频率切片小波变换在爆破振动信号时频特征精确提取中应用

基于频率切片小波变换(Frequency Slice Wavelet Transform, FSWT)技术研究爆破振动信号时频特征提取新方法。采用FSWT进行爆破振动信号分解，得到在全频带下的时频分布。在此基础上据其时频能量分布，选择时间、频率切片区间进行细化特征分析，通过信号特征频率切片区间信号重构，实现爆破振动时频特征分离及提取。通过与传统的STFT、WPT、WVD等算法进行对比分析表明，FSWT算法具有良好的时频聚集性、任意频带分量特征提取的灵活性及准确性。将FSWT算法引入爆破振动效应分析领域，可为爆破振动信号时频特征精确提取奠定基础，具应用前景较好。     

Teager算子和极坐标级联增强时频特征算法及轴承微弱故障特征提取

提出了一种Teager算子和极坐标级联增强时频特征方法(Cascading enhancement of time-frequency feature based on Teager energy operator and polar diagram,CETFTP),应用于提取轴承早期单一和并发故障微弱特征。首先计算信号的Teager能量算子输出,一级增强冲击信号能量,按有限种可能周期将时间尺度平面上的时频系数累加,映射到极坐标平面,二级增强周期冲击时频特征。对仿真信号和4种工况轴承实测信号进行CETFTP分析,结果表明:CETFTP方法能级联增强周期冲击特征,有效抑制非同周期的其他分量和噪声干扰,更能提取强噪声下的轴承微弱故障特征;CETFTP不仅能有效提取单一故障微弱特征,而且能消除并发故障调制源之间的干扰,逐个提取信号中的多个调制源特征,为轴承并发故障特征提取提供了一条新途径。     

时变工况的风电机组齿轮箱无转速计阶次跟踪方法研究

针对时变工况风电机组齿轮箱振动信号受噪声干扰和频率模糊问题,通过研究无转速下风电机组齿轮箱振动信号与转频波动规律间的联系,提出了基于VMD-SET时变工况的风电机组齿轮箱无转速计阶次跟踪方法。该方法利用变分模态分解（VMD）滤波,利用同步提取变换（SET）对齿轮箱振动信号时频分析,分别从轴承故障时域振动信号中初步提取故障特征频率趋势,从正常齿轮啮合调制时域振动信号中提取啮合频率时频脊线,进一步利用精细化时频脊线交叉解耦优化瞬时频率提取效果,再用提取的转速曲线对轴承故障振动信号进行阶次跟踪,从角域阶次谱中得到故障特征阶次的单根谱线。通过仿真及实验验证了所提方法的优越性和有效性。     

基于EMD和Wigner-Ville分布的机械故障诊断方法研究

机械系统故障信号往往具有非平稳特征,经验模态分解和Wigner-Ville分布均为处理非线性与非平稳信号的有力工具.首先,将二者结合利用经验模态分解提取故障信号的特征成分,然后,对提取的特征信号进行Wigner-Ville分布得到其时频分布特征,进而可得到非平稳机械信号的故障信息.仿真和实例分析验证了该方法的有效性.     

瞬频特征的谐波小波域提取与应用

为了能精确提取出复杂信号中特征分量的瞬频特征,提出了谐波小波域内的分量瞬频估计方法。该方法首先在分析谐波小波变换的基本原理及其优良特性的基础上,对谐波小波进行加窗光滑处理,改善了谐波小波的时域衰减特性。然后,针对在传统瞬频估计方法的不足之处,将线性回归、自适应滤波、曲线平滑、重采样等方法应用到瞬时相位函数的处理中,提高了瞬时频率特征的提取精度。最后,通过仿真实验与工程实践验证了该方法在信号分量瞬频特征提取中的可行性与有效性。     

FRFT循频滤波及齿轮微弱故障特征提取

提出了一种分数阶傅里叶变换(Fractional Fourier Transform,FRFT)循频滤波方法,贴近瞬变工况下信号频率曲线变化特征,循迹剥离包含故障信息的特征分量,提取齿轮早期故障微弱特征。首先,研究了线性多尺度分段方法,将频率呈曲线任意变化信号自适应分成若干个频率近线性变化的信号段;然后研究了频率拟合确定FRFT滤波参数的方法,计算各段信号的FRFT滤波参数并逐段进行FRFT滤波,实现FRFT循频滤波。采用该方法对变速器加减速过程振动信号进行滤波解调分析,试验结果表明:线性多尺度分段方法,能自适应地将任一频率呈曲线任意变化信号分段成若干个频率近线性变化的信号段,且分段数较少;频率拟合确定FRFT滤波参数方法,不受振源和多分量数量影响,能准确确定各分段信号的FRFT滤波参数;该滤波方法能从变速器瞬变工况振动信号中循频提取出包含故障信息的特征分量,有效剥离其他分量和噪声干扰,对提取后的特征分量进行解调分析,能准确提取出传统方法难以识别的齿轮早期故障微弱特征。     

基于RST-NMF模型的微震信号时频分析和识别

针对微震信号难以精确识别的问题,提出一种基于RST-NMF微震信号时频分析和分类方法。首先对微震信号进行S变换得到时频矩阵,然后在频率方向上进行重排,再借助非负矩阵分解技术得到时、频域的分解向量,从中提取宏观、微观统计量构造信号的特征空间,最后采用SVM进行分类。在三道沟井田的试验结果表明,RST时频分析方法对频域分散的能量团有很好的聚集性,时频矩阵经NMF分解最大程度上获取微震信号的局部特征和内在联系,提取分解向量的宏观和微观统计量保证了信号特征空间的完备性,有效地避免了分类时过拟合的发生,分类准确率达到了94%。     

基于频移及谱线编辑的齿轮故障窄带解调分析方法

通过对旋转机械变速运行齿轮箱振动研究,提出基于频移及谱线编辑的齿轮故障窄带解调分析方法。对齿轮箱变速等非稳态信号进行时域同步采样,利用阶比跟踪对时域信号等角度重采样转换为角域准平稳信号,克服转速波动对信号分析产生的频率模糊现象;对角域信号进行同步平均削弱与转速无关的频率成分,提高信噪比;对平均信号进行窄带解调分析,通过对阶比谱自动编辑分离出齿轮故障主要啮合阶比分量后恢复到角域信号,进行幅值解调及基于频移的相位解调,据幅值解调及相位解调波形图提取齿轮故障特征。结果表明,基于频移、谱线编辑的齿轮故障窄带解调分析方法能有效提取齿轮故障特征信息。     

活塞环失效振动监测研究

利用发动机机身振动信号对活塞环失效进行监测,提取了时域特征量、频域特征量和小波包特征量,并绘制了小波包三维时频能量图。在此基础上,对敏感特征量变化的原因进行分析。结果表明,提取的特征量可以作为活塞环失效监测的依据。     

基于LMD的能量算子解调方法及其在故障特征信号提取中的应用

. 局域均值分解是将多分量调频调幅信号分解为一系列单分量调频调幅信号的有效时频分析方法。为提取故障信号的特征,提出了基于局域均值分解的能量算子解调方法,局域均值分解将复杂的多分量信号分解为若干个乘积函数的线性组合,再通过能量算子解调方法可求取每个乘积函数的幅频信息,从而可进一步获取故障信号的时频分布或提取其故障特征。为提高分析精度,提出了特征趋势正弦函数数据延拓方法以有效克服端点效应的影响。实验信号的分析结果表明,所提出的基于局域均值分解的能量算子解调方法能有效提取机械故障振动信号的特征。     

振动调幅信号的循环平稳解调原理与应用

在具有齿轮、滚动轴承的机械设备故障诊断中,广泛使用解调分析方法进行故障特征提取.对其中的周期平稳信号,通过循环自相关函数分析,并利用函数在某些循环频率下的切片进行绝对值解调可解出信号的调制频率.对两组调制相加信号在对应于某个调制频率的循环频率处进行循环自相关函数的切片解调,可得到该组调制频率成分的解调谱,从而达到将幅值调制相加信号分离成单一幅值调制信号并进行有效解调的目的.仿真和对滚动轴承实验验证,该方法在低频和高频处分别切片都有很好的解调效果,且与理论推导一致.但是该方法存在解两相加信号时以两频率之差及其倍频作为调制频率解出的局限性.     

单边狭窄血管中超声多普勒信号的仿真研究

超声多普勒技术作为一种无损检测手段被广泛应用于血管狭窄的检测。以往的血管狭窄仿真信号的研究仅限于双边狭窄的对称情况,文章提出了一种单边狭窄血管中超声多普勒信号的仿真方法。首先用有限元分析方法(FEM)计算出狭窄血管中血流流速场分布情况,然后用总体分布非参数估计法计算出超声多普勒信号的功率谱密度(PSD),再用余弦叠加法获取仿真的超声多普勒时域信号。用快速傅里叶变换(FFT)计算仿真超声多普勒信号的频谱,从中计算最大频率、平均频率和频谱宽度等参数,分析它们在不同流速和狭窄程度下的特征,为血管疾病的诊断提供敏感的参数。     

微波、毫米波相位噪声测试系统的研制

提出了首先对微波、毫米波信号进行下变频,再利用锁相环提取被测试信号相位噪声的相位噪声提取方法,采用现代谱分析技术对提取出的相位噪声信号在频率中进行分析,并利用"反卷积"技术实现测试系统的误差校正,研制实现了微波、毫米波相位噪声测试系统.实验测试结果表明该系统具有测试灵敏度高和被测信号频率范围广的优点,证明了它具有较大的应用价值.     

Frequency invariant classification of ultrasonic weld inspection signals

Automated signal classification systems are finding increasing use in many applications for the analysis and interpretation of large volumes of signals. Such systems show consistency of response and help reduce the effect of variabilities associated with human interpretation. This paper deals with the analysis of ultrasonic NDE signals obtained during weld inspection of piping in boiling water reactors. The overall approach consists of three major steps, namely, frequency invariance, multiresolution analysis, and neural network classification. The data are first preprocessed whereby signals obtained using different transducer center frequencies are transformed to an equivalent reference frequency signal. Discriminatory features are then extracted using a multiresolution analysis technique, namely, the discrete wavelet transform (DWT). The compact feature vector obtained using wavelet analysis is classified using a multilayer perceptron neural network. Two different databases containing weld inspection signals have been used to test the performance of the neural network. Initial results obtained using this approach demonstrate the effectiveness of the frequency invariance processing technique and the DWT analysis method employed for feature extraction.     

An optical millimeter-wave generation scheme based on two parallel dual-parallel Mach–Zehnder modulators and polarization multiplexing

A novel filterless optical millimeter-wave signal generation scheme is proposed. In the scheme, the undesired sidebands are suppressed using two parallel dual-parallel Mach–Zehnder modulators (MZMs) with different modulation indexes and polarization multiplexing, and frequency multiplication factor as high as 16 can be achieved. Simulation results show that 80, 120, and 160 GHz signals are generated through a 10 GHz RF signal using the proposed method, and the performance of the generated signals is good when commercially available MZMs with extinction ratio of 20–30 dB are used. The scheme has large tunability of modulation index for frequency octupling and 12-tupling signals generation and high stability against the RF driving voltage deviation for frequency 16-tupling generation.     

基准定位在发动机振动信号分析中的应用

从振动信号的角度出发，研究了时域中某一时刻与发动机瞬时基频、曲轴转角之间的关系，提出了用瞬时基频作为参照，对发动机表面的各激励响应信号在时域中进行准确定位的方法，并给出了利用发动机故障特征信号诊断气门间隙异常的应用实例。     

振动调频信号的时延二次变换解调研究

调频信号在频谱上具有与调幅信号相同的频率分布特征，然而，轴承和齿轮故障诊断中常用的解调方法却只适用于调幅信号，不能分析调频信号。基于以上问题，从确定调频信号频率分量幅值的贝塞尔函数的性质出发，分析了平方解调法不能对调频信号进行解调的原因。分析过程中发现由于贝塞尔函数的一些特殊性质，使得常用的解调方法不再适用于调频信号。针对这个原理，本文提出利用时延二次变换（信号与时延信号的乘积）打破调频信号边频分量的贝塞尔函数的特殊性，使得变换之后的信号中包含有调制频率，从而实现了对调频信号的解调。     

阶次跟踪在齿轮磨损中的应用

研究旋转机械在变速过程中振动信号的分析方法。在利用B＆K3560多分析仪对齿轮箱加速时测得的振动信号进行时域采样的基础上,利用样条插值算法进行角域重采样得到等角度分布的采样点,并对其进行阶次跟踪分析。结果显示出阶次跟踪分析法在处理转速变化信号时的优越性：能够有效地避免传统频谱方法所无法解决的“频率模糊”现象,对齿轮箱的早期故障有一定的识别能力。该方法是对传统的频谱分析法的有力补充,具有很广阔的应用前景。     

利用间歇混沌检测含噪未知频率信号的研究

研究发现被测信号频率和干扰噪声变化都会引起间歇混沌间隔的变化,通过仿真实验分析了被测信号频率和干扰噪声对间歇混沌特征影响的相互关联关系,从理论上分析了被测信号频率和相角变化对间歇混沌特征的影响,提出了一种利用间歇混沌特征变化测量含噪未知频率信号的方法,设计了有噪声和无噪声两种环境中对声波信号频率的检测实验。实验结果显示与Duffing混沌系统相比,利用Liu-cos混沌系统间歇混沌检测含噪未知频率信号的效果更好。     

基于数据缩减的分频段小波模态参数快速识别

针对利用小波进行模态参数识别效率较低的问题,提出了一种基于数据缩减的分频段小波模态参数快速识别算法。利用奇异值分解对协方差信号在保留数据信息量的情况下进行缩减以减少参与计算的数据量,对正功率谱密度矩阵的奇异值分解确定识别系统的模态阶数及相应的频率范围,利用小波变换对缩减后的数据进行各阶模态逐频段识别。相比原始算法,文中方法减少了小波分析的数据量并避免了一些无用频带的小波分解从而减少计算量。通过对一个3阶线性时不变系统以及一个大桥模型的参数识别验证了文中方法在保持识别精度的情况下大幅度地提升了计算效率。