基于VMD和窄带包络相关的船舶辐射噪声改进DEMON分析

船舶辐射噪声的包络谱中蕴含着轴频和桨叶数等船舶固有特征信息,对船舶目标识别具有重要意义。为了提高船舶辐射噪声包络谱解调性能,提出了基于变分模态分解(Variational Mode Decomposition, VMD)和窄带包络相关的改进DEMON分析方法。首先利用VMD算法代替传统带通滤波器,将船舶辐射噪声信号分解为若干个子带;然后对各子带进行希尔伯特(Hilbert)检波并计算平均窄带包络相关系数,用于衡量信号的包络调制在频域上的非均匀性;最后提取各子带信号包络谱并按照平均窄带包络相关系数进行加权融合,从而得出宽带噪声信号的包络谱。利用该方法对实测不同类型和不同航速船舶辐射噪声信号进行了处理,结果均表明所提方法能有效提高包络谱解调效果,较传统方法更为有效。     

基于参量阵双通道信息的富钴结壳高精度测厚算法

富钴结壳作为一种重要的海底矿产资源，在工业生产中有着重要应用，具有潜在的开采价值，富钴结壳的厚度是评估开采矿区资源量的重要指标。论文基于原位参量探测器测量富钴结壳厚度，探测器向结壳垂直发射调制信号，并接收返回的原频、差频双通道回波信号，分别提取两个回波信号的包络，然后提取回波信号峰值点的到达时刻，采用时延差法测量结壳厚度。回波到达时刻的提取是影响测厚精度的关键因素，传统的包络提取方法如希尔伯特变换，可以准确地提取出原频信号的包络，但对差频信号的提取精度较差。因此，通过希尔伯特变换与自相关算法分别提取原频信号与差频信号包络，提高了测厚的精度。通过水池试验分析了该算法的测厚性能，随后将该算法应用于中国大洋某航次的富钴结壳海试数据，验证了该算法的可行性。     

一种基于改进阶次包络谱的滚动轴承故障诊断算法

针对变转速工况下滚动轴承故障特征的提取问题,提出了一种基于滤波定阶理论的改进阶次包络谱分析方法。该方法在包络解调后,先对信号进行低通滤波,在确定计算阶次跟踪(COT)的重采样频率并进行重采样后,再对重采样后的包络曲线进行离散傅里叶变换得到阶次包络谱。通过仿真信号和实验数据对该算法进行验证,结果表明:该算法适用于变转速工况的轴承故障诊断,和传统阶次包络谱算法相比,该算法为角域重采样中重采样率的设置提供了一种方法,可以有效避免阶次混叠现象和降低重采样率。     

基于瞬变工况阶比跟踪的内燃机监测方法研究

提出一种瞬变工况阶比跟踪方法。对于瞬变工况信号进行数据预处理,使其满足计算阶比采样条件,通过重采样插值技术,将等时间采样信号(Δt)变为等转角信号(Δθ),然后进行阶比跟踪。对于瞬变工况下内燃机连杆故障时振动信号阶比跟踪结果表明,该方法能有效地提取故障的特征,达到内燃机状态监测目的。     

EMD局部积分均值增密插值改进算法及其在转子故障诊断中的应用

包络拟合是EMD(Empirical Mode Decomposition)算法的一个关键环节,针对EMD包络拟合问题,提出一种基于局部积分均值增密约束三次样条插值的EMD改进算法。该方法利用定比分点法来增密EMD样条插值型值点,利用分段约束三次样条插值来抑制传统EMD包络过冲与欠冲问题,利用内禀模态函数直接筛选方法来减少EMD计算局部均值时的样条插值次数。仿真分析验证了改进算法的有效性,将改进算法应用在转子故障振动信号的实例分析中,结果表明,改进算法提高了EMD的分解精度,更加准确地提取了油膜涡动信号的故障特征。     

改进 TSA 降噪与平方包络谱分析的故障特征提取

为实现旋转机械设备故障诊断,提出基于相关性检测的振动信号改进时域同步平均(Time Synchronous Averaging,TSA)降噪方法,并利用平方包络谱提取故障特征。在采样振动信号中任取一段参考子信号,令参考子信号从振动信号初始时间开始,沿时间轴逐点滑动至终了时间,同时计算参考子信号与其在振动信号中遮掩子信号之间的相关系数;利用步长迭代算法获取相关系数最优阈值,选择与参考子信号相关系数大于最优阈值的所有遮掩子信号作为总体同步信号,平均计算后获得降噪的目标信号;对目标信号进行平方包络谱分析。仿真信号、齿轮和轴承振动信号的分析结果表明,所提出的方法能够有效用于旋转机械设备的振动信号降噪与故障特征提取。     

基于改进快速峭度图的轴承故障诊断方法研究

针对传统快速峭度图在轴承故障诊断中，通过计算滤波信号的包络峭度确定频带范围容易受到随机脉冲干扰的问题，提出一种基于改进快速峭度图的轴承故障诊断方法。首先运用自相关算法、改进谱幅值调制(improved spectral amplitude modulation, ISAM)算法对包络信号进行处理，获取修正信号并以其频谱峭度衡量冲击响应的强度；然后以修正信号谱峭度代替传统快速峭度图中的包络峭度，得到可降低各频带随机干扰的改进峭度图；最后通过对3组信噪比不同的仿真信号、2组轴承试验信号的平方包络谱故障诊断情况进行对比分析，验证该方法的有效性和稳定性。通过与原始快速峭度图、功率谱峭度图、ISAM法3种方法对比，验证该方法的优越性。对比结果表明，所提方法可有效降低随机脉冲的影响，实现轴承故障特征频率的准确提取。     

基于迭代广义解调算法的变转速滚动轴承复合故障特征的提取

变转速工作模式使得本来就互相干扰、彼此联系的滚动轴承复合故障特征的提取更加困难。为此提出了基于迭代广义解调算法的变转速滚动轴承复合故障特征提取方法。该方法根据复合故障轴承信号包络时频谱中代表故障特征频率的时频曲线的突出性,结合迭代广义解调算法可以将特定时频曲线转换成平行于时间轴的直线这一特点,直接对滚动轴承振动信号中的特定成分进行分析和提取。整个算法由以下四部分组成:对同步测取的故障轴承转速脉冲信号进行处理得到转频曲线,根据转频曲线以及目标轴承的故障特征系数确定迭代广义解调算法需要的相位函数;其次,对故障轴承信号进行包络分析获取包络信号;根据计算的相位函数对故障轴承包络信号进行迭代广义解调;对解调信号进行频谱分析,通过分析频谱中独立峰的位置对滚动轴承的健康状况进行判断。仿真与实验结果表明,该算法可以消除转速变化对滚动轴承复合故障特征的影响,有效实现复合故障特征的识别和提取。     

基于线调频小波路径追踪的滚动轴承故障特征提取

针对齿轮噪源以及变转速的工作条件双重干扰下的滚动轴承的故障诊断,提出了一种基于线调频小波路径追踪的滚动轴承故障特征提取方法。对混合信号进行Hilbert变换得到包络信号,并在满足采样定理的条件下对包络信号进行降采样;对降采样包络信号应用线调频小波路径追踪算法提取轴承的瞬时故障特征频率趋势线,再对轴承的瞬时故障特征频率趋势线和转速曲线进行等时间重采样,并求各时间点的计算瞬时故障特征系数;根据计算瞬时故障特征系数与轴承的外圈、内圈和滚动体的故障特征系数进行比较,完成故障诊断。通过处理仿真信号和实测信号证明了该方法在不对混合信号进行滤波和使用阶比分析的情况下,不仅能检测滚动轴承是否出现故障,而且能确定故障的发生位置。     

基于改进EMD和滑动峰态算法的滚动轴承故障特征提取

针对滚动轴承故障特征往往被强背景噪声淹没的特点,提出一种基于改进经验模态分解(Empirical Mode Decomposition,EMD)与滑动峰态算法的滚动轴承故障特征提取方法。首先利用EMD方法分解原故障信号得到一组平稳固有模态分量(Intrinsic Mode Function,IMF)。然后采用互信息和广义相关系数筛选法消除传统EMD分解结果中虚假分量,并运用滑动峰态算法对真实IMF分量处理得到滑动峰态时间序列。最后计算滑动峰态序列频谱提取故障特征频率。滚动轴承的实例研究结果表明：该方法能够有效提取滚动轴承故障特征,可以取得比直接滑动峰态算法和传统包络解调分析更好的效果。     

基于包络解调随机共振和CEEMD的机械早期微弱故障诊断方法研究

针对噪声背景下机械振动信号早期故障特征提取难题,提出一种基于包络解调随机共振和互补总体经验模态分解的机械早期微弱故障提取及诊断新方法。首先对含噪声机械故障信号进行包络解调处理,然后对包络信号进行变尺度随机共振输出,使故障特征信号得到增强,最后对处理后的信号进行互补总体经验模态分解(CEEMD),得到机械振动信号故障特征分量,实现故障特征提取及诊断。对机械故障诊断实例表明,该方法不仅能增强信号幅值,同时减少了虚假分量,提高了CEEMD算法的精度,有效提取出被噪声淹没的微弱故障信号,提高了机械早期故障诊断效果。     

基于噪声信号和改进VMD的滚动轴承故障诊断

受运行环境及传递路径影响,滚动轴承声音信号中包含有强背景噪声和较大的非周期性瞬态冲击成分,导致轴承故障特征提取困难。文中提出一种基于自适应变分模态分解(AVMD)的滚动轴承噪声信号故障诊断方法。该方法首先根据不同的信号自适应地确定模式数和惩罚因子,利用优化参数的VMD对原始信号进行分解,得到多个本征模式分量;然后计算各模式分量时域、包络谱和时-频加权峭度,根据时-频加权峭度最大化准则选择最佳IMF;最后采用共振解调技术求出最佳IMF包络谱。对轴承故障信号研究表明,所提方法可解决传统VMD算法分解精度受参数影响较大,导致信号出现过分解或欠分解的问题。另外与传统方法相比,该方法可以在强背景噪声和非周期性瞬态冲击下有效识别轴承故障。     

载波注入的无传感器PMSM转子自测角研究

提出一种基于载波电压信号注入的新型无传感器永磁电机转子自测角原理,将电机本体作为旋变器,向电机绕组中注入载波电压激励信号．在分析载波电压信号激励下永磁同步电机数学模型的基础上,研究了基于凸极跟踪转子位置的自测角方法．讨论了载波信号的注入、提取以及包含转子位置信息的高频负序电流的外差处理技术．采用仿真结果进行了分析,通过旋变器的实测结果验证了其正确性．仿真结果表明,以此机理实现的永磁同步电机无传感器控制具有很好的鲁棒性,同时具有良好的静、动态性能．     

基于耦合信号包络分析的引线键合点剪切强度识别方法研究

键合点剪切强度是衡量键合质量的重要指标之一,以引线键合系统超声波发生器电信号作为信息载体,研究了超声电信号的特征提取方法以及在键合强度识别方面的应用。针对超声电信号的瞬态特性,提出一种基于信号子频带包络分段的特征提取方法。该方法将超声电信号滤波后的子频带包络分成信号上升、稳定和衰减三个阶段,提取每个阶段的敏感波形特征来表征键合过程。为了消除特征中的冗余信息并实现特征降维,采用了主分量分析(PCA)技术进行特征选择。建立了人工神经网络系统(ANN)对提取的特征进行识别,通过实验数据分析,验证了本文方法的有效性。     

基于子频带谱峭度平均的快速谱峭度图算法改进

快速谱峭度图（Fast Kurtogram）算法具有能自适应选取共振解调频带并实现包络解调提取的优点,在滚动轴承包络分析中有广阔的应用前景,但其在实际应用中,若被采集信号中包含有较高峰值的脉冲干扰时,将可能导致谱峭度图的自适应共振带确定失效,最终导致无法获得包含有效滚动轴承的故障特征信息的包络信号。为解决快速谱峭度图算法的上述不稳定问题,本文提出了一种基于子频带谱峭度平均的改进快速谱峭度图算法,其可有效消除或削弱脉冲干扰成分对谱峭度图结果的影响,提高了共振解调频带确定的鲁棒性,实现了基于快速谱峭度图算法的滚动轴承故障特征准确提取。仿真和试验结果验证了本方法的有效性。     

最大相关峭度解卷积结合稀疏编码收缩的齿轮微弱故障特征提取

针对强背景噪声环境下齿轮早期故障诊断问题,提出了最大相关峭度解卷积结合稀疏编码收缩的微弱故障特征提取方法。由于最大相关峭度解卷积算法的处理结果同时受滤波器长度参数及解卷积周期参数的影响,为自适应地实现最佳的解卷积效果,利用粒子群算法优良的寻优特性,对最大相关峭度解卷积算法的最佳影响参数组合进行搜索。原故障信号经影响参数优化的最大相关峭度解卷积算法处理后,冲击特征会明显增强,为剔除剩余噪声,对所获解卷积信号做进一步稀疏编码收缩降噪处理,并通过分析降噪信号的包络谱来识别故障特征频率成分。实例分析结果验证了该方法的有效性和可靠性。     

基于小波变换的暂态电能质量分析方法

针对配电系统中最常见的暂恋电能质量扰动,例如电压暂降、电压暂升、振荡、脉冲等在发生扰动的起止时刻常常对应电压信号的奇异点的特点,本文提出了一种基于小波变换的暂态电能质量奇异性检测方法。利用小波变换的快速算法——Maliar算法来确定暂态电能质量信号的扰动持续时间和扰动波形,从而进行检测。     

New approach to adaptive single pole auto-reclosing of power transmission lines

In this study, a novel digital algorithm is introduced for recognition of arcing (transient) faults and determination of dead time for adaptive auto-reclosing. The algorithm distinguishes between arcing and permanent faults by using the zero sequence voltage measured at the relaying point. If the fault is recognised as an arcing fault, then the third harmonic of the zero sequence voltage is used to evaluate the extinction time of secondary arc and to initiate reclosing signal. The proposed algorithm uses an adaptive threshold level and therefore no significant adjustment is needed for different transmission systems. Moreover, its performance is independent to fault location, line parameters and the system pre-fault operating conditions. The algorithm has been successfully tested for various faults and operating conditions on a 400 kV overhead line using the electro-magnetic transient program (EMTP). The test results have demonstrated validity of the algorithm in determining the secondary arc extinction time and blocking unsuccessful automatic reclosing during permanent faults.     

基于改进EMD方法与1 1/2谱的DEMON谱提取方法

噪声的包络调制检测(Detection of Envelope Modulation on Noise, DEMON)谱分析技术已被广泛应用于特征提取领域,但经典 DEMON 谱提取中高频信号频段的选取会影响 DEMON 谱的提取效果。针对这一问题,文中首先运用经验模态分解(Empirical Mode Decomposition, EMD)方法获得一系列固有模态函数(Intrinsic Mode Function, IMF),依据各阶模态函数与原信号的相关程度,筛选出更具代表性的几阶固有模态函数进行解调,再对解调的结果运用1 1/2维谱分析方法进行谱分析以抑制高斯噪声,通过这种方法获得的 DEMON 谱信噪比优于传统方法。实测湖试数据分析结果表明,该改进方法可以有效地进行特征提取,结果优于经典 DEMON 谱分析方法;该改进方法具有一定的实用性,有利于进行后续目标分类识别。     

一种弱故障特征信号的提取方法及其应用研究

由S变换推导出的时序分解算法可以将一个任意的初始时间序列变换成一组突出时间序列局部信息的二维时间序列，该时序分解的可逆性表明了它可用于时域信号的滤波与特征提取。希尔伯特变换可有效地对时域信号进行解调，其实质是对原始信号作一次特殊的滤波。综合前述两种变换的优点，提出了结合希尔伯特变换及时序分解的弱故障特征信号提取算法，采用数值仿真实验及齿轮故障诊断进行了验证，结果表明，此种方法能有效地提取混在强背景信号中的弱故障特征信号。