高速铁路客车振动特性时频分析

对于高速铁路车辆的振动试验,为克服传统傅里叶分析方法不具备时域信息的不足,引入分析非平稳数据的时频分析方法。针对轴箱和车体的垂向振动信号数据,分别采用传统的快速傅里叶变换(FFT)、短时傅里叶变换(STFT)、小波变换(WT)和希尔伯特黄变换(HHT)进行数据分析处理,并对比各种分析方法的优缺点。对比发现,HHT方法是应用于车辆振动信号处理中的最佳时频分析方法。     

状态形态学滤波与EWT的故障特征提取方法研究

针对往复机械振动信号具有复杂非线性、非平稳等特性,使用一种基于小波框架的自适应经验小波变换和以集合角度处理信号的形态学滤波来进行往复机械故障特征提取。首先使用自适应经验小波变换通过构造尺度空间曲线对傅里叶频谱进行划分,构造合适的正交小波滤波器组以提取具有紧支撑傅里叶频谱的AM-FM成分;然后根据往复机械振动信号冲击性的特点,基于信号本身特性构造形态学结构元素,对提取出的模态进行状态自适应形态学滤波;最后使用多尺度模糊熵对模态进行定量分析并对故障进行识别。将该方法应用到实测数据中,实验结果验证了该方法的有效性,该方法可以准确对往复压缩机气阀故障进行识别。     

STFT和HHT在风力机轴承故障诊断中的应用

对异常工作风力机进行振动测试,获取振动测试信号,选取额定风速时采集的一段信号分别进行时频域分析、短时傅里叶变换分析、希尔伯特黄变换分析,提取故障特征信号。结果表明,短时傅里叶变换具有较好的时频分辨率,能够较好的提取故障特征信号,较为适合非线性、非平稳信号的分析;希尔伯特黄变换是一种很好的自适应信号处理方法,非常适合于非线性和非平稳信号的分析。希尔伯特黄变换对于风力机滚动轴承的故障诊断取得了很好的效果,准确提取了故障信号特征。对风力机故障诊断技术的发展具有较大的意义。     

基于多分辨分析的时频分析

短时傅里叶变换由于采用固定宽度的时域窗，在缓变与瞬变信号共存的宽频带信号分析中，其时间与频率分辨力矛盾突出。采用Mallat算法的小波变换能够将信号正交分解成多尺度的信号分量，然而所提供的时频信息不很直观，难以识别其时频谱。通过对短时傅里叶变换和小波变换在时频分析中的优缺点分析，发现两者具有互补性。因此本文提出基于多分辨分析的短时傅里叶变换（取名为WAVSTFT），即采用Mallat算法将信号分解成多个尺度信号分量，再对各分量分别做与其尺度相适应的短时傅里叶变换，最后把得到的各时频谱在同一个不相平面上叠加，从而得到信号的总体时频构造。经理论分析与实例验证，该方法有效可行，为工程测试中的时频分析提供了一种有效的手段。     

大型旋转机械非平稳振动信号的EEMD降噪方法

针对现有各种降噪方法处理非平稳机械振动信号存在的缺点,提出一种基于辅助白噪声经验模式分解技术来自适应实现旋转机械非平稳振动信号降噪。该方法是一种集成的经验模式分解（Ensemble Empirical mode decomposition,EEMD）降噪算法,利用正态分布白噪声在经验模式分解中具有的二进尺度分解特性,可以有效抑制常规经验模式分解降噪算法处理非平稳振动信号时产生的模式混叠现象。通过仿真计算和转子启动过程试验振动信号对新降噪方法、经验模式分解降噪方法及小波降噪方法的性能进行了比较测试,结果表明,在非平稳机械振动信号降噪方面,新降噪方法具有更高的信噪比,不仅能够消除高斯噪声,而且能够有效降低脉冲干扰,提取出反映信号实际物理意义的振动固有模式。     

基于分数阶傅里叶变换的振动信号分析

通过仿真实验验证了分数阶傅里叶变换可以抑制高斯噪声,检测出chirp信号。通过机械振动实验进一步验证了分数阶傅里叶变换不仅可以分析平稳振动信号,而且分析非平稳振动信号比传统傅里叶变换更客观地表达出信号的频谱,提取出非平稳成分。     

基于傅里叶分解-小波包分析的爆破信号去噪方法

针对由于爆破现场施工环境复杂,爆破振动信号包含大量高频噪声的问题,提出一种基于傅里叶分解(FDM)联合小波包阈值方法的降噪方法.首先,基于傅里叶分解理论将爆破振动信号分解为若干傅里叶固有频带函数(FIBFs);然后,分别计算分解所得模态分量与原始信号的相关系数,使用相关系数法筛选出优势分量,将筛选所得优势模态分量进行重构;最后,利用小波包阈值方法对重构所得信号进一步降噪,得到最终纯净的爆破振动信号.结果表明:引入的新方法兼具傅里叶分解及小波包分析的优点,与现有常用方法相比,傅里叶分解-小波包分析联合降噪方法信噪比(10.3940)最高,均方根差(0.0889)最小,所得时程曲线更为平滑,去噪效果更好,为类似爆破振动信号去噪提供新的途径.     

基于小波包和LMS自适应降噪的柴油机振动诊断

由于柴油机振动信号的特征频带和噪声频带存在重叠现象,利用小波阈值消噪时难以选取合适的小波阈值,针对该问题提出一种基于小波包的LMS自适应滤波降噪方法。该方法将小波包与LMS自适应滤波相结合,首先利用小波包变换对信号进行多层分解,然后以噪声干扰对应尺度上的第一层“细节”分量及最大分解尺度上的逼近分量重构信号,将重构后的信号作为LMS自适应滤波器原始输入信号,再以小波包最大分解尺度上的高频细节信号作为自适应抵消器的参考输入信号,进行LMS自适应滤波降噪处理。仿真计算和工程应用表明,该方法参数设置较少,易于控制,不涉及小波阈值降噪中阈值的选取问题,对比试验信号的分析验证了方法的有效性,将该法应用在柴油机振动诊断中提高了故障识别率。     

小波变换在混凝土冲击回波检测中的应用

采用冲击回波法检测混凝土厚度或者缺陷时,采用传统快速傅里叶变换方法,由于傅里叶变换的时移性以及信号中包含表面波和结构模态振动使得特征频率的提取较为困难。要解决特征频率提取受到干扰的问题,该文提出一种小波变换结合傅里叶变换的信号处理方法。首先对回波信号进行小波变换,得到信号时频图和小波边际谱,其次将小波边际谱与傅里叶谱相乘,得到增强傅里叶谱。结果表明:信号时频图可以确定表面波和模态振动的频率范围和时间跨度,增强傅里叶谱不仅可保证频率分辨率,而且抑制由于傅里叶变换的时移性产生的多个波峰,使得特征频率在频谱中更为清晰和准确,是一种适用于冲击回波检测的信号处理方法。     

基于小波变换的滚动轴承故障信号分析

借助于实验所用滚动轴承正常运行、单点故障尺寸长度为0.007in(1in=2.54cm)、单点故障尺寸长度为0.014in和单点故障尺寸长度为0.021in 4个状态的数据,通过在Matlab中使用短时傅里叶变换和小波变换工具对滚动轴承正常运转时和滚动轴承内圈滚道有裂纹缺陷时的信号进行处理比较。发现对轴承信号进行短时傅里叶变换处理,并对频率进行归一化处理,结果只能粗略反应信号的频率成分,而对轴承信号做bior 2.4小波变换处理,在时间域与频率域都可以反映,且其具有自适应时频特性。两相比较,基于小波变换的滚动轴承故障信号分析对于滚动轴承故障信号具有较明显优势。     

基于小波变换的非平稳脉动风时变功率谱估计方法研究

为揭示非平稳随机脉动风的时频特性,基于小波变换原理推导了时变功率谱的时间、频率和幅值与小波变换系数的关系,建立了非平稳随机脉动风时变功率谱估计的小波函数加权和法,并采用模拟非平稳脉动风和实测台风过程对理论推导结果进行了验证。研究结果表明:非平稳随机过程在某一时刻的不同尺度小波变换系数是一个以此非平稳随机过程的调制函数与小波函数的乘积为调制函数的非平稳随机过程的傅里叶变换,非平稳随机过程的时变功率谱等于不同尺度和不同时移的小波函数模平方的加权和,小波函数加权和法计算的非平稳随机脉动风的时变功率谱与理论结果具有良好的一致性。小波函数加权和法可有效地估计非平稳随机脉动风的时变功率谱,估计的时变功率谱可为进一步理解强(台)风的随机脉动特性奠定基础。     

邻域比较数字滤波与小波变换在脑电信号消噪中的应用

提出了邻域比较与小波变换相结合的脑电信号消噪方法,并利用这种方法对含有脉冲噪声的脑电信号进行消噪。首先介绍了邻域比较滤波的算法和小波变换消噪的原理,然后对实测的10例脑电信号进行消噪处理,最后将两种方法相结合的消噪效果与小波变换的消噪效果进行对比。实验结果表明,无论是信噪比还是均方根误差,两种方法相结合的消噪效果均优于小波变换的消噪效果。     

EEMD在爆破振动信号去噪中的应用

针对小波类去噪方法存在基函数的选择,同时未摆脱Fourier变换为基础带来的缺陷、EMD去噪存在模式混叠的问题,将EEMD去噪引入到爆破振动信号处理领域.首先利用仿真试验验证了EEMD克服了EMD的固有缺陷,然后分别利用小波、EMD、EEMD对数值微分所获取的加速度时程曲线进行低通去噪处理,对比结果表明:EEMD不仅具...     

地震地面运动局部谱密度的小波变换估计

已有的不少研究表明,地震地面运动的时频非平稳特性对结构响应有着很大的影响,对这种影响考虑的准确与否直接涉及结构分析的安全性。因此采用能反映时频非平稳特性的时变谱密度(即局部谱密度)来描述地震地面运动是非常必要的。首先从理论上比较了几种局部谱密度的估计方法,指出利用小波变换来估计局部谱密度在精度和速度方面有着相当的优势,有利于局部谱密度在地震动模型化、结构随机响应分析以及动力可靠度评价等方面的应用。然后通过具体算例,对理论分析进行了验证。     

Wavelet-based mann and morrison algorithm for improvement of three-phase unbalanced voltage dips characterisation

This work introduces a method for improvement of characterisation of voltage dip using a new technique based on a discrete wavelet transform. The proposed method estimates the amplitude and phase angle of the system voltages. Fourier transform method was already used to determine these items. The responses of the relevant algorithms under such conditions have errors because of the drawbacks of the Fourier transform. The proposed method is a combination of the discrete wavelet transform for obtaining the sinusoidal waveform of the system voltages, and the Mann and Morrison algorithm, for estimating the amplitude and phase angle of the three-phase voltage, which is then used to characterise the voltage dip. The use of a three-point Mann and Morrison algorithm results in a quicker and more accurate response in determining the voltage dip type, than the Fourier transform method. This is particularly true when the voltage dip duration is very short.     

Time-frequency-based non-stationary interference suppression for noise radar systems

The problem addressed here is non-stationary interference suppression in noise radar systems. Towards this aim, two linear time ?frequency (TF) transforms, short-time Fourier transform and local polynomial Fourier transform are used as a means of signal representation and filtering. The noise radar return signal is a wideband random signal occupying the whole TF plane, whereas the interference signal is well concentrated in the TF plane. This implies that the filtering of the received signal can be performed by using a binary mask to excise only a portion of the TF plane corrupted by the interference. Simulations carried out on the radar return signal corrupted by extremely strong non-stationary interferences confirm the effectiveness of the proposed method.     

基于小波分析的信噪分离方法研究

利用噪声信号小波变换的数学期望或小波变换模的平均密度随分解层次增加不断衰减的特性,结合Mallat分解与重构算法提出对信号进行小波变换分析的方法.运用db2和db5小波,对一受噪声污染的正弦电压信号分别进行5层分解.检测结果表明,选取合适的基小波和分解层次,能有效地实现信噪分离.     

基于提升小波的发动机振动信号相关分析

发动机的振动信号一般呈非平稳时变特征.傅立叶变换只能确定一个函数奇异性的整体性质,而难以确定奇异点在空间的位置及分布情况.经典的小波变换具有空间局部化性质,但多数性质都是通过傅立叶变换性质来实现的.提升算法摆脱了这种局限,它从一个简单的多分辨分析开始,然后向具有某一特性的MRA逐渐逼近.根据信号与噪声在各尺度下的不同传播特性,通过各层之间相关性分析滤除噪声,有效的提取出信号特征.     

双正交冗余小波变换的图像去噪方法

由于正交小波变换的不具备线性相位、不具有平移不变性等特性,导致其在图像去噪领域仍存在很多问题,本文将双正交冗余离散小波变换应用到几种经典小波阈值图像去噪方法中,以克服标准正交小波变换在阈值图像去噪中存在的问题.实验证明该方法的去噪效果明显优于正交小波方法和普通双正交小波变换的去噪效果.