+
Действующая цена700 499 руб.
Товаров:
На сумму:

Электронная библиотека диссертаций

Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО

Расширенный поиск

Идентификация и диагностика состояний природных и технических объектов по акустическим шумам

  • Автор:

    Кутузов, Александр Александрович

  • Шифр специальности:

    05.11.13

  • Научная степень:

    Кандидатская

  • Год защиты:

    2006

  • Место защиты:

    Курск

  • Количество страниц:

    190 с. : ил.

  • Стоимость:

    700 р.

    499 руб.

до окончания действия скидки
00
00
00
00
+
Наш сайт выгодно отличается тем что при покупке, кроме PDF версии Вы в подарок получаете работу преобразованную в WORD - документ и это предоставляет качественно другие возможности при работе с документом
Страницы оглавления работы

1. Методы и устройства анализа и идентификации акустических сигналов
1.1. Аналоговые методы и устройства спектрального анализа
1.2. Цифровые методы спектрального анализа
1.3. Технические средства акустического контроля сложных объектов, базирующиеся на спектральном анализе
1.4. Методы и специальные приборы
акустического контроля состояния пчелиных семей
1.5. Формулировка цели и задач диссертации
2. Методы предварительной обработки и анализа акустических сигналов
2.1. Исследование стационарности исходных сигналов
и формирование квазистационарных «типичных» реализаций сигналов с близкими дисперсиями
2.2. Математический аппарат построения энергетических спектров
2.3. Выбор информативного частотного диапазона сигнала
и частотного разрешения при построении энергетических спектров
2.4. Цель и общая программа и методики проведения экспериментальных исследований
2.5. Проведение предварительной обработки акустических сигналов пчелиных семей
3. Отбор оптимальной совокупности информативных признаков и построение классификатора
3.1. Общая концепция диагностирования состояний сложного
объекта по акустическому шуму
3.2. Критерии предварительного отбора информативных признаков

3.3. Алгоритм предварительного отбора
информативных признаков
3.4. Критерии разделимости классов по совокупности
информативных признаков
3.5. Алгоритм отбора оптимальной совокупности
информативных признаков
3.6. Критерии значимости улучшения критериев разделимости классов при добавлении информативных признаков
3.7. Построение решающих правил
3.8. Получение обучающей выборки значений признаков и
построение классификатора состояний пчелиных семей
4. Структура и алгоритмы функционирования автоматизированной исследовательской системы диагностирования состояния пчелиных семей
4.1. Структурная схема автоматизированной исследовательской системы диагностирования состояний пчелиных семей
4.2. Проводной канал передачи данных, структурные схемы контроллеров улья и контроллера пасеки
4.3. Программное обеспечение автоматизированной исследовательской системы диагностирования состояний пчелиных семей
Заключение
Библиографический список
Приложение
Приложение

Актуальность работы. Одним из важных направлений неразрушающего контроля и технической диагностики являются методы, основанные на анализе акустических колебаний, шумов и вибраций либо генерируемых объектом контроля в процессе функционирования, либо возбуждаемых в объекте внешним генератором (или периодическими ударами). Данными проблемами занимались многие отечественные и зарубежные ученые и инженеры: Ю.В. Ланге, С.И. Воропаев, В.Н. Костюков, Б.В. Павлов, Д. Митчел, Д. Линн и др. В частности, уже давно и успешно применяются методы технической диагностики машин и механизмов (в том числе газовых и паровых турбин, автомобильных двигателей и т.п.) по генерируемому ими акустическому шуму и вибрациям их отдельных элементов. С давних пор используется метод дефектоскопии изделий и конструкций путём их «простукивания» с анализом генерируемых звуков «на слух», который в настоящее время получил приборное развитие под названием метода «свободных колебаний», когда упругие колебания, возбуждаемые периодическими ударами по объекту, преобразуются в электрический сигнал и подвергаются спектральному анализу, а по изменениям спектра судят о наличии, характере и расположении дефектов в контролируемом объекте. Особенно эффективным этот метод оказался для обнаружения дефектов соединения между слоями в многослойных изделиях и конструкциях. Однако, и в том, и в другом случаях (т.е. и при генерировании акустических сигналов самим объектом, и при его возбуждении с помощью наносимых по объекту ударов) чем сложнее объект, тем сложнее получается и анализируемый акустический сигнал, и тем труднее идентифицировать по нему состояние объекта. Причина здесь в том, что, хотя в обоих случаях процессы, генерирующие анализируемый сигнал, можно отнести к циклическим, но и в сложных работающих машинах, и в сложных изделиях, в которых упругие колебания возбуждаются за счёт внешних циклических воздействий, суммарный акустический сигнал складывается из очень многих составляющих, которые генерируются отдельными деталями и

2.2. Математический аппарат построения энергетических спектров
Результатом /V-точечного ДГТФ являются N комплексных чисел, расположенных в диапазоне от 0 Гц до значения частоты дискретизации. Однако в обработке следует использовать только первые N12 полученных отсчётов, т.к. остальные отсчёты являются комплексно сопряженными с первой половиной и соответствуют частотам, превышающим предел Найквиста [2, 7, 42].
Интервал между соседними отсчётами спектра можно вычислить по формуле:
Af=fd/N , (2.3)
где fà - частота дискретизации сигнала;
N- величина выборки (количество отсчётов).
Любое комплексное число a+ib имеет модуль, равный -Ja2+b2 . Этот модуль и является амплитудой отдельных спектральных составляющих. Однако после проведения ДПФ значения отдельных отсчётов много превышают исходную амплитуду сигнала. Поэтому при построении амплитудного спектра необходимо проводить масштабирование. Оно производится путём деления результатов прямого ДПФ на N.
При выборе размерности БПФ необходимо найти компромисс между громоздкостью программного кода (увеличение промежуточных операций при уменьшении размерности БПФ) и скоростью вычисления энергетического спектра, что определяется выбранной кратностью прореживания. В нашем случае таким компромиссом является выбор (N/32)-TO4e4Horo БПФ, что позволяет обеспечить приемлемую скорость вычислений на ПЭВМ с центральным процессором типа Intel Pentium II или Intel Celeron и выше при реализации программного обеспечения на языке высокого уровня C++.
При спектральных измерениях случайных последовательностей измерения должны быть статистически устойчивыми в том смысле, что, какая бы оценка ни рассматривалась, при увеличении интервала измерения она должна сходиться к вполне конкретной величине. Простое и удобное условие сходимо-

Рекомендуемые диссертации данного раздела

Время генерации: 0.128, запросов: 967