|

Исследование динамических процессов с использованием анализа форм частотных декомпозиций сигнала на основе метода Прони

Авторы: Гаврюшин С.С., Досько С.И., Утенков В.М., Червова А.А. Опубликовано: 22.11.2017
Опубликовано в выпуске: #6(75)/2017  
DOI: 10.18698/1812-3368-2017-6-126-136

 
Раздел: Информатика, вычислительная техника и управление | Рубрика: Системный анализ, управление и обработка информации  
Ключевые слова: динамический процесс, частотная декомпозиция сигнала, метод Прони, диагностические признаки

Изложена методика обработки экспериментальных данных, полученных в виде динамического сигнала. При выполнении работ по созданию в МГТУ им. Н.Э. Баумана особо прецизионного механообрабатывающего оборудования для изучения закономерности вибрационных процессов возникла необходимость разработки новой эффективной методики обработки результатов вибрационных измерений. Показаны основные положения указанной методики, в основе которой лежат алгоритмы метода Прони, и возможности ее использования в области медицины. При этом приведены исходные данные, полученные в виде динамических сигналов при исследовании здоровой почки и почки, имеющей патологические изменения, а также результаты модального анализа форм частотных декомпозиций этих сигналов на основе метода Прони

Литература

[1] Бендат Дж., Пирсол А. Применение корреляционного и спектрального анализа. М.: Мир, 1983. 312 с.

[2] Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. М.: Мир, 1989. 448 с.

[3] Артоболевский И.И., Бобровницкий Ю.И., Генкин М.Д. Введение в акустическую динамику машин. М.: Наука, 1979. 296 с.

[4] Максимов В.П., Егоров И.В., Карасёв В.А. Измерение, обработка и анализ быстропеременных процессов в машинах. М.: Машиностроение, 1987. 208 с.

[5] Малинецкий Г.Г., Потапов А.Б. Современные проблемы нелинейной динамики. М.: Эдиториал УРСС, 2000. 336 с.

[6] Doyle J.F. A wavelet deconvolution method for impact force identification // Experimental Mechanics. 1997. Vol. 37. Iss. 4. P. 403–408. DOI: 10.1007/BF02317305

[7] Gabor D. Theory of communication // J. Inst. Elect. Eng. 1946. Vol. 93. No. 3. P. 429–457.

[8] Claassen T.A.C.M., Mecklenbrauker W.F.G. The Wigner distribution — a tool for time-frequency signal analysis. P. 1−3 // Philips J. Res. 1980. Vol. 35. P. 217–250, 276–300, 372–389.

[9] Марпл-мл. С.Л. Цифровой спектральный анализ и его применения. М.: Мир, 1990. 584 с.

[10] Prony R. Essai experimental et analytique // Journal de lEcole Polytechnique. 1796. Vol. 1. No. 22. P. 24–76.

[11] Кухаpенко Б.Г. Технология спектpального анализа на основе быстpого пpеобpазования Пpони // Инфоpмационные технологии. 2008. № 4. С. 38–42.

[12] Булгаков Б.В. Колебания. М.: Гос. изд-во технико-теоретической литературы, 1954. 892 c.

[13] Киренков В.В., Досько С.И. Типовые обратные задачи и методы их решения при оценке результатов испытаний изделий РКТ // Ракетно-космическая техника. Труды. Сер. XII. Вып. 3. Королев: РКК «Энергия», 2014. 100 с.

[14] Девятков Н.Д., Голант М.Б., Бецкий О.В. Миллиметровые волны и их роль в процессах жизнедеятельности. М.: Радио и связь, 1991. 168 с.

[15] Авшалумов А.Ш., Балтаева Р.У., Филаретов Г.Ф. Функциональная неинвазивная диагностика органов и систем человека. М.: МИА, 2013. 264 с.