用多重自相关法检测微弱正弦信号

在LabVIEW平台的基础上，研究了利用多重自相关来检测微弱正弦信号的方法。此方法利用正弦函数的特性，通过多重自相关运算，再对信号进行频谱分析，就能准确检测出湮没于强大噪声的微弱正弦信号的频率信息和幅值信息。     

利用小波尺度谱同步平均的时频脊故障特征提取

旋转机械的早期故障特征微弱,容易受到噪声的干扰,不容易准确识别。小波尺度谱存在受噪声干扰影响大、高频部分频率分辨率低等缺点, 对小波尺度谱进行重排可以提高其时频聚集性。为此,结合小波尺度谱同步平均和小波脊线分析的优点,提出了基于时频脊线特征提取方法。首先对多周期的振动信号进行小波连续变换,并重排小波尺度谱;再根据信号的周期性,对尺度谱进行同步平均;最后提取同步平均后的尺度谱小波脊线,计算信号的包络幅值并进行频谱分析,最终提取出弱故障特征。通过仿真和实例验证了本方法的有效性,为旋转机械的早期故障诊断提供了新方法。     

基于变尺度多稳随机共振的微弱信号检测研究

针对强噪声背景下微弱信号难以检测的难题,提出基于变尺度多稳随机共振的微弱信号检测方法。多稳随机共振系统比双稳随机共振系统具有更好的微弱信号检测能力,为强噪声背景下微弱信号的检测提供了新方法。首先对大频率信号进行尺度变换使之满足随机共振条件,将频率压缩后的信号通过多稳系统,调整参数使其发生随机共振得到信号的频谱特征,并与双稳随机共振方法得到的特征频率进行比较,仿真和实例结果均表明:相同条件下,多稳随机共振方法比双稳随机共振方法得到的频率准确,可以增强信号的幅值,有效地检测出被噪声淹没的微弱信号。     

嵌入式传感器的齿轮裂纹故障诊断

针对传统的齿轮箱体振动信号的故障诊断,提出了一种新的测试方法,即把传感器直接安装在齿轮箱体内的齿轮体上,缩短了振动信号的传递路径,有效降低了振动信号在传递过程中幅值衰减,能诊断出齿轮传动系统的早期故障。为验证该方法的有效性,对齿根2 mm裂纹的故障齿轮传动系统进行了动力学仿真和实验验证,结果发现从齿轮体上的振动信号中能成功诊断出齿轮裂纹的早期故障,而箱体上的振动信号则不能体现故障特征。这充分说明了振动信号在经过复杂的传递路径后导致幅值衰减和频率成分丢失,微弱的故障信息被削弱。这为齿轮箱的早期微弱故障的诊断提供了一种有效的方法。     

基于改进阶比的变速器微弱故障特征提取

提出了一种基于转速调整的改进阶比分析方法,并应用于提取变速器齿轮微弱故障特征。从理论上分析了传统阶比方法分析转速波动信号的局限性,提出了基于转速调整的改进阶比分析方法,采用传统和改进阶比方法对实测转速波动信号进行分析,通过对比证实了转速波动对传统阶比分析结果有较大影响,而改进阶比方法能有效克服该影响,明显改善了分析效果,提高了分析精度。分别采用传统阶比和改进阶比方法对变速器加速振动信号进行分析,结果表明,传统阶比谱不能正确区分齿轮正常与轻微故障状态,而改进阶比谱能清晰反映齿轮正常与轻微故障状态的幅值能量变化,说明改进阶比方法能有效分析转速波动信号并正确提取出微弱故障特征。     

基于生成微分方程的行星齿轮箱故障振动信号解调分析

行星齿轮箱振动信号具有明显的调制特点,幅值解调和频率解调分析能够有效提取其中的故障信息。生成微分方程(GDE)方法可以估计调制信号的幅值包络和瞬时频率,实现解调分析,但该方法需要信号满足单分量要求。实际行星齿轮箱振动信号通常由复杂多分量成分组成,为实现信号的幅值解调和频率解调分析,应用经验模式分解(EMD)将信号分解为单分量本质模式函数,基于生成微分方程计算瞬时频率和幅值包络,根据瞬时频率的波动特点选择本质模式函数作为敏感分量,由敏感分量的包络谱和瞬时频率的Fourier频谱识别故障特征频率。通过行星齿轮箱故障模拟实验数据分析验证了解调分析方法的效果。     

用时域峰值法计算频率和阻尼

时域参数识别法无需将测试信号在时域与频域之间变化,避免了由FFT变换引起的截断误差,如能量泄漏等。本文根据脉冲响应时间序列的峰值及其对应的时间序列计算频率、阻尼、幅值和相位。算例表明,本文方法计算精度高,不仅能高精度地识别频率、阻尼比、幅值,而且能有效地识别相位角,为重构信号创造了条件。     

正弦函数基原子库微弱被动鱼声信号的稀疏检测

为实现海洋环境中微弱被动鱼声信号的检测,针对单频正弦信号稀疏分解用于微弱信号检测的局限性,采用正弦函数基拟合被动鱼声信号,构建不同幅值、频率和初相位的正弦波信号作为过完备原子库,通过稀疏分解,检测出淹没在强噪声环境中的微弱正弦信号的幅度、频率和初相位参数,从而恢复出待检测的被动鱼声信号。实验表明:该项技术在-40 d B条件下可以实现任意形式的鱼声信号检测。     

基于递归希尔伯特变换的振动信号解调和瞬时频率计算方法

精确地提取振动信号的瞬时幅值和瞬时频率对结构的参数识别和健康监测有重要作用。希尔伯特变换是一种常用的信号解调及瞬时频率计算方法,但在信号不满足Bedrosian乘积定理的条件时会造成较大误差。针对这一问题,提出了一种递归希尔伯特变换方法,用前一步希尔伯特变换计算出的纯调频信号作为新的信号,递归地使用希尔伯特变换以进行信号解调,理论分析表明递归希尔伯特变换能够快速地收敛。最后采用仿真信号对比了递归希尔伯特变换与单次希尔伯特变换、经验调幅调频分解及Teager能量算子法在信号解调及瞬时频率计算中的结果,结果表明了递归希尔伯特变换方法的实用性及精确性。     

基于改进的希尔伯特振动分解的机械故障诊断方法研究

针对多分量机械故障振动信号的特征提取问题,介绍一种基于希尔伯特振动分解(HVD)的时频分析方法。该方法首先利用Hilbert变换得到原始振动信号的解析信号,然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率,同时经同步检测获得相应的瞬时幅值和初相位,最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对HVD方法的边界效应问题,提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。通过两组仿真信号分析验证了HVD方法对多分量非平稳信号的分解能力,同时表明改进的HVD方法能很好地抑制边界效应。给出转子系统油膜涡动故障诊断实例,验证了该方法的工程实用性。     

实复转换式衰减信号参数估计算法

为抑制衰减实信号中负频率成分对参数估计的影响,提出一种实复转换式参数估计算法。预估计采样信号频谱能量最大值点的索引值;构造只含有负频率成分的参考信号,并将采样信号和参考信号相减实现实复转换,以抑制负频率频谱泄漏的影响;利用频谱两点插值算法得到频率偏差、衰减因子和复幅值的粗估计值,并重新生成参考信号和复信号;通过迭代计算得到精确的频率、衰减因子、初幅值和初相位估计值。以频率估计为例的仿真实验结果表明:所提算法可有效地抑制负频率频谱泄漏的影响,提高中高信噪比条件下的频率估计精度,特别是信号频率较低时的频率估计精度,提升了频率估计的综合性能。此外,在科氏流量计中进行了实测实验,检验了所提算法的有效性。     

频谱校正时谱线干涉的影响及判定方法

针对现代比例（内插）频谱校正法要求参与计算的两条谱线只包含单频率成分信号的特点，分析了包含有两个以上频率成分信号和负频率成分所产生的谱线干涉现象及由此带来的较大校正误差问题，推导并提出了离散频谱中谱干涉的相位和幅值综合判断方法以及校正的可信度，当可信度为１００％时，此离散谱峰为单频率成分，由此实现了单频率信号离散频谱的自动校正。仿真计算表明该方法简便易行、精度高     

基于复解析带通滤波的自由衰减振动信号的频谱校正法

通过复解析带通滤波构造时域信号的解析信号,消除因时域实信号作FFT时由于时域截断产生的负频率成分能量泄露对正频率成分的干扰,从而提高自由衰减振动信号频谱校正精度。仿真分析及工程实测结果表明,当各个固有频率相隔较远时,校正精度很高。但在各阶固有频率靠得很近时不能直接使用这种方法。     

改进经验小波变换的齿轮箱故障诊断新方法与应用

针对经验小波变换在频谱划分时检测的边界过于集中在频谱中幅值较大频率段的问题,对经验小波变换在频域内利用检测极大值来进行频谱划分的方式进行研究,提出基于频谱趋势的改进型经验小波变换,利用仿真信号和汽车座椅水平驱动器振动信号进行测试。研究结果表明,该方法能够使啮合频率及其谐波与边频带作为一个模态被分解出来。通过对分量信号进行Hilbert变换解调分析,实现对齿轮箱故障的定位。     

Tsallis Distribution-Based Fractional Derivative Method for Lamb Wave Signal Recovery

A new fractional derivative method based on the Tsallis distribution function is developed to recover the Lamb wave signals from the noisy Lamb wave signals. After the fractional derivative of the amplitude spectrum of the noisy Lamb signal at different derivative orders, the quartic polynomial function between the peak amplitude and the derivative order as well as that between the peak frequency and the derivative order is proposed based on the Tsallis distribution function. Then, the characteristic parameters of the amplitude spectrum are deduced by using the proposed polynomial relationship. Finally, the noise-free Lamb wave signal is recovered based on the characteristic parameters. Simulated results indicate that the Lamb wave signals can be recovered in the case of the white noise, the transient noise and the sine wave signal. Experimental results confirm the validity of the method. Consequently, the developed method can recover the Lamb wave signals effectively.     

FFT幅相联合的快速高精度频率估计方法

快速傅里叶变换（Fast Fourier Transform,FFT）常用于信号频率估计,采用填零的方法可降低幅度谱频率搜索间隔的量化误差,但是会使频率估计的计算量成倍增加。本文提出了一种FFT幅相联合的快速高精度频率估计算法,首先利用信号采样的频谱序列和尾首样本差确定幅度谱及峰值位置,然后由频谱序列在幅度谱峰值位置和信号采样的尾首样本差来确定频率搜索间隔的量化误差校正值。因此,所提方法同时利用了幅度谱峰值的位置信息与相位信息。分析结果表明,与仅基于幅度谱搜索的FFT算法相比,所提方法的计算复杂度更低,且定位精度更高。     

基于小波包变换的减速机降噪方法研究

在小波包降噪的基础上,提出了一种对小波包降噪后的残差信号进行频谱分析和统计分析的新方法．该方法首先对原始振动信号进行小波包降噪,然后根据降噪后的振动信号和原始振动相比的差值提取残差信号,最后通过对残差信号进行频谱分析提取产生噪声信号的特征频率,通过对残差信号的统计量分析判断设备运行状况。实例验证了小波包降噪和小波包降噪后残差统计分析的正确性。     

基于局部均值分解与快速独立成分分析的潜水泵故障诊断

针对潜水泵故障诊断与分析时的信号干扰问题,提出使用局部均值分解与快速独立成分分析相结合的方法。将采集的振动信号进行局部均值分解,得出一系列的乘积函数分量,计算出每个分量与振动信号的互相关系数,选取互相关系数较大的分量进行重构并与振动信号组成矩阵,对矩阵进行快速独立成分分析处理,将处理后的有效数据进行频谱分析,得到最后的频谱图。通过具体实验,对比局部均值分解与快速独立成分分析处理后的正常运行和故障运行的频谱图,实现故障分析与诊断。实验结果表明,经过局部均值分解与快速独立成分分析处理的频谱图能够清晰地分辨出故障特征频率,提高了故障诊断的准确性。     

基于小波变换的轨道电路UM71信号解调实现

分析了UM71信号的时域波形和频谱特点以及小波变换在时域和频域具有良好的局部化特性.针对UM71信号的信息特征,提出了基于小波分析技术、利用小波脊线对UM71信号进行解调进而提取UM71信号信息特征的方法,给出了小波算法解调过程,通过计算机仿真,证明了此方法的有效性.该方法克服了傅立叶变换频谱分析方法缺乏时间和频率定位功能的缺点,可以得到UM71信号的瞬时幅度、瞬时频率及上下边频等特征,从而为UM71信号的分析和解调提出了一个新的方案.     

频谱分析中用于相位和频率校正的相位差校正法

提出了一种对连续时域信号分前后两段作傅里叶变换,利用其对应离散谱线的相位差校正出谱峰处的准确频率和相位的新校正方法——相位差校正法,通过窗谱函数的公式还可以校正其幅值,以解决离散频谱分析中由于谱峰谱线没有对正峰顶时所带来的较大误差。该方法原理简单,通用性好,运算速度快,校正精度高,可以在不知道窗谱函数表达式的情况下,直接用其相位差进行求解。仿真研究表明,对单频率成分的频率、相位、幅值进行校正,频率误差小于0.0002个频率分辨率,相位误差小于0.1 度,幅值误差小于0.02% 。