一种新的估计瞬时频率的方法—经验包络法

常用的求取瞬时频率的方法,希尔伯特变换,会出现无法解释的负频率和明显的端点效应。标准希尔伯特变换克服了希尔伯特变换出现负频率的缺点,但仍然有端点效应。为了避免希尔伯特变换,基于信号的经验调幅调频分解,论文提出了一种新的求取瞬时频率的方法—经验包络法(empirical envelope method,简称EE）。经验包络法本质上是先通过经验调幅调频分解获取纯调频信号,然后对其求导,再对求导的结果进行经验调幅调频分解,提取出包络信号,便可获得原信号的瞬时频率。论文首先给出了经验调幅调频分解的详细过程,然后给出了经验包络法的原理和具体步骤,最后采用仿真信号将经验包络法与希尔伯特变换、标准希尔伯特变换和反余弦法进行了对比,分析结果表明了经验包络法的优越性     

基于广义解调时频分析的包络阶次谱在齿轮故障诊断中的应用

提出了基于广义解调时频分析的包络阶次谱方法,并将它应用于齿轮瞬态信号的分析.广义解调时频分析是一种新的时频分析方法,它可以将多分量的信号分解为若干个具有物理意义的单分量信号的瞬时频率,每个单分量信号可以是调幅-调频信号,因此非常适合处理多分量的调幅-调频信号.而当齿轮发生故障时,其启停过程中的振动信号恰巧表现为多分量的调幅-调频特征,在基于广义解调时频分析的包络阶次谱方法中,首先采用广义解调时频分析方法将多分量的齿轮振动信号分解为若干个单分量信号,其次对各个单分量信号进行包络分析,然后对包络信号进行角域重采样,最后对重采样后的信号进行频谱分析,得到包络阶次谱,从而判断齿轮的工作状态.采用该方法分别对仿真和实验信号进行了分析,结果表明了该方法的有效性.     

齿轮故障振动啮合调幅调频信号分离方法

齿轮故障时振动信号中同时存在调幅调频信号。基于齿轮故障振动啮合调制信号数学模型,利用平方幅值解调和基于调频信号与第一类贝塞尔函数之间关系的频率解调方法,分别建立关于调幅和调频参数的非线性方程组;再应用最小二乘优化算法求解参数,提出一种调幅调频信号准确分离的新方法。并将离散频谱校正技术用于提高该分离方法的准确性。仿真结果表明：该方法精度高,抗干扰能力强;分离出的调频信号比希尔伯特变换和基于能量算子解调求解的调频信号精度高。实验分析表明,不同故障分离的调幅调频信号存在明显的特征和差异,从而为齿轮箱故障提供了一种新的诊断方法。     

非线性调频分量分解的转子油膜涡动信号分析研究

转子轴承系统的振动信号常呈现非线性调频特征且信号分量在频域混叠,传统的频谱分析方法难以处理该类信号。基于参数化解调的非线性调频信号分解方法来分析油膜涡动、油膜振荡特征信号能够有效分解频域混叠的非平稳信号。首先通过优化频谱集中性指标来估计信号瞬时频率参数并用估计到的参数将非线性调频信号解调为平稳信号,最后用带通滤波器提取解调信号。仿真及实验信号通过该方法分析后的结果证明,所用非线性调频分量分解的信号分解方法能够有效提取转子轴承系统的油膜涡动、油膜振荡故障特征,从信号时频图及提取分量的时域图可以清晰看到油膜涡动、油膜振荡的发生发展过程,为早期油膜涡动判定提供依据。     

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。     

超声波测振信号的能量算子解调方法

连续超声波束遇到振动物体表面会产生多普勒效应,反射超声波信号是受振动信号调制的非线性调相信号。对反射波信号求导获得调幅调频信号,再采用能量算子对称差分法,求取该调幅调频信号的瞬时幅值及瞬时频率。鉴于超声波反射回波信号存在幅值衰减现象,而超声波频率不易受外界干扰,故通过调幅调频信号的瞬时频率提取被测物体的振动速度,并由振动速度求导得到振动加速度。同时,从幅值及频率两个方面探讨振动测量范围。仿真及实验结果表明:基于能量算子的超声波测振信号解调方法能有效地提取振动信号,与传统的相位解调方法相比,具有更大的测量范围。     

基于HVD包络谱瞬态能量曲率的井架钢结构损伤识别

针对复杂工作环境下井架钢结构损伤识别问题,提出了一种基于希尔伯特振动分解(HVD)包络谱瞬态能量曲率的井架钢结构损伤识别方法。已知非平稳、非线性的复杂信号,利用结构低阶信息,利用HVD法将其分解为拥有缓慢变化多个信号分量之和,选取主分量提取信号特征;对于井架钢结构损伤识别,利用HVD法提取振动信号的损伤特征,将HVD包络谱瞬态能量曲率作为损伤敏感指标;计算井架钢结构振动信号包络谱瞬态能量曲率完成损伤识别,以ZJ70井架钢结构为例,通过损伤识别仿真计算,得出该指标对井架钢结构损伤敏感,能够准确识别单损伤和多损伤位置;将该方法应用于ZJ70井架钢结构实验模型,成功地识别了单损伤和两损伤,验证了该方法的可行性和准确性。     

基于HHT的非线性振动系统参数识别研究

该文采用Hilbert-Huang变换（HHT）对时变阻尼自由振动系统以及常见的Duffing振动系统和Van der Pol振动系统进行参数识别。首先通过经验模态分解将振动信号分解为自由振动信号和强迫振动信号,通过经验包络法得到分解后信号的振幅包络线和瞬时频率。进而使用瞬时振幅及瞬时频率通过最小二乘法估计得到振动方程的各项参数。与小波识别结果进行对比,数值算例表明Hilbert-Huang变换可以有效地识别时变阻尼自由振动以及Duffing振动系统和Van der Pol振动系统的时变参数并且有较高精度。     

基于调频EMD的结构非线性辨识方法研究

提出了调频EMD方法,克服了原EMD方法在密集频率情况下容易产生固有模式函数(Intrinsic Mode Function,IMF)混淆的弱点,可以较好地分解相对密集频率的弱非线性信号,得到物理意义相对明确的IMF。与Hilbert-Huang变换相结合,有效地识别多自由度弱非线性系统瞬时模态信息的变化过程。通过数值仿真计算证明了调频EMD方法的有效性。利用调频EMD方法对Humber大桥的主梁两自由度节段模型自由气弹振动信号进行识别,揭示了该耦合系统的非线性。     

基于广义解调时频分析和瞬时频率计算的阶次谱方法在齿轮故障诊断中的应用

针对齿轮启停过程中故障振动信号的调频特性,提出了基于广义解调时频分析和瞬时频率计算的阶次谱方法,并将其应用于齿轮瞬态信号的分析。广义解调时频分析是一种新的时频分析方法,它可以将多分量的信号分解为若干个瞬时频率具有物理意义的单分量信号,每个单分量信号可以是调幅-调频信号,因此非常适合处理多分量的调幅-调频信号。而当齿轮发生故障时,其启停过程中的振动信号就表现为多分量的调幅-调频特征。在基于广义解调时频分析和瞬时频率计算的阶次谱方法中,首先采用广义解调时频分析方法将齿轮瞬态信号分解为若干个单分量信号,然后计算各个分量的瞬时频率,再对其瞬时频率信号进行重采样,最后对重采样信号进行频谱分析得到阶次谱,从而提取齿轮振动信号的故障特征,判断齿轮的工作状态。仿真信号和实验信号的分析结果表明了该方法的有效性。     

基于B样条插值的局部均值分解方法研究

局部均值分解(Local Mean Decomposition,LMD)方法是一种较新的自适应信号分析方法。LMD算法的核心思想是将原始信号分解为多个乘积函数(Production Function,PF),其中每个PF都是一个包络函数和一个纯调频函数的乘积。在LMD算法中需要提取信号的局部均值函数和包络估计,然而常规的提取方法会带来局部误差且分解速度慢。为了解决此问题,提出了利用三次B样条对信号上、下极值点进行插值得到上、下包络线,进而获取信号局部均值和包络估计的新方法。对仿真信号和机械振动信号的对比实验验证了该方法的优越性。     

迭代能量算子机械故障诊断研究

旋转机械元件的故障振动信号通常为多分量调幅调频信号,针对此类信号的故障特征提取问题,介绍一种基于迭代能量算子的机械故障诊断方法。首先阐述迭代能量算子对多分量信号的各分量信号进行幅值包络提取和平滑瞬时频率估计的基本原理;然后通过仿真试验给出与Hilbert-Huang变换的比较,表明该方法解调精度很高且速度较快;最后给出滚动轴承故障诊断实例,证明基于迭代能量算子的多分量调幅调频信号解调方法能有效地提取机械故障振动信号的故障特征。     

基于LMD的多尺度形态学在齿轮故障诊断中的应用

数学形态学是一种非线性、非平稳分析方法,具有很强的抑制脉冲干扰的能力,但滤除白噪声的能力却不行。针对这一不足,提出一种基于LMD的多尺度形态学解调方法。该方法是将多分量调频调幅故障信号分解为一系列单分量调频调幅信号(PF),实现对故障信号的降噪处理,同时还可以获得原始信号的全部调制信息。选取能量高的PF分量求和重构,再用多尺度形态学差值滤波器提取出故障信号的频率特征。通过仿真和齿轮故障模拟实验证实了该方法的有效性。     

抑制模态混叠的HHT结构模态参数识别方法研究

针对传统经验模态分解法(EMD)的模态混叠问题,在分析模态混叠产生机理的基础上,提出基于互补总体平均经验模态分解(CEEMD)与信号调频(FM)结合的组合分解方法(FM-CEEMD),并通过仿真信号验证了FM-CEEMD分解方法的有效性。将FM-CEEMD分解取代传统EMD分解应用于希尔伯特-黄变换(HHT),得到抑制模态混叠的改进HHT结构模态参数识别方法。仿真试验与实际拱坝识别结果表明:提出的改进HHT法不仅能避免模态信息丢失、提高模态参数识别精度,同时也适用于实际水利工程模态识别研究。     

滚动轴承故障的EMD诊断方法研究

提出了一种基于经验模式分解（Empirical Mode Decomposition，EMD）的滚动轴承故障诊断方法。这种方法中，局部损伤滚动轴承产生的高频调幅信号成分被EMD分解作为本征模函数分离出来，然后用Hilbert变换得到其包络信号，计算包络谱，就能够提取滚动轴承故障特征频率。该方法被用于分析实验台上采集的具有内圈损伤及外圈损伤的滚动轴承振动信号。分析结果表明，与传统的包络解调方法相比，新方法能够更有效地提取轴承故障特征，诊断轴承故障，因而具有重要的实用价值。     

混沌激励下振动系统的非线性参数识别

本文对基于时-频相结合的非线性振动系统的参数识别问题进行了研究。首先建立含非线性参数单自由度振动系统的力学模型,将已知非线性系统产生的混沌响应作为该系统的激励, 假定其响应有若干不稳定的周期轨道组成,从混沌响应的状态空间中提取出近似周期轨道, 采用谐波平衡法识别出系统的参数,然后对识别出的参数进行误差分析。最后通过数值模拟,验证了混沌信号作为激励源对非线性系统进行参数识别的可行性。     

非线性涡激力模型中气动参数识别新方法

基于非线性最小二乘法提出识别单自由度经验非线性涡激力模型中气动参数新方法。通过同伦分析法获得涡振响应二阶解析解,基于该解构造非线性拟合目标函数并采用遗传算法识别出在给定参数区间内的最优拟合结果。分别用光滑信号及有噪信号进行数值验证,结果表明该方法具有可行性及较好稳定性。并运用该方法识别出流线型闭口箱梁断面的涡激力气动参数。     

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。     

时延自相关解调频原理及其在齿轮故障诊断中的应用

当齿轮发生故障时,调幅和调频现象往往同时存在,但是传统方法通常只适用与解调幅,而不能解调频。同时振动信号中常含有大量的噪声,严重的影响了解调结果。由于高延迟的自相关函数具有受噪声影响比较小的特点,已有文献用时延自相关法解调幅,但是用做解调频还鲜有研究。为此,从理论上分析了调频信号和调幅调频信号的自相关函数,得出调频信号的自相关函数是调幅信号,调频调幅信号的自相关函数仍然是调幅调频信号,且其调制频率不变。这样就从理论上说明了时延自相关解调法是解调频和解调频的通用方法。最后通过仿真实验和实例分析,表明了时延自相关解调法不仅能有效的解调频,而且具有较好的抗噪性。     

基于变参数域和短时高斯线性调频基的自适应信号分解算法

基于高斯线性调频基的参数化时频分析方法由于具有很高的时域和频域分辨能力,而被广泛应用于非线性非稳态信号的分解和特征提取中,但其巨大的计算量常常让工程人员望而生畏。因此结合变参数域和短时傅里叶变换的方法提出了一种改进的短时高斯线性调频基自适应信号分解算法,将四参数优化问题转化成窄带范围的两参数优化问题,提高了参数化时频分析的时效性。利用改进算法对四原子组合的非线性解析信号和动检列车轴箱振动加速度信号进行分解,结果表明该方法能有效消除交叉项干扰,时频分辨率高,而且具有计算量小,速度快的优点,对分析动检列车轴箱振动与轮轨短波冲击有实际意义。