal purification module and man?machine interface. The PC104 control bus, information acquisition card and signal conversion conditioner of the master control unit are used to obtain the initial operation signals which conform to the electrical standard. The real?time control, signal management, computing control, storage control and other functions of the signal purification module are used to separate and purify the initial operation signals. During the data acquisition process of the system software design, the basic data of the fault detection process is obtained by means of the data acquisition card initialization, A/D alteration and simulation input channel establishment. On this basis, the mechanical fault detection is realized by using the dynamic detection method of the fault detection process. The experimental results show that the errors of fault signals obtained by the designed system are between 0.08 and 0.34, and the detection accuracy rates of different faults are all above 97%, which indicates that the system has a high stability and practicability.
Keywords: signal purification; mechanical fault; detection system; master control unit; PC104 bus; data acquisition0 ?引 ?言
一般情況下,机械运行过程中所形成的信号发生骤变表示机械设备出现故障[1],例如:轴承、齿轮出现损毁情况会形成冲击信号。因此,对机械故障实施检测时,检测机械部件运行过程中是否形成骤变信号,如果出现骤变信号则说明机械出现故障。而对机械故障进行准确判断的前提是要对这类能够体现机械故障的冲击信号实施全面、准确的检测[2]。
传统机械故障检测方法存在很多弊端。文献[3]通过引入四元数来耦合4个通道信号,并且利用四元数乘方的性质对数据进行增广处理实现机械故障的检测;但是其对信号分析提取特征参数的分类效果受噪声影响较大,导致检测结果误差较大。文献[4]利用Hilbert变换得到原始振动信号的解析信号,经过迭代运算自适应地检测出原信号各分量的时频信息;该方法运算量较大,检测时间较长。文献[5]提出一种增量式LLE算法用于柴油机机械故障特征压缩与诊断;该方法需综合考虑故障类内和类间的离散度,因此检测时能耗大,效率差。为了解决上述问题,提出基于信号提纯的机械故障检测系统,结合数据采集思想,利用信号提纯技术,在实现机械故障检测的同时,降低故障检测的误差,提高故障检测的效率。
1 ?基于信号提纯的机械故障检测系统
本文设计的机械故障检测系统共分为主控单元、信号提纯模块和人机界面三个部分。其中,主控单元由CPU主板、信息采集卡和信号转换调理器组成。CPU主板的主要功能是对信息采集卡的运行进行管理[6]。通过信息采集卡实现被测信号的采集,信号转换调理器对信号进行转换。信号提纯模块的主要功能为对信息采集模块获取的信号进行分离、提纯、分析等处理,并通过人机界面将得到的故障情况和解决方案进行显示。
1.1 ?主控单元设计
机械故障检测系统的主要功能是对机械故障进行检测[7],这就要求其必须具备良好的稳定性;所以,主控单元需处于可封闭式机箱内,其器件的择取同样很关键。
PC104总线是一种较为常见的工业控制总线,其CPU主板和信息采集卡的安装方法为叠加方式。这样的安装方式能够缩小系统体积,适用于任何故障检测系统,包括设计密度高、体积小的便携式系统。本文的机械故障检测系统采用PC104总线构建硬件结构:
1) 机械故障检测系统的主控计算机采用PC104SCM/LX?3160主板和AMDGeode LX 800CPU,工作频率为500 MHz,兼容PC/AT标准。
2) SEM/ADT?620模拟量采集卡获取单端输入模量的极限为16路,主要功能是实现A/D采集的变更。
3) CDT2000数字量采集卡具备48通道,基于TTL/CMOS71055的可编程数字量I/O,可以实现开关量的获取。
模拟量采集卡和数字量采集卡同主板一起构建了一个具有较高性能的信息采集、控制、检测系统。经信号电缆导出的初始运行信号不符合采集卡的规范。因此,通过信号转换调理器对初始运行信号进行转换,使其达到符合规范的电气标准,再进入采集卡。
1.2 ?信号提纯模块设计
系统利用信号提纯模块对主控单元获取的符合电气标准的信号进行分离和提纯。信号提纯模块采用理论结合算法的控制方式,实现对机械的实时管控、信号管理、运算控制、存储控制等功能,提高系统信号的分离和提纯性能。
信号分离平台和信号提纯平台通过信号提纯模块分别获取了信号管理、运算控制的功能和存储控制、进程休眠控制的功能。对整体模块实施管理和控制的是信号提纯模块的实时管控功能[8],此功能主要是针对机械故障检测系统网络节点实施全面、实时的监控,同时改进信号分离平台和信号提纯平台中发生偏差的进程;信号管理功能和运算控制功能的主要功能分别是构建信号分离平台拓扑结构并对其进行后期调整,以及控制信号分离平台的计算过程以降低计算误差;存储控制功能和进程休眠控制功能的主要功能分别是对信号提纯平台传感器电路内缓冲器与存储器进行过量控制,以及对信号提纯平台内BP神经网络的提前运行实施中断处理。
1.3 ?软件设计
1.3.1 ?数据采集流程设计
机械故障检测系统的软件采用Visual C++开发工具进行设计。该开发工具拥有集成开发环境,可以进行C语言编辑,能够实现清晰、友好的人机界面。利用程序语言进行系统软件设计,结合类和对象,分别对硬件驱动模块与故障检测定位模块进行封装产生硬件操作类及故障检测类。系统数据采集流程如图1所示。
系统给电之后进行自检,对数据采集卡驱动文件进行加载,加载内容包括端口地址资源和动态链接库资源等[9]。对硬件控制进行封装时,按照盛博科技提供的参照程序将其封装到最底层,并对硬件控制类进行设计。完成上述数据采集卡的初始化后,进行A/D变更并对仿真输入通道实施确立,保存A/D值于仿真输入通道内,获取故障检测流程的初始信息。
1.3.2 ?故障检测流程设计
数据采集流程成功获取初始信息后,系统利用故障检测流程实现机械故障的检测,机械故障检测系统软件设计的重点就是故障判断定位功能,对故障判断定位功能进行科学合理的设计,可提高机械故障检测系统的整体性能。因为故障判断定位功能是依照信号的骤变进行机械故障位置的确认,所以机械故障检测与机械运行需要同时进行,因此机械故障检测流程的设计运用了动态检测方法。Visual C++开发程序的主要特点为消息映射,消息队列内故障检测等以消息的形式存在[10],系统通过定时查询消息的方法结合采集卡上的硬件时钟和信号响应时间获取处理信息,并在极短的时间内实现多路信息的准确获取、变更以及读取。2 ?实验分析
为验证本文设计基于信号提纯的机械故障检测系统在进行信号分离提纯时误差较小,以某型号车辆机械为实验对象,分别采用本文系统、基于改进的希尔伯特振动分解的机械故障检测系统和基于四元数理论与流形学习的多通道机械故障检测系统对实验对象的故障信号进行采集,将不同系统获取的故障信号误差曲线进行对比,曲线变化越平稳,误差值越小稳定,系统的准确度越高,结果如图2所示。
对图2进行分析可知,基于改进的希尔伯特振动分解的机械故障检测系统获取的故障信号误差曲线波动较大,误差范围在0.23~0.59之间。基于四元数理论与流形学习的多通道机械故障检测系统获取的故障信号误差曲线波动同样较大,误差范围在-0.28~0.57之间。相较于其他两个系统,本文系统获取的故障信号误差曲线波动较平稳,误差范围仅在0.08~0.34之间。实验结果表明,使用本文系统进行机械故障检测时获取的信号误差较小,准确率较高。
为测试本文系统的稳定性,以轴承为实验对象,将基于改进的希尔伯特振动分解的机械故障检测系统(传统系统)与本文系统一同进行轴承故障的檢测,实验次数为100次。分别记录不同机械故障检测系统获取的检测结果如表1所示。
对表1进行分析可知:使用本文系统进行实验对象的故障检测时,正常状态故障检测的准确率为100%,内圈磨损和外圈磨损故障检测的准确率分别为98%和97%;使用传统系统进行实验对象的故障检测时,正常状态、内圈磨损和外圈磨损故障检测的准确率在85%左右。实验结果表明,本文系统进行机械故障检测具有较好的稳定性。3 ?结 ?论
本文设计基于信号提纯的机械故障检测系统,系统主控单元为缩小系统体积,采用叠加安装的PC104控制总线,设计信息提纯模块采用理论结合算法的控制方式,实现对机械的实时管控、信号管理、运算控制、存储控制等功能,提高了信号的分离和提纯性能。软件方面设计数据采集流程和故障检测流程实现基于信号提纯的机械故障检测。经实验证明,使用本文系统获取的故障信號误差为0.08~0.34之间,并且使用该系统对机械不同故障检测的准确率均在97%以上,说明使用所提系统进行故障检测时稳定性较高。
参考文献
[1] 杜雄,王国宁,孙鹏菊,等.两相静止坐标系下消除不对称和谐波影响的同步信号提取方法[J].电工技术学报,2015,30(4):249?256.
DU Xiong, WANG Guoning, SUN Pengju, et al. Synchronization signal extraction method in two?phase stationary reference frame for eliminating imbalance and harmonic effects [J]. Transactions of China Electrotechnical Society, 2015, 30(4): 249?256.
[2] 汪祥莉,王斌,王文波,等.混沌干扰中基于同步挤压小波变换的谐波信号提取方法[J].物理学报,2015,64(10):15?24.
WANG Xiangli, WANG Bin, WANG Wenbo, et al. Harmonic signal extraction from chaotic interference based on synchrosqueezed wavelet transform [J]. Acta Physica Sinica, 2015, 64(10): 15?24.
[3] 何博,吕勇,易灿灿,等.基于四元数理论与流形学习的多通道机械故障信号分类方法[J].武汉科技大学学报(自然科学版),2016,39(6):455?461.
HE Bo, L? Yong, YI Cancan, et al. A novel method for multi?channel mechanical fault signal classification based on quaternion and manifold learning [J]. Journal of Wuhan University of Science and Technology (Natural science edition), 2016, 39(6): 455?461.
[4] 唐贵基,庞彬.基于改进的希尔伯特振动分解的机械故障诊断方法研究[J].振动与冲击,2015,34(3):167?171.
TANG Guiji, PANG Bin. A mechanical fault diagnosis method based on improved Hilbert vibration decomposition [J]. Journal of vibration and shock, 2015, 34(3): 167?171.
[5] 王江萍,崔锦.基于改进LLE算法的机械故障特征压缩与诊断[J].科学技术与工程,2016,16(13):86?91.
WANG Jiangping, CUI Jin. Feature compression and diagnosis of mechanical fault based on the improved LLE method [J]. Science technology and engineering, 2016, 16(13): 86?91.
[6] 刘迪辉,阳磊.旋转机械系统故障信号优化诊断方法研究[J].计算机仿真,2017,34(1):211?215.
LIU Dihui, YANG Lei. Fault diagnosis method based on rotating machinery vibration singal [J]. Computer simulation, 2017, 34(1): 211?215.
[7] 邱志斌,阮江军,黄道春,等.基于电机电流检测的高压隔离开关机械故障诊断[J].中国电机工程学报,2015,35(13):3459?3466.
QIU Zhibin, RUAN Jiangjun, HUANG Daochun, et al. Mechanical fault diagnosis of high voltage disconnector based on motor current detection [J]. Proceedings of the CSEE, 2015, 35(13): 3459?3466.
[8] 陆杰,张淼,赵宏飞,等.基于振动的电力变压器状态监测系统设计[J].电力系统及其自动化学报,2016,28(4):73?77.
LU Jie, ZHANG Miao, ZHAO Hongfei, et al. Design of power transformer condition monitoring system based on the vibration signal [J]. Proceedings of the CSU?EPSA, 2016, 28(4): 73?77.
[9] 韩冰,汤吉,赵国泽,等.小波极大值方法及其在电磁异常信号提取中的应用[J].地震地质,2015,37(3):765?779.
HAN Bing, TANG Ji, ZHAO Guoze, et al. Wavelet maxima method in identifying singularities in electromagnetic signal [J]. Seismology and geology, 2015, 37(3): 765?779.
[10] 宗银雪,张靓,李铁军,等.基于EMD?ICA音频特征提取的故障诊断系统设计[J].机械设计与制造,2016(9):98?101.
ZONG Yinxue, ZHANG Liang, LI Tiejun, et al. System design for fault diagnosis based on EMD?ICA audio feature extraction [J]. Machinery design & manufacture, 2016(9): 98?101.