EMD和FSWT组合方法在爆破振动信号分析中的应用研究

针对传统经验模态分解EMD时频分析功能不足的缺陷,提出了基于经验模态分解EMD和频率切片小波变换FSWT组合的爆破振动信号分析方法。对实际工程采集到的爆破振动信号进行EMD分解,根据相关性系数确定优势分量实现信号重构,并获取重构信号全频带FSWT时频特征。利用FSWT逆变换能切割任意频率区间的特点,将重构信号选择时间、频率切片区间进行了更为细化时频特征提取。研究了EMD-FSWT组合方法、Hilbert-Huang变换(HHT)、小波变换(WT)三种方法的消噪滤波效果,并与短时Fourier变换(STFT)、重排平滑Wigner-Ville分布(RSPWVD)两种传统时频方法进行了对比。分析结果表明:EMD-FSWT组合方法,对瞬态信号在时频域上的分辨率更高,消噪和滤波效果好,适于对爆破振动信号进行更为精细化的时频特征分析。     

地铁隧道爆破振动测试及时频特征分析

为确保某市地铁隧道安全、高效地爆破开挖,采用网络测振仪测试了隧道掘进爆破时周边建(构)筑物的爆破振速。基于频率切片小波变换开展时频特征分析,首先得到了测振信号的全频带时频分布特征,进而通过5个主成分频率切片区间更进一步精确提取了爆破振动信号时域、频域分布特征,并得到了相应频带内的爆破振动重构分量。实测数据时频特征分析表明,频率切片小波变换具备独特的信号分析优势,适用于地铁爆破振动信号时频特征提取;此次地铁隧道钻爆法开挖产生的质点峰值振速在0.07～0.85 cm/s之间,主频在13.3～68.9 Hz之间,爆破振速处于《爆破安全规程》规定的安全阈值范围内,爆破方案基本合理。     

基于时频切片分析的故障诊断方法及应用

为了提取设备的故障特征,提出了基于时频切片分析的故障特征提取方法。首先采用基于频率切片小波变换分解振动信号,得到信号在全频带的时频分布。在此基础上根据其时频能量分布,选择时间频率切片区间进行细化分析,通过时频分割和信号重构得到选定区间的时频特征,实现了故障特征的分离。这种方法能够有效地获取正确的故障特征信息,在某炼油厂齿轮箱摩擦故障诊断中取得了较好的效果。     

基于形态自相关和时频切片分析的轴承故障诊断方法

频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)是一种新的时频分析方法,信号中的噪声会降低FSWT分析的频率分辨率。为了提高分析精度,提出了基于形态滤波和时延自相关的时频切片分析方法,并成功应用到轴承故障诊断中。该方法首先采用多结构元素差值形态滤波和时延自相关方法对信号进行降噪,采用FSWT分解降噪后的轴承振动信号,然后根据轴承故障特征频率选择时间频率切片区间,进行细化分析来提取故障特征。仿真信号与轴承故障诊断实例的分析验证了该方法的有效性。     

FSWT-SVD模型在岩体微震信号特征提取中的应用EI北大核心CSCD

针对岩体破裂信号与爆破振动信号难以识别的问题,采用傅里叶变换(FT)得到其频谱分布,并确定划分为6个频带提取信号特征。借助频率切片小波变换(FSWT)将信号按上述频带切片并重构,再利用奇异值分解(SVD)得到上述频带重构信号所组成矩阵的奇异值σi(i=1,2,…,6),实现岩体微震信号的特征提取。进而对用沙坝矿120个岩体破裂和120个爆破振动信号展开FSWT-SVD分析,最后利用BP神经网络对奇异值矩阵进行分类训练和预测。结果表明:(1)岩体破裂信号与爆破振动信号的奇异值σ1相差最大,σ2、σ4、σ5和σ6相差较大,而σ3差异不明显,且当σ1=8作为单一奇异值法识别分界值时效果最优,准确率达到了86.67%;(2)BP神经网络法分类识别结果较LR法、Bayes法和Fisher法优,SVD提取特征识别效果较能量比和相关系数优,FSWT重构矩阵提取的特征信息优于DWT重构矩阵提取的特征信息,且基于FSWT-SVD的BP法分类识别准确率达到了91%。综上知,基于FSWT-SVD的BP神经网络模型为岩体破裂与爆破信号特征提取和模式识别提供了一种新方法。     

FSWT-SVD模型在岩体微震信号特征提取中的应用

针对岩体破裂信号与爆破振动信号难以识别的问题,采用傅里叶变换(FT)得到其频谱分布,并确定划分为6个频带提取信号特征。借助频率切片小波变换(FSWT)将信号按上述频带切片并重构,再利用奇异值分解(SVD)得到上述频带重构信号所组成矩阵的奇异值σi(i=1,2,…,6),实现岩体微震信号的特征提取。进而对用沙坝矿120个岩体破裂和120个爆破振动信号展开FSWT-SVD分析,最后利用BP神经网络对奇异值矩阵进行分类训练和预测。结果表明:(1)岩体破裂信号与爆破振动信号的奇异值σ1相差最大,σ2、σ4、σ5和σ6相差较大,而σ3差异不明显,且当σ1=8作为单一奇异值法识别分界值时效果最优,准确率达到了86.67%;(2)BP神经网络法分类识别结果较LR法、Bayes法和Fisher法优,SVD提取特征识别效果较能量比和相关系数优,FSWT重构矩阵提取的特征信息优于DWT重构矩阵提取的特征信息,且基于FSWT-SVD的BP法分类识别准确率达到了91%。综上知,基于FSWT-SVD的BP神经网络模型为岩体破裂与爆破信号特征提取和模式识别提供了一种新方法。     

隧道爆破振动信号时频谱交叉项干扰抑制方法

针对爆破振动信号时频谱中普遍存在的交叉项干扰难题,采用匹配追踪(matching pursuit, MP)和平滑伪魏格纳分布(smooth pseudo Wigner-Ville distribution, SPWVD)组合算法对实测隧道爆破振动信号进行了时频谱交叉项抑制和特征提取。根据信号稀疏表示和MP理论,构造与信号特征匹配的过完备稀疏原子库。通过MP分解实现子信号的原子重构,对重构子信号分别求取SPWVD分布并叠加,从而获得爆破信号更为精确的时频表达。分析结果表明:匹配追踪-平滑伪魏格纳分布(MP-SPWVD)组合方法可精准弱化并抑制爆破振动信号中包含的交叉项干扰成分,改善了信号时频辨识度并提高了时频特征解析能力,验证了将其用于信号时频分析的精度和有效性。组合算法适用于爆破振动信号时频特征提取过程。     

基于包络S变换时频图像提取齿轮故障特征

齿轮故障振动信号中调幅和调频现象同时存在,其频谱包括以啮合频率及其谐波为载频,齿轮所在轴转频及其谐波为调制频率产生的调制边频带。针对齿轮故障振动信号特征提取困难的问题,提出一种基于包络分析和S变换时频图像相结合的故障特征提取方法。通过变速器齿轮故障模拟实验,采集齿轮正常、轻微磨损和严重磨损时的稳态振动信号,对其进行Hilbert变换得到信号的包络,然后对包络信号进行S变换,得到包络的时频图像的等高线灰度图像,计算图像的灰度共生矩阵及其统计特征量,提取齿轮故障特征。试验结果表明：该方法能有效提取齿轮故障特征。     

基于VMD-SVD联合降噪和频率切片小波变换的滚动轴承故障特征提取

针对滚动轴承早期故障信息微弱,频率切片小波变换(FSWT)在强背景噪声中提取故障特征的不足,提出变分模态分解(VMD)奇异值分解(SVD)联合降噪与FSWT相结合的故障特征提取方法,首先利用VMD故障信号自适应分解为若干本征模态分量(IMF),通过峭度准则选择包含故障信息最丰富的IMF进行信号重构,其次利用SVD对重构信号进行再次降噪,提高信噪比。最后对降噪信号进行FSWT,凸显故障信号的时频分布信息提取故障特征。仿真信号和实际数据分析结果表明,该方法有效消除了噪声的影响,能够清晰提取故障信号的特征频率,实现滚动轴承故障的精准识别。     

奇异值分解结合频率切片小波的齿轮故障特征提取

频率切片小波变换是一种有力的时频分析方法,但在强背景噪声条件下其故障特征识别能力不足,故提出奇异值分解结合频率切片小波的故障特征提取方法。首先利用原始信号构造Hankel矩阵,根据奇异值差分谱单边极大值原则确定阶次并进行降噪处理,继而利用频率切片小波对降噪信号进行全频分析,确定信号分量分布区间之后,对能量集中的信号进行频率切片细化分析,用时频图及重构信号提取齿轮故障特征。通过仿真及实测齿轮的点蚀信号分析,表明该方法能够实现齿轮运行状态的准确判别,有一定的工程实际意义。     

爆破条件对爆破震动信号分析中小波包时频特征的影响

非平稳信号的小波包分析是在小波变换基础上发展起来的 ,它对小波分析中没有细分的高频部分进一步分解 ,从而能够对信号局部信息进行更为精细的掌握。爆破条件是影响爆破震动时频特征分布的主要因素之一。本研究中 ,针对在不同段药量、不同微差间隔时间及近似相同的其它条件下产生的爆破震动信号 ,运用小波包分析方法对其进行了时频分析 ,主要探讨了段药量、段微差间隔时间对爆破震动时频分布的影响规律。段药量对爆破震动波形时频特征的影响主要体现在各层小波包主振频带内的细节信号峰值质点振速方面 ,各细节信号的峰值质点振速随段药量增加而增大 ,但主振频带分布保持基本的一致性 ,同一主振频带下小波包细节信号的阻尼比也趋于一致 ;段微差时间间隔对爆破震动时频特征的影响主要表现在 :延长各主振频带小波包细节信号的振动持时 ,不同微差单段波形的叠加增加了主振频带个数 (优势频率个数 )并使各频带内的优势频率值有微弱增大的趋势     

SGWP算法在爆破振动信号分析中的应用研究

基于提升模式研究了二代小波包(SGWP)算法,成功用于爆破振动测试数据的噪声去除,为准确提取爆破振动信号特征奠定了基础。采用SGWP改进算法快速、精确地实现了爆破振动信号各频带相对能量分布分析,同时选取主振频带内能量占优的主分析二代小波包表征爆破振动信号的时频特征。将SGWP算法引入到爆破振动效应分析领域,为构建大型网络化爆破振动测试系统与控制平台提供了技术支持和数据分析基础,具有较好的应用前景。     

基于小波分解的爆破振动信号RSPWVD二次型时频分析

对爆破振动信号进行时频分析是为了更全面而准确地得到信号能量随时间、频率的分布状况。RSPWVD二次型时频分析虽然具有较高的积聚性,对产生的交叉项也有较好的抑制,但不可避免会损失部分信号,无法获得爆破振动信号的细节信息。利用RSPWVD二次型时频分析与小波分析相结合的分析方法对实测的爆破振动信号进行时频分析,结果表明：此种方法提高了爆破振动信号时频特征的精度,展现了爆破振动信号的时频细节信息,可获得更加直观、合理、时频分辨率更高的信号时频特征。     

基于匹配追踪算法的立井爆破信号时频特征提取

在对立井爆破过程中井壁振动信号进行准确采集的基础上,采用匹配追踪（matching pursuit,MP）算法建立Gabor原子库,实现了爆破信号重构分量和残差分量的有效分离。通过信号短时傅里叶变换（short time Fourier transform,STFT）和魏格纳分布（Wigner-Ville distribution,WVD）对重构信号的时频分析及霍夫(Hough)变换时频聚集性对比,验证了WVD时频分析的优势。结果表明:MP-WVD组合信号分析方法对信号变化的适应性强,能够精确捕捉信号的局部细节,适合用于爆破信号非线性时频特征的提取过程。可为爆破方案调整和参数优化提供参考。     

基于自适应时频滤波的变转速齿轮故障特征提取

针对变转速下齿轮的故障信号分离与故障特征提取,提出了基于线调频小波路径追踪(Chirplet Path Pursuit,CPP)与S变换的自适应时频滤波方法。该方法先采用CPP算法从原始齿轮振动信号中估计出齿轮啮合频率,同时,对原始振动信号进行S变换获取其时频分布;然后根据齿轮啮合频率设计自适应时频滤波器;再采用时频滤波器对信号的时频分析进行时频滤波,并将时频滤波结果进行S逆变换,即可得到包含齿轮故障信息的滤波信号;最后对滤波信号进行阶次分析,并根据阶次谱中的调制边频带诊断齿轮故障。对变转速下齿轮的局部故障进行了算法仿真和应用实例分析,结果表明,自适应时频滤波器可根据信号的频率变化特点自适应地改变中心频率和带宽,具有较好的信号分析自适应性,且滤取的信号无相位畸变,非常适合于变转速下的非平稳信号分析。     

基于CEEMD与TQWT组合方法的爆破振动信号精细化特征提取

针对传统小波在爆破振动信号特征提取和分析方面的局限性,提出了基于CEEMD和TQWT组合的信号精细化特征提取方法。预先设定可调品质因子小波TQWT高、低品质因子参数对CEEMD分解优势分量重组信号进行分解,并引入相对权重因子θ,优化了分解过程,实现了爆破振动信号特征的精细化提取。分析结果表明:组合方法对爆破振动信号的分析不依赖于先验小波基的选择,分解过程实现了信号的二次滤波。通过连续小波多尺度三维谱和时频小波脊线对比,说明组合算法分解得到的最佳分析信号可真实反映振动信号的细节信息,时频分辨率更高。该组合方法抑制了杂波分量对信号特征的干扰,可精确地提取复杂环境下的爆破振动信号特征信息。     

爆破振动信号双线性变换的二次型时频分析

为提高爆破振动信号特征分析的精度,利用双线性变换的二次型方法研究了爆破振动信号的时频特征.首先,扼要介绍了Fourier分析、短时Fourier、小波分析的特点.其次,介绍了双线性变换的二次型时频分析方法及其能量分布函数.再次,研究了振动信号时频分布的重排技术.最后,基于MATALB6.5平台得出了铜山口矿一实测爆破振动波形的WVD,SPWVD,RSPWVD时频分布图.结果表明,双线性变换的二次型时频表示,克服了短时Fourier变换频率分辨率低和小波变换是基于位置和尺度变换的缺点,是一种更加直观、合理、时频分辨率更高的信号时频表示方法;平滑伪仿射Wigner-Ville分布在把握信号的时频全局方面有明显优势;重排平滑伪Wigner-Ville分布能提高信号的时频聚集性,可用于获取爆破振动信号的主频信息.     

爆破振动信号的时频分析

爆破振动信号的研究方法已由单纯的频域分析过渡到时频联合分布分析。在讨论FOURIER变换(FT)和短时 FOURIER变换(STFT)不足的基础上,论述了基于连续小波变换(CWT)和离散小波变换(DWT)在爆破振动信号分析中的应用。作为一种严格的时频分析方法,论文尝试利用二次型时频分布来进行爆破振动信号的时频联合分析;通过几种二次型时频分布的对比分析,认为CWD在具有较强的时频聚集性的同时又较好的对交叉项进行了抑制,适合于进行爆破振动信号的时频分析。     

基于二次型变换的深井爆破振动信号时频特征分析

对处理爆破振动信号常用的2种线性二次型分布进行比较,选择平滑伪Wigner-Ville分布作为爆破振动信号分析的二次型时频变换。基于平滑伪Wigner-Ville分布对深井爆破振动信号的主频、振幅、持续时间特征与地表爆破振动信号进行对比分析,得出深井爆破振动信号时频特征,用以分析、控制深井爆破振动产生的危害。     

爆破振动信号特征分析的应用探讨

从信号的处理、分析入手,基于MATLAB小波分析工具箱的平台,透过傅里叶变换和小波变换对爆破振动信号进行特征分析,构建爆破振动信号不同频带振动分量的时频图谱;从能量角度出发,基于小波能量法,以小波频带能量作为研究对象,探求爆破振动信号不同频带能量的分布特征及内在规律性,以此探讨爆破地震波的作用机制和行为特征.