一种光学元件表面中频误差提取的新方法

光学元件表面面形误差属于非平稳空间信号,为了在分离光学元件表面各频段面形误差的同时尽可能保留原始信号各频段的细节特征,结合超精密抛光的球面光学元件表面特点,提出一种基于双树复小波变换(dual tree complex wavelet transform,简称DT-CWT)的自适应分离法。利用DT-CWT的多分辨分析、方向性好和良好的时频局部化分析能力等特点,对实测的抛光光学元件表面进行DT-CWT的多尺度分解,并在重构时加入自适应影响因子,成功分离了各频段的面形误差。通过对经DT-CWT直接分离法与DT-CWT自适应分离法得到的高、中、低频面形误差进行参数表征,实验证明基于DT-CWT自适应分离法更为有效地分离光学元件各个频段的面形误差及误差特征,便于后续的识别与评定工作。     

微铣削表面BEMD基准面的三维粗糙度参数研究

针对二维粗糙度评价微铣削表面不够合理、全面等问题,根据微铣削表面三维微观形貌结构特征,提出了一种基于二维经验模态分解算法(BEMD)的三维粗糙度参数体系。该体系采用BEMD算法获取三维粗糙度计算的评定基准面,通过数值模拟的微铣削表面选取适用于评价微铣削表面的三维粗糙度参数。研究结果表明,BEMD基准面能够作为三维粗糙度计算的基准面;与二维粗糙度相比,所选取的9个三维粗糙度参数能够更全面准确地反映微铣削表面的微观形貌特征。     

双树复小波稳健滤波在工程表面粗糙度评定中的应用

讨论了现有工程表面粗糙度评定基准滤波方法的优缺点。提出双树复小波变换(DT-CWT)具有近似的平移不变性和改进方向选择性等优点适合用于三维表面基准滤波,但其滤波过于理想化易导致滤波基准在野点处畸变。为此,进一步提出将空域双边滤波思想引入DT-CWT来增强双树复小波变换在提取基准面野点处的稳健性。通过低频重构得到基准信号,并对每层重构系数进行双边滤波,最终增强DT-CWT滤波基准的稳健性。仿真结果显示:改进的DT-CWT能很好地抑制异常值干扰引起的滤波基准在野点处产生的畸变,其得到的基准面的精度误差为0.183 2×10-10 m,重构误差为0.016 1×10-10 m,低于传统方法所得。对实测数据进行处理结果表明,双树复小波稳健滤波能很好地克服边界效应并抑制工程表面上深沟对滤波结果的影响。提出的方法为工程表面粗糙度评定提供了一种新方法。     

基于经验模态分解方法的圆度误差评定方法研究

针对圆度误差测量过程中因干扰信号影响估计精度的问题,提出基于经验模态分解的圆度误差评定方法。圆度误差测量数据包含多种信号成分,其中圆度误差信息只包含于表面形状误差信号,表面粗糙度误差信号、表面波纹度信号及噪声信号为干扰成分。利用具有数据自适应性的经验模态分解对圆度测量信号进行分解,实现各类信号成分分离;采用信号波数作为各信号成分的分离指标,实现形状误差信号提取,并利用其估计结构圆度误差。通过数值仿真和实例分析验证方法的有效性。     

表面综合形貌误差的灰色分离方法

工件表面综合形貌误差由表面粗糙度、表面波纹度和形状误差等成分组成,各成分对工件的使用性能有着不同程度的影响.各种误差成分的无失真提取是进行表面综合形貌评定的核心和关键.本文将灰色误差理论应用到表面综合形貌评定中,提出了表面综合形貌误差的灰色分离方法,应用灰色动态滤波将表面形貌误差分离为表面粗糙度、表面波纹度和形状误差三项之和.该方法不要求被测表面的原始采样数据服从典型分布,可以对少数据表面轮廓进行误差分离,而且分离过程中不损失原始数据.仿真结果表明,灰色动态滤波是进行表面综合形貌误差分离的有效方法,其误差分离的结果与现行高斯滤波法具有良好的一致性.该方法可以作为国际标准的高斯滤波法的一种补充.     

基于区域法的表面形貌滤波

表面形貌的区域法评定与其二维轮廓评定相比,更能体现表面的真实情况。表面形貌的区域法滤波是对其进行区域法评定的基础。文中对最小二乘平面滤波、多项式曲面拟合滤波和三维高斯滤波3种典型的区域法表面滤波技术进行了算法实现,实测结果表明了所开发算法的准确性。     

壳段厚度激光检测信号的变分模态分解去噪

针对双激光位移传感器测量大型壳段厚度过程中噪声对检测精度的影响,提出利用变分模态分解来实现对厚度信号的自适应去噪,利用相邻固有模态函数之间的离散Hellinger距离来获取最佳的模态数。该方法将变分模态分解算法引入到激光信号的自适应滤波过程中,分析并改进了变分模态分解算法的过分解、欠分解以及能量泄露的问题。然后,对改进的变分模态分解与希伯特振动分解和自适应噪声总体集合经验模态分解进行性能对比,提出了固有模态函数的相对瞬时能量概率的概念。最后,结合离散Hellinger概率分布距离理论判断固有模态之间的信噪分界点,实现了对信号的重构及滤波处理。仿真和实验结果表明,该方法对壳段厚度信号处理的信噪比为39.27dB,比自适应噪声总体集合经验模态分解方法提高了10dB,具有良好的自适应性,无需先验条件便能快速有效地识别并分离激光信号中的噪声成分。     

基于剪切波的三维零件表面滤波方法

滤波是零件表面形貌评定的重要内容之一。随着三维表面测量技术的快速发展,传统的滤波方法已不太能适应三维表面的分析与评定,鉴于此,提出了基于剪切波的零件表面三维滤波方法。该方法以高清测量得到的三维表面数据为输入,使用一种新的多尺度几何分析工具—剪切波(Shearlets)进行滤波。对该方法进行仿真和实例验证,并与ISO 11562规定的高斯滤波器进行比较分析。结果表明,剪切波滤波能很好地将不同的表面成分分离开来。     

小波滤波及奇异性分析在三维表面形貌评定中的应用

在机械加工领域,表面信息对于表面加工的指导作用至关重要。相对于表面二维信息,三维表面结构信息更能充分反映加工表面的实际特征,是热点研究问题。由于测量仪器的机械传动系统和测量环境等震动因素的存在,接触式测量方法得到的表面信号往往包含震动带入的误差信号,而这些信号存在其自身特点——奇异性特征。目前,小波变换是用于信号处理的有效工具。为透彻分析表面信号并剔除震动误差信号,本文介绍了通过小波变换对奇异信号进行检测的原理,并且给出了具体算法。在实验中利用该方法对表面测量信号进行预处理,并用小波滤波将表面结构分解得到粗糙度尺度轮廓,对其三维典型参数进行了计算,并与高斯滤波得到的粗糙度评定参数进行了比对。计算和比对表明小波奇异性分析是有效的,可得到更加合理的评定结果。     

基于改进自适应局部迭代滤波的谐波检测方法研究

针对大量非线性负荷及电力电子设备广泛应用导致的电力系统谐波成份非平稳性和复杂性日益突出,难以识别和检测的问题,在引入自适应局部迭代滤波算法的基础上,提出了基于改进自适应迭代滤波与希尔伯特变换的谐波检测方法。改进自适应迭代滤波算法利用Fokker-Planck方程构建滤波函数,经滤波筛选获取具有平稳特征的本征模态分量,具有坚实的数学基础,且能够有效地避免经验模态分解算法存在的模态混叠问题。首先利用改进自适应迭代滤波算法分解得到周期分量,对各分量进行Hilbert变换,提取包括频率、幅值、相位在内的谐波特征参数。测试信号及实测数据分析结果证明了所用方法的有效性,与经验模态分解的对比结果充分验证了本方法在电力系统谐波检测中的强适应性。     

基于改进谐波小波包分解的滚动轴承复合故障特征分离方法

为解决滚动轴承单通道振动信号中复合故障特征难以分离的问题,提出了基于改进谐波小波包分解的轴承复合故障特征分离方法。首先,改进了二进谐波小波包分解方法,提出了连续谐波小波包分解方法,克服了信号分解后子带个数和带宽范围受二进制划分的缺陷;然后,采用谐波窗分解提取信号中频率成分集中的频段,根据轴承各单点故障特征频率确定分解层数,进行连续谐波小波包分解,利用能量算子包络解调得到子带信号中各个单点故障的权重因子;最后,重构轴承各单点故障信号,实现复合故障的特征分离和提取。对仿真信号和实测轴承内、外圈复合故障信号分析的结果表明,该方法能将轴承单通道复合故障信号分解到不同的通道中,实现了复合故障特征的分离,具有一定的工程实用价值。     

Application of EEMD and improved frequency band entropy in bearing fault feature extraction

Ensemble empirical mode decomposition (EEMD) is widely used in condition monitoring of modern machine for its unique advantages. However, when the signal-to-noise ratio is low, the de-noising function of it is often not ideal. Thus, a new fault feature extraction method for rolling bearing combining EEMD and improved frequency band entropy (IFBE) is proposed, i.e., EEMD–IFBE. According to the problem of multiple intrinsic mode functions (IMFs) generated by EEMD, how to select the sensitive IMF(s) that can better reflect fault characteristics, a novel method based on FBE for sensitive IMF is proposed. In addition, since the bandwidth parameter is set empirically when the band-pass filter is designed based on the original FBE, a novel bandwidth parameter optimization method based on the principle of maximum envelope kurtosis is proposed. First, the original vibration signal is subjected to EEMD to obtain a series of IMFs; Then, the FBE values are obtained for the original signal and each IMF component, and the bandwidth of the band-pass filter (empirically) is designed as the characteristic frequency band at the minimum entropy value, and the affiliation between the characteristic frequency band of each IMF and the characteristic frequency band of the original signal is compared, and then selecting the sensitive IMF(s) that reflects the characteristics of the fault; Third, due to the influence of background noise, it is difficult to accurately obtain the fault frequency from the selected IMF(s). Therefore, the band-pass filter designed based on FBE is used, and the bandwidth parameter is optimized based on the principle of envelope kurtosis maximum, and then the selected sensitive IMF is band-pass filtered. Finally, the envelope power spectrum analysis is performed on the filtered signal to extract the fault characteristic frequency, and then the fault diagnosis of the bearing is realized. The method is successfully applied to simulated data and actual data of rolling bearing, which can accurately diagnose fault characteristics of bearing and prove the effectiveness and advantages of the method.     

基于多分辨率奇异值分解的表面滤波方法

针对目前表面滤波方法中存在边界效应、缺乏多尺度性和最优小波函数选择等问题,在一维多分辨率奇异值分解(MSVD)的基础上,构造出二维MSVD,并提出基于MSVD的表面滤波方法。该方法具有多尺度性,不存在边界效应,并且不需要选择小波函数。仿真实验和实测表面数据表明,该方法与目前表面滤波方法的滤波效果相一致,适用于表面工程的评定。     

Correlating motif analysis and morphological filters for surface texture analysis

In contrast to the mean-line based evaluation system, motif analysis and morphological filters are two techniques oriented to the characterization of functional properties of surfaces. The motif combination procedure is consistent with the functionality of the morphological closing filter that insignificant peaks on the profile are suppressed. By linking the functionality of the structuring elements with motif combination criterions, morphological envelopes are computed efficiently. Reversely the morphological closing filter coupled with horizontal line-segment structuring elements with lengths equivalent to the motif limits for roughness and waviness provides an alternative for motif analysis. The proposed morphological method has a sound mathematical basis and is stable. An example of applying the empirical motif method (ISO 12085) and the morphological method is demonstrated. The motif parameters resulted from two methods reveal that they coincide with each other. Thus two distinct function oriented methods for surface texture evaluation are technically correlated by mutual exploitation.     

基于Hilbert-Huang变换与理想带通滤波器的系统识别

针对经验模态分解存在模态混叠现象,提出基于Hilbert-Huang变换与理想带通滤波器的系统识别方法。该方法利用傅里叶变换得到结构加速度响应频响函数,粗略估计固有频率范围,通过半功率带宽法设计理想带通滤波器,定量化确定通带带宽,使信号在经过滤波器后频域内零相移,同时不改变其幅值谱。结构响应通过指定频带的理想带通滤波器产生若干窄带信号,利用经验模态分解获取结构模态响应,经Hilbert变换构造模态响应解析信号,并通过线性最小二乘拟合提取结构模态参数与物理参数。结果表明:半功率带宽法可实现带通滤波器频带的定量化设计,理想带通滤波器的零相移特点较好契合Hilbert-Huang变换用于系统识别的要求,两者结合可有效地解决模态混叠现象,减少虚假模态,大大提高结构系统识别精度。     

基于经验模式分解和互信息的多模态图像配准

基于互信息的配准方法是目前多模态图像配准研究中的热点.提出了一种基于经验模式分解后剩余图像和互信息的多模态图像配准方法.首先通过理论分析得出通过求解剩余图像之间的变换参数即可获得原始图像之间的变换参数,从而论证了二维经验模式分解(BEMD)应用于多模态图像配准的可行性,然后给出了图像配准方法的实现步骤.典型多模态图像配准实验结果表明此方法与传统互信息法和基于小波分解结合互信息的方法相比,旋转角度估计误差可以降低1个数量级,缩放参数的估计误差也有很大降低.表明该方法获得了更高的配准精度.     

磨损表面的稳健高斯滤波评定方法研究

磨损表面形貌的评定方法，对于磨损表面状态评定、摩擦特性的分析有着重要的作用，而表面形貌数据的滤波方法，是评定方法中的关键组成之一。采用Tukey、Hampel、IGGI和QC 4种典型稳健权函数分别与高斯滤波结合组成的稳健高斯滤波方法，对由实验得到的黏着磨损和磨料磨损盘表面采集的数据进行稳健滤波分离;通过由稳健高斯滤波与标准高斯滤波得到的三维磨损表面低频基准面的对比分析，以及从磨损表面滤波分离出的高频评定参数的影响分析，研究稳健高斯滤波的滤波稳健性和滤波效率；从滤波后的高频功率谱密度分布特性方面，进一步探讨滤波的稳健性；讨论磨损表面形貌数据中特异值与磨损特征的关系。研究表明：Tukey和Hampel稳健高斯滤波具有良好的滤波稳健性，能有效地分离磨损表面的低频评定基准和包含磨损特征的高频信息；而磨损特征主要分布在高频信息的低频段区间，其功率谱密度函数与表面磨损状态及其摩擦学特性相关。     

小波包原理在滚动轴承声发射检测技术中的应用

详细分析了小波滤波原理。在大量实验分析和理论分析的基础上，提出了使用基于特征频率的小波滤波方法。从而解决了由噪声引起的检测故障滚动轴承误判的问题，并为下一步的信号特征提取打下了坚实的基础。     

型面3维误差分离理论与应用

针对3维型面采用误差矩阵和误差矢量表示方法，建立3维误差模型。对傅立叶变换的分频特性进行了理论分析，采用傅立嚅变换方法对3维误差进行分析，并进行了实践验证，实现对3维误差模型的频率分离，获得周期误差的幅一频信息，采用2维滤波与滤波器处理技术进行频率误差信息提取，从而实现有用信息的提取，为误差的可补偿研究提供补偿依据。     

基于DT-CWT自适应Teager能量谱的轴承早期故障诊断

针对滚动轴承早期故障特征信息难以识别以及带通滤波器参数设置依赖使用者经验等造成共振带不能有效确定并自适应提取的问题,提出了频带幅值熵的概念。在此基础上,将双树复小波变换和Teager能量谱结合,提出了基于双树复小波自适应Teager能量谱的早期故障诊断方法。首先,利用双树复小波将采集到的振动信号分解为不同频带的子信号,并计算各子带的频带幅值熵;然后,将熵值按升序排列后依次作为阈值,提取频带幅值熵大于阈值的子带,依据峭度指标确定最佳阈值,从而自适应并且有效地提取出共振带;最后,对共振带进行Teager能量谱分析,即可从中准确地识别出轴承的故障特征频率。通过信号仿真与实验数据分析验证了该方法的有效性。