基于短时傅里叶变换的快速贝叶斯模态参数识别方法

为反映结构非平稳响应信号的时频特性，提出基于短时傅里叶变换的快速贝叶斯模态参数识别(FBST)方法。该方法采用短时傅里叶变换代替傅里叶变换进行模态参数识别，使模态参数的识别同时具有时频特性，同时能够给出识别结果的不确定性。利用时域分解解耦技术，将多自由度多模态响应信号转变为单自由度单模态响应信号以提升计算效率，推导得到高信噪比下负对数似然函数的表达式。采用数值算例验证了FBST方法在时变频率和阻尼比识别上的有效性。在此基础上，针对某大跨柔性光伏支架结构气弹模型的风洞试验数据和某高层建筑风振实测加速度响应数据，利用FBST方法识别了对应结构的阻尼比、频率，并与连续小波变换和Hilbert-Huang变换等经典方法的识别结果进行对比。数值算例分析结果显示，对于时变、非时变信号，FBST方法均能识别与理论值较为一致的阻尼比和频率结果。对于大跨柔性光伏支架结构的气弹试验数据和高层建筑实测加速度响应，FBST方法识别得到的频率结果与连续小波变换以及Hilbert-Huang的结果较为一致，而识别出的阻尼比存在较大变异系数。     

基于广义解调时频分析的调频信号去噪方法

将广义解调的时频分析方法应用于调频信号的噪声消除。广义解调时频分析方法首先对时频分布是曲线的信号进行广义解调,然后采用最大重叠离散小波包变换（Maximal overlap discrete wavelet packet transform,简称MODWPT）对广义解调后的信号进行分解,从而可以实现信噪分离。采用广义解调时频分析方法对含有白噪声的调频信号进行了分析,同时与小波包分解方法进行了对比,结果表明该方法能有效地应用于调频信号的去噪,提高了信噪比。     

基于改进MCPP的时变系统模态参数识别

基于多尺度线性调频原子路径追踪及多项式相位信号幅值估计理论的基础上,针对时变系统提出一种模态参数识别的方法。首先,该方法对响应信号划分动态时间支撑区;在每一个支撑区上追踪投影最大的线性调频原子;按照最优连接路径对原子进行连接;采用二次拟合方法对分量信号幅值进行拟合逼近;最后得出分量信号幅值及瞬时频率识别系统的模态参数。刚度和阻尼复杂变化模态参数识别仿真算例表明,改进方法相对原方法提高了识别精度,具有更为广泛的工程应用前景。     

基于广义S变换的不同类型泥石流声波试验研究

开展稀性、过渡性、黏性泥石流等3类泥石流声波模型试验后,通过引入窗函数参数,提出一种广义S变换,分析不同类型泥石流声波信号的时频特征,针对传统傅立叶变换的不足,运用小波包变换方法,提取声波信号的频带能量分布特征。研究表明:①相比较传统的时频分析手段,广义S变换具有优良的时频聚焦性和分辨率;②随着泥石流重度的增加,泥石流峰值频率向低频移动;③经小波包变换可将信号分解为8个频段(0～6.25,6.25～12.5,12.5～18.75,18.75～25,25～31.25,31.25～37.5,37.5～43.75,43.75～50 Hz),稀性泥石流主要分布在S6-8,过渡性和黏性泥石流能量集中于S2-4内;④基于声波信号频率区间和频带能量可综合识别不同类型泥石流。     

基于联合采用EMD与高通低通滤波的信号分析

提出一种基于Hilbert-黄变换改进的信号分析方法。实验表明经验模态分解(EMD)方法在大多数情况下分解的结果都与人们的直观感觉相符合。但实验也发现,常规的EMD分解方法无法将频率存在2倍关系内的信号分量分离而可能导致分量模态混叠。为解决模态混叠问题,我们先将原始信号通过高通低通滤波分为两组。之后,再对两组信号分别进行经验模态分解,并进行频谱分析。经过实验验证,使用该方法可以有效地将存在二倍频率内的信号分离开来,达到消除本征模态函数(IMF)的混叠的效果。     

EEMD在输电线路雷电绕击与反击监测中的应用

针对雷击输电线路的问题,提出使用集总经验模态分解法(ensemble empirical mode decomposition,EEMD)对输电线路进行监测。ATP仿真雷电通过绕击与反击向高压输电线路注入雷电波的过程,并通过时频分析第一阶IMF分量瞬时频率分别确定了雷电绕击与反击时的频率特征和雷击发生时刻,结果表明:雷电绕击与反击时线路中将激发大量高频成分且最高频率可达100 k Hz;EEMD可以克服模态混叠实现输电线路信号分解;在100 Hz~1 k Hz以及10 k Hz,反击的频率成分更丰富,且其所具有的频率成分比绕击时线路中信号的频率更高;利用EEMD分解的第一阶IMF分量瞬时频率可以确定雷电波到达测站的时间,实现雷击点位置确定且误差仅为百米。所用方法及结论为雷电绕击与反击的监测提供了参考。     

爆破微差延时的EMD识别法

EMD（Empirical Mode Decomposition）方法是基于信号的局部特征的信号分解方法。能把复杂的信号分解为有限的具有物理意义的固有模态函数（Intrinsic Mode Function）。它自适应性强且非常适合处理非平稳信号。文章提出了爆破微差延时的EMD识别法，并以某工程中的微差爆破监测到的爆破振动信号为例。利用EMD法将爆破振动信号分解成IMF分量，再通过Himen变换提取IMF主成分分量的包络幅值来达到识别实际微差延时的目的。     

基于分数阶Fourier变换的结构瞬时频率识别

分数阶Foureir变换作为一种时—频分析工具,适用于分析处理非平稳信号,且作为线性变换在处理多分量信号时不会产生交叉项的干扰。文章在分数阶Fourier变换用于线性调频信号检测与参数估计原理的基础上,提出一种结合分数阶Fourier变换和三次样条插值来估计非平稳信号瞬时频率的方法,通过对一正弦调频信号的仿真分析和时变拉索结构的试验对提出的方法进行了验证。结果表明,提出的方法可以对时变结构的瞬时频率进行有效识别,具有一定的工程可行性和可靠性。     

马赛克墙面质量检测研究

文章运用非线性动力学参数样本熵作为特征,对正常与空鼓状态下马赛克饰面砖的敲击振动信号进行分析识别。利用集成经验模态分解方法(EEMD),将振动信号分解得到若干个内蕴模式分量IMF。计算IMF的样本熵并作为特征量,进行BP神经网络训练,对待测样本判断识别。结果表明该方法具有较高的准确性。     

改进Hilbert-Huang变换的滚动轴承故障诊断

以自适应噪声完备集合经验模态分解(CEEMDAN)为基础,提出了一种改进的Hilbert-Huang变换(HHT)时频分析法。对滚动轴承振动信号进行CEEMDAN获得一组本征模态函数(IMF)。通过自动提取敏感IMF算法,筛选特征敏感IMF分量,计算特征敏感IMF分量的Hilbert包络谱和HHT二维时频谱,提取故障特征频率信息。研究结果表明:CEEMDAN算法有效降低了模态混叠,比经验模态分解(EMD)算法和集合经验模态分解(EEMD)算法具有优越性。将改进的HHT与自动提取敏感IMF算法相结合,可以有效分解信号的特征信息,筛选出含有故障特征信息的敏感IMF,剔除背景噪声和无故障IMF的干扰,有效提取轴承振动的故障特征频率,诊断出轴承故障的发生部位。     

隧道爆破作用下建筑物振动信号的小波变换时频分析

地铁隧道爆破开挖产生的一部分能量转化为地震波,造成邻近建筑物的振动。根据连续小波变换的时频特性,将爆破荷载作用下振动信号进行连续小波变换时频分析,得到振动信号能量随时间与频率的分布规律。结果表明基于小波变换方法的爆破振动信号时频分布具有良好时频聚集性,为地铁隧道爆破网路与参数设计提供参考依据。     

基于SVM与EEMD方法的工程机械液压系统冲击振动信号研究

工程机械液压系统发生冲击故障时,振动信号会出现相应的时频特性的变化。准确捕捉液压缸冲击振动信号,提取信号的典型特征是故障诊断的关键。运用S VM延拓解决EEMD方法的端点效应,通过改进的三次样条插值方法拟合包络线,再利用互相关分析与频谱分析对特征模态分量进行筛选,选取出能够代表信号特征的IMF分量。最后,使用改进的E E MD方法对液压系统突然换向引起的冲击振动信号进行分析,选取出能够代表信号特征的IMF分量,为以后的智能诊断故障特征提取提供依据。     

基于固有模态函数(IMF)的钢框架节点损伤信号分析

在地震等反复荷载作用下,钢结构节点易发生脆性断裂,且由此导致的结构破坏在钢结构事故中的频率很高。通过对一钢框架模型的动力响应信号进行希尔伯特-黄变换处理,结构选取不同程度单节点、双节点和三节点的损伤工况,利用MATLAB程序对钢结构节点损伤信号进行经验模态分解(EMD)并导出各阶固有模态函数分量,以瞬时频率拟合值作为损伤识别指标,分析对比结构不同位置损伤信号。     

基于小波分解的城市供水管网短期水量负荷预测

利用小波分解和人工神经网络相结合的方法建立了城市供水管网短期水量负荷的组合预测模型。该方法首先利用小波分解技术将时负荷水量分解为相对简单的带通分量信号，然后根据各分量信号的特点分别建立独立的神经网络预测模型，最后将预报结果集成。由于小波分解后各分量的频率相对单一，因而可有效缩短网络训练时间，提高计算速度。仿真计算结果表明，该方法建模合理、计算量适中，可准确预测管网水量。     

基于小波变换的爆破振动时频特征分析

应用小波变换方法对短时非平稳爆破振动过程提出了时频特征分析。根据离散小波变换的分层分解展开关系，将爆破振动时间历史信号用分层重构信号进行扫描。应用这些信号可以给出不同频率带上爆破振动的相对能量分布和振动强度的时间变化规律。一个爆破振动实测结果的分析表明，与建立在传统Fourier变换基础上的频谱分析方法相比，基于小波变换的爆破振动时频特征分析可以给出更为准确的细节信息。文中的研究结果为爆破振动结构安全性分析提供了新的途径。     

基于频陷理论的地震谱反演技术分析

我国陆相盆地广泛发育薄层砂体,但受地震分辨率限制,从地震剖面上难以直接识别薄层反射特征,为寻找岩性圈闭带来困难。谱反演技术的出现,为薄层砂体识别方法带来新的方向。该技术避开调谐振幅进行薄层识别的方法,采用在频率域中分析薄层频谱中出现的频陷特征,并且把地震信号分解为奇偶分量,进一步提高薄层的识别能力。通过模型分析,发现薄层厚度越小,对应信号频谱中频陷周期越大。地震信号奇偶分解后,其中偶分量能够提高地震资料的视分辨率。通过对谱反演目标函数的剖析,给出了具体实现过程。     

基于能量分析重构VMD分量的直埋供热管道泄漏定位研究

为提高声波法在复杂噪声环境下进行直埋供热管道泄漏定位的准确性,本文提出了基于能量分析重构有效模态分量的供热管道泄漏定位方法,即采用变分模态分解(VMD)将检测信号自适应地分解为一组本征模态函数(IMF),识别、提取有泄漏特征的有效模态分量,并通过能量占比分析完成信号加权重构。泄漏实验和工程实测表明：常规VMD泄漏定位方法与本文方法的平均定位偏差分别为1.57、0.51 m,相对定位偏差分别为8.42%、2.75%,采用本文方法定位准确性提高67.34%;工程实测中,常规VMD方法未能发现管道泄漏位置,本文方法确定的泄漏位置定位偏差为1.78 m;本文方法可抑制有效模态分量中的残余噪声,降低噪声成分对泄漏定位的影响,提高复杂噪声环境下供热管道泄漏定位精度。     

完全非平稳地震动演化功率谱模型及其工程应用

基于平稳地震动过程的过滤白谱功率谱模型,提出一种能够实现时变谱能量描述的完全非平稳时变功率谱参数化模型,并通过参数识别获得具有工程意义的模型参数。采用基岩滤波器对K-T谱进行修正,使得时变谱参数具有明确的物理意义,并更加符合基岩地震动的物理特性;基于广义谐和小波变换得到地震波的时频分布,并通过Spanos-Tratskas方法估计出实际地震动的目标时变功率谱,引入遗传算法及二次优化技术,拟合时变参数的数学表达式,建立完全非平稳的地震动时变功率谱模型,模型参数识别过程采用了日本KIK-net强震数据库,并将其按照我国场地类别重新分类,最后验证该模型的有效性与适用性。该文提出的地震动随机模型为更加准确地描述地震动提供了参考,并为完全非平稳地震波的生成提供了依据。     

水中目标窄带噪声识别的听觉外周模型

为解决听觉外周模型特征在具有工程背景的水中目标声信号分类研究中识别率下降问题,提出了一种外周模型Gammatone滤波器组修正方法,获得的窄带噪声特征可明显提高水中目标识别性能。首先,分析了识别率下降原因,发现声学工程应用中多通道数据采集,导致信号频率范围变窄,而引起声信号的时频特征发生变化。其次,根据听觉模型用Gammatone滤波器组模拟人耳基底膜频率分解特性、低频信息包含水中目标噪声信号的重要类别特征,对原有的听觉模型特征进行插值,对滤波器组的通道数与中心频率进行适应性修正,得到目标噪声在较窄频带的27维特征,修正后的模型能够更精细地反映出目标时频特性。最后,采用神经网络分类器进行实验。结果表明,修正后的听觉模型保留了原较宽频带特征的主要信息,而且进一步提高了对实际目标的分类能力,识别率由原来的82.59%提高到88.80%。本文提出根据工程应用平台的有效接收频带优化听觉外周模型Gammatone滤波器组的设计,采用阵元级的多通道数据进行分析,侧重于工程应用,解决了多通道数据采集中,由于频带变窄,导致信号的特征信息量下降,进而引起声特征识别性能下降的问题,修正后的听觉模型特征,有效地提高水中目标辐射噪声的识别效果。本文对从事无源声呐目标识别、有源声呐目标识别、带宽受限的多通道声数据采集的时频特性分析研究人员具有一定的参考价值。     

基于VMD-SVD联合降噪的网架结构模态识别北大核心CSCD

为减少测量噪声对网架结构模态识别的不利影响,提出基于变分模态分解(VMD)和奇异值分解(SVD)联合降噪的随机子空间(SSI)模态识别方法.首先,以整体正交系数最小作为优化目标,利用鲸鱼优化算法获取VMD所需的最优K、α参数.基于K、α最优值对响应信号进行VMD后,根据各分量频谱曲线的光滑程度来筛选被激发的有效模态分量.其次,在进一步对有效模态分量进行SVD后,将其叠加以得到降噪后的重构信号.最后,采用SSI法对重构信号进行模态识别.某三自由度体系的仿真分析和某3m×3m平板网架的模型试验均表明,本文方法具有良好的降噪效果,可以筛选有效模态分量和提高模态识别精度.