基于人耳听觉特性的信号显著图计算方法研究

信号的幅值突变往往蕴含着设备的故障信息,为明确产生幅值突变的时频区域,基于听觉系统的信息处理机制,提出了一种信号显著图计算方法。首先,对信号进行带通滤波、相位调整、半波整流等听觉外周处理,然后,提取处理结果的一次或多次包络信息,并对包络信息进行多尺度二维滤波。继而,利用中心-周边差算子得到信号在不同尺度下的局部显著度,最后,对局部显著度进行跨尺度整合和线性合并得到信号的时频显著图和全局显著图。仿真和实验结果表明,该方法适用于振动信号和语音信号,可以清晰表征幅值突变的时频区域,并可抵抗一定的噪声干扰,具有一定的有效性和实用性。     

基于听觉显著图的瞬态振动信号表征方法研究

瞬态振动信号会使信号的幅值与频率结构发生"显著"变化,也是设备故障的重要标志。将听觉显著图方法引入振动信号分析中,并基于瞬态信号的时频分布特征,提出了一种新的听觉显著图计算方法,以用于表征瞬态信号。首先对信号进行带通滤波、包络提取和非线性压缩,继而模拟听神经元的时频感受野特性,进行多尺度二维和一维低通滤波,并对滤波结果进行跨尺度整合,以凸显发生显著变化的时频区域,最后,综合两种滤波整合结果,得到时频显著图和全局显著图。其中,设计了新的二维低通滤波器和跨尺度整合方法。数值仿真和试验验证结果表明,所提方法能够有效表征瞬态信号占据的时频区域,与已有方法相比,在抗噪声干扰、屏蔽稳态背景信号和微弱瞬态信号表征等方面均具有更为良好的性能。     

基于极值点概率密度和听觉模型的滚动轴承瞬态冲击信号提取方法研究

滚动轴承故障的一个重要特点是故障元件会诱发冲击响应振动成分,针对滚动轴承故障振动信号的调制特征和传统分析方法的复杂性,提出了一种基于极值点概率密度和听觉模型的滚动轴承故障特征提取方法。该方法首先使用Gammatone滤波器对滚动轴承故障信号进行带通滤波,相位调整,然后提取每个滤波通道的极值点,计算其概率密度函数并对其求导,通过导数中是否存在向上过零点判断是否存在瞬态冲击成分,继而提取相关的极值点,最后累加提取相关瞬态成分。考虑到滚动轴承振动信号中冲击成分在不同时刻振幅大小不同,分段对信号做处理,能够提取到因振幅较小而被忽略掉的冲击成分。将该方法应用到某型号线切割机床滚动轴承实测振动信号中,实验结果表明该方法能有效提取到滚动轴承故障信号中的瞬态冲击成分。