预应力钢筋混凝土梁损伤过程的声发射信号频带能量特征分析

为了研究预应力钢筋混凝土梁在三点弯曲破坏试验过程中的声发射信号频谱及能量变化特征与梁结构损伤之间的关系,在研究声发射能量与时间的相关图基础上,提取了不同阶段破坏过程中的信号波形。通过FFT变换和小波包变换对信号分析处理,发现不同损伤破坏阶段的信号频率分布、频带能量变化规律,即试件损伤破坏过程声发射信号频率范围主要在0~325 k Hz,随着损伤的加剧,频率范围会逐渐缩小,幅值和频谱密度会变大;损伤破坏过程中能量主要分布在低频0~125 k Hz高频段能量逐渐衰减,低频0~62.5 k Hz段能量有上升趋势。这些规律对实际工程结构的在线健康监测和损伤评估有指导意义。     

不同受力状态下岩石破坏过程次声信号特征

采用室内试验方法,分别开展了岩石在压缩、剪切和拉伸状态下的破坏试验,利用高灵敏度的次声信号采集设备同步采集岩石破坏过程中的次声信号,对不同受力状态下岩石次声信号的特征差异进行了研究。结果表明:在压缩状态下,岩石次声信号发射主要在弹性和塑性变形阶段,次声信号的峰值频率在7 Hz左右,在岩石临近破坏前,次声信号振幅和频率范围均有所增加;在剪切状态下,次声信号主要集中在峰值后应力逐步下降的阶段,信号功率分布集中程度较压缩试件略低,峰值频率在8 Hz左右;在拉伸状态下,试件加载初始阶段便有次声信号发生,次声信号频率通常存在高、低两个中心,其中低频与压缩试件接近,高频则高出3 Hz,拉伸试件内部裂隙的萌生和发展较压缩和剪切状态下更为迅速、有序,随着试件内部裂隙的发展,次声信号频率逐渐升高。以上特征的发现为不同受力状态下次声信号的识别以及岩体灾变预测提供了依据。     

煤样剪切变形及裂纹演化特征离散元模拟研究

通过对煤样常规三轴试验的拟合,得到一组能够反映煤样宏观力学性质的PFC细观参数,并在此基础上制备含不同倾角预制裂隙的剪切试样,利用模拟的方法研究裂隙倾角对煤样宏观剪切力学性质的影响.通过对模拟结果分析,得到如下结论:由于拉应力最大值和拉应力的分布区域随裂隙倾角不断改变,导致裂纹萌生应力在倾角为0°~30°时呈现不断增大的趋势,在30°~75°之间呈现减小的趋势,在75°~90°之间呈现增大趋势.根据裂纹数目随应力应变曲线的变化特点,将试样的破坏过程分为3个阶段,并根据翼裂纹再次扩展到次生裂纹萌生扩展阶段对应的剪切应变大小将不同裂隙倾角试样大体分为脆性破坏试样和延性破坏试样.在对试样破坏过程分类的基础上分析了试样的最终破裂模式和次生裂纹萌生对应的剪切应变,结果表明试样破裂过程的决定因素为试样的破裂模式,并且破裂模式影响次生裂纹萌生对应的剪切应变.通过对模拟试验结果的分析,提出不同工况的支护建议.     

小波包变换在齿轮箱螺栓拉断故障诊断中的应用

针对齿轮箱运转异常时,经小波包变换的信号某一频带振动能量值会有较大变化的特征,探讨了小波包变换在齿轮箱故障诊断中的应用．通过对测取的齿轮箱振动信号进行小波包变换,可有效提取齿轮箱螺栓拉断的故障信息．分析表明,旋转机械的振动信号有稳定的频带分布,通过结合故障特点,把每一故障的频带特征提取出来,能为故障诊断提供很好的征兆．     

基于解调振动信号特征提取齿轮箱的故障诊断

通过振动信号的可调频率成分研究齿轮裂纹尺寸的故障识别,振动信号分析是基于Hilbert变换和自适应小波.Hilbert变换用于获得振动包络,从而从低信噪比的振动信号中解调载波频率,自适应Morlet小波建立振动信号模型,从而从解调载波频率中提取特征,以鉴定齿轮箱中齿轮的裂纹尺寸.该方法用于分析在不同角速度、不同负载转矩和不同裂纹尺寸下的试验振动信号,结果表明,该方法用于鉴定齿轮箱中齿轮的裂纹尺寸是灵敏和有效的.     

几种时频分析方法的比较及应用

地震信号属于非平稳信号,常规傅立叶变换方法不能刻画任一时刻的频率成分,无法对其进行全面的分析。时频分析方法将一维时域信号变换到二维的时频平面,全面反映地震信号的时频联合特征。本文介绍了短时傅立叶变换、连续小波变换、Wigner-Ville分布、Cohen类分布四种时频分析方法,通过理论合成信号试算,从时间分辨率、频率分辨率,以及对多频率成份信号适应能力等方面阐述了这四种方法的优缺点,进一步分析比较了这四种方法的特点及应用效果。     

基于小波分析的信号滤波方法研究

论述了小波分析的基本原理,研究了应用小波变换进行信号滤波的方法,通过正交小波包对信号的分解,把频率成分复杂的信号分解到互不重叠的频带,根据需要删除某些频带的信号（噪声）,然后用小波包生包重构算法对信号进行重构,可实现对信号的滤波。给出了应用小波包变换对振动信号进行滤波的实全坷有效地滤除信号中的确定必噪声和随机噪声,可进取出淹没在信号中的非常微弱的特征信息,与传统的信号滤波方法相比具有明显优点。     

基于小波包变换的电力系统谐波电流检测

针对常规快速傅立叶变换无法检测非整数次谐波,以及改进的加窗插值快速傅立叶变换运用困难,采用小波、小波包变换对电网信号中的谐波进行检测分析。小波包变换建立在二进小波变换基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果证明,较之傅立叶变换和小波变换,小波包变换对电网信号中谐波的幅度、频率的估计具有更高的精度。     

线性自适应小波理论的齿轮箱故障诊断方法

针对早期齿轮箱故障信息淹没在背景组分中的问题,提出了基于线性自适应小波理论的齿轮箱故障诊断方法.该方法基于希尔伯特变换(HT)和自适应小波变换(AWT),能从低频的调制振动信号中区分并识别不同程度的裂纹故障.首先用希尔伯特变换提取调制振动信号的包络值以显示调制频率.然后利用自适应小波变换来处理由希尔伯特变换得到的调制信号,其中在自适应小波处理希尔伯特变换后的调制信号的过程中利用粒子群算法(PSO)对过程参数进行优化.实验结果表明该自适应小波变换能通过过程优化小波找到匹配振动信号的啮合频率及其谐波、耦合频率、载波频率及其边频带,能够从调制信号中提取出特征参数,且具有较高的分辨率.     

波和小波包变换在心电信号去噪中的应用

小波(包)变换软阈值去噪方法具有非线性和自适应性,特别适合非平稳微弱的生物医学信号的去噪,而心电信号恰具有该特征。利用MIT/BIH数据库中没有噪声的胎儿心电的信号作为有用信号并混合高斯白噪声作为干扰来验证小波(包)软阈值去噪的效果。验证结果表明小波(包)软阈值算法去噪效果很好,能有效去除干扰。     

冲击倾向煤破坏断口微观特征及其机理研究

运用扫描电镜观测了冲击倾向煤破坏断口的微观形貌,分析了煤体受载破坏断面的裂纹、孔隙等缺陷特征及裂纹扩展特征,探讨了煤样破坏裂纹扩展途径及其微观断裂机理.结果表明,冲击倾向煤内部含有大量的孔隙裂隙,在其受栽破坏过程中,这些孔隙裂隙均充当了Griffith缺陷,促使大量新裂纹生成和煤样发生破坏.煤样中大量的尖锐孔隙及张性裂隙的微观断面特征表现出冲击倾向煤的脆性特征.由于煤的非均质性及煤样内部应力分布的非均衡性,其裂纹扩展也是不均匀、间歇式的,且裂纹的扩展路线也是曲折的,扩展过程中往往产生分岔、拐折等现象.孔隙、裂纹在应力作用下分岔、扩展、汇合贯通是导致煤体宏观断裂的直接原因.     

基于EEMD降噪与非抽样提升小波包的滚动轴承故障诊断方法

针对传统小波包在诊断滚动轴承隐含故障中存在频率混叠、精度不高等问题,提出一种基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)降噪与非抽样提升小波包相融合的故障诊断方法.首先利用EEMD方法分解原始故障信号得到多个本征模态函数(intrinsic mode function,IMF)分量,然后计算各个IMF分量与原始信号间的相关系数,并与设置的相关系数阈值相比较,将小于阈值的IMF分量视为伪分量予以剔除; 对剩余的IMF分量采用峭度准则再次筛选最优IMF分量进行重构,进而实现降噪目的.为了避免传统小波包因采取抽样运算方式导致频率混叠情况,文中采用非抽样运算的提升小波包来分解降噪信号,并采用Hilbert变换进行包络解调分析得到滚动轴承的故障位置.仿真实验和滚动轴承内圈故障应用实例表明:采用EEMD分解原始故障信号,结合相关系数-峭度准则,达到了很好的降噪效果; 采用非抽样提升小波包比传统小波包具有更高的故障诊断精度,且不存在频率混叠问题.     

弦乐合弦声信号时频特征的小波包分析

利用小波包分析技术对弦乐合弦声信号进行时频分析，并采用Hilbert变换对小波分解系数时域重构信号进行包络线检波，得到了合弦声信号幅值的时频等高线相平面图．与传统傅里叶谱分析技术相比较，小波变换的时频相平面图能同时反映合弦声信号的构成频率成分及其时域特征．     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及其于多分辨分析的信号小波的分解算法，研究了信号局部奇异性的小波变换下的特性；根据故障信号的局部奇异性在小波变换下模的极大植及其在不同尺度上的传播特性，对308型滚动轴承振动加速度故障信号进行分解，对故障特征信号进行时域定位，并提取了故障特征频率f=46.88Hz，这与实际的故障特征频率相近，说明该方法适用于滚动轴承的在线监测和故障诊断。     

桥梁健康监测中损伤特征提取的小波包方法

针对桥梁健康监测中结构损伤识别的特点,从模式识别的角度提出和分析了损伤特征提取问题.阐述了基于小波包分析的两种节点能量特征提取的方法.为了研究小波包系数节点能量和小波包信号成分节点能量对损伤信息进行特征提取的差异,通过对随机荷载激励下的连续梁进行数值模拟,得到了结构未损和损伤状态下的加速度时程信号.应用小波包变换,对不同结构状态下的加速度信号分别提取了两种小波包节点能量特征,并对它们作为结构损伤特征指标的敏感性进行了比较.认为两种特征指标的敏感性相差很小,而小波包系数节点能量特征指标的计算效率更高,更适合桥梁健康监测中损伤特征提取的要求.     

基于PCA与SPRT的机械故障诊断方法研究

提出了一种基于主元分析法（PCA）和序贯概率比检验（SPRT）的齿轮箱故障诊断新方法。选用正常的和有裂纹的齿轮建立实验模型,采用小波包变换对齿轮箱实验系统采集的振动信号进行预处理。采用时域信号分析方法提取振动信号的特征参数,并运用PCA对数据进行降维。选取降维后贡献率最大的主元作为测试参数,验证了所提出的SPRT算法和均方根误差,并检测了该方法的诊断能力。结果表明,该方法对于齿轮箱的齿轮状况识别是有效且实用的。     

电阻点焊过程动态信号的时频分析

针对电阻点焊机焊点的质量在线监测问题，设计了一套点焊过程动态信号采集与处理系统，同步采集点焊过程电极间电压、焊接电流和电极位移信号，通过短时傅立叶变换、小波变换对信号进行时域一频域分析，确立了动态信号时域、频率特征与焊点形核过程的对应关系．     

基于EMD和小波包降噪的压力管道微泄漏源定位研究

为实现对压力管道裂纹微泄漏源的声发射信号降噪处理与准确定位,采用经验模态分解(EMD)和小波包变换相结合的方法对微泄漏源声发射信号进行降噪处理。结果表明,该方法能够很好地解决连续型声发射信号降噪问题。该方法首先对泄漏源声发射信号进行EMD分解,细化泄漏源信号中掺杂的高频背景噪声,然后根据EMD分解产生的各个固有模态函数(IMF)与原信号相关程度确定主要包含泄漏源信号特征的各IMF分量进行EMD重构,并进行小波包降噪,以进一步削弱背景高频噪声的干扰,最后对降噪并重构后的信号进行互相关计算,实现对压力管道微泄漏源的精确定位。     

一种基于小波包主成分分析的语音情感识别方法

在语音情感识别中,由于特征参数的提取直接影响到最终的识别效率,从原始语音信号中提取特征参数是非常重要的。但是本文中提取的特征维数太多,导致特征匹配时过于复杂,消耗系统资源,不得不采用特征降维的方法。本文主要是研究一种在小波包变换的基础上通过特征降维来提高语音情感识别效果的方法,为此本文在德国库EMODB的基础上,通过小波包变换提取出语音的情感特征参数,然后利用主成分分析法对特征参数进行降维,最后利用支持向量机进行训练和测试。通过实验,获得了较好的识别效果。     

爆心距对爆破振动信号频带能量分布的影响

根据爆破振动信号具有短时非平稳的特点,利用小波包分析技术对满足分析要求的多段微差爆破振动信号的能量分布特征进行研究。首先,简略地介绍了小波变换与小波包分析的特点。其次,基于MATLAB对爆破振动信号进行小波包分析,得到了爆破振动信号在不同频带上的能量分布图。最后,总结了爆破振动信号频带能量的分布规律,重点探讨了爆心距对爆破振动信号频带能量分布的影响。结果表明,爆破震动信号在传播过程中,其主振频带有往低频发展的趋势,且宽度增加。