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。     

FT细化校正阶次全息谱分析方法

针对变转速下阶次全息谱分析精度不高问题,提出FT细化校正阶次全息谱分析方法。用基于三次样条插值的阶次跟踪对转子时域非平稳信号进行等角度重采样获得角域平稳信号;用FT细化校正法精确计算出各阶次幅值及相位信息,由幅值、相位信息求出阶次全息谱参数;据计算结果获得阶次全息谱图。通过仿真及转子实验台信号分析表明,该方法能精确获得阶次全息谱图,且能准确根据FT细化校正阶次全息谱图判断旋转机械转子的故障种类。     

基于分数阶傅里叶变换的邻近阶比分离研究

提出了一种基于分数阶傅里叶变换（Fractional Fourier Transform, FRFT）的邻近阶比分离方法。根据变速器输入轴转速信号及传动比确定FRFT最佳阶次,对变速器升速过程振动信号进行最佳阶次FRFT,在该分数阶域分离邻近阶比分量,并对分离出的单分量信号进行阶比分析。试验结果表明,根据转速信号确定FRFT最佳阶次,准确、快速、鲁棒性好,并具有自适应性;最佳阶次的FRFT能准确分离提取邻近阶比分量,对分离出的目标阶比分量进行单分量分析,能有效解决邻近阶比胶合问题。     

一种基于阶比域的AR模型盲辨识算法

摘要：结合阶比分析和现有时序模型盲辨识方法各自的优点,提出了一种基于阶比域的AR模型盲辨识算法。该方法是将时域采样所得的非稳态信号按等角度重采样,从而得到阶域中的稳定信号,对其建立AR模型进行盲辨识。该方法继承了现有的时序模型盲辨识方法的所有优点,同时克服了现有时序模型盲辨识方法在处理非平稳信号的不足。仿真结果表明,该方法是有效的,可很好地处理非平稳信号。     

阶次跟踪在齿轮磨损中的应用

研究旋转机械在变速过程中振动信号的分析方法。在利用B＆K3560多分析仪对齿轮箱加速时测得的振动信号进行时域采样的基础上,利用样条插值算法进行角域重采样得到等角度分布的采样点,并对其进行阶次跟踪分析。结果显示出阶次跟踪分析法在处理转速变化信号时的优越性：能够有效地避免传统频谱方法所无法解决的“频率模糊”现象,对齿轮箱的早期故障有一定的识别能力。该方法是对传统的频谱分析法的有力补充,具有很广阔的应用前景。     

基于倒阶次谱分析的齿轮故障诊断研究

针对齿轮箱升速过程中振动信号非平稳的特点，将常规的倒谱分析技术与阶次谱结合，提出了倒阶次谱的齿轮箱故障诊断方法。首先对齿轮箱升降速瞬态信号进行时域同步采样，再对时域信号实行等角度重采样，转化为角域平稳信号，最后对角域重采样信号进行倒谱分析，就可提取齿轮的故障特征。通过对齿轮齿根裂纹和齿面磨损故障实验信号的分析，表明该方法能有效地诊断齿轮的故障。     

一种基于改进阶次包络谱的滚动轴承故障诊断算法

针对变转速工况下滚动轴承故障特征的提取问题,提出了一种基于滤波定阶理论的改进阶次包络谱分析方法。该方法在包络解调后,先对信号进行低通滤波,在确定计算阶次跟踪(COT)的重采样频率并进行重采样后,再对重采样后的包络曲线进行离散傅里叶变换得到阶次包络谱。通过仿真信号和实验数据对该算法进行验证,结果表明:该算法适用于变转速工况的轴承故障诊断,和传统阶次包络谱算法相比,该算法为角域重采样中重采样率的设置提供了一种方法,可以有效避免阶次混叠现象和降低重采样率。     

基于阶次包络谱的轴承故障诊断研究

研究旋转机械在变速过程中振动信号的分析方法。在利用B＆K3560多分析仪对齿轮箱加速时测得的振动信号进行时域采样的基础上，利用样条插值算法进行角域重采样得到等角度分布的采样点，并对其进行阶次跟踪分析，在此基础上利用Hilbert包络解调得到轴承故障信息的阶次包络谱。结果显示阶次包络谱分析法在处理轴承转速变化信号的优越性：能够有效地避免传统频谱方法所无法解决的“频率模糊”现象，对轴承的早期故障有一定的识别能力。该方法是对传统的频谱分析法的有力补充，具有很广阔的应用前景。     

基于阶次跟踪和HHT边际谱的轴承故障诊断研究

提出一种研究旋转机械瞬态信号的分析方法。对齿轮箱启动时测得的原始振动信号进行角域重采样，然后对角域里的信号进行EMD（Empirical Mode Decomposition）分解得到多个IMF（Intrinsic Mode Function）分量，最后对各个IMF分量进行了边际谱分析。结果显示：阶次跟踪技术能够有效地避免传统频谱方法所无法解决的“频率模糊”现象，EMD方法能够将稳态信号分解为多个IMF分量，边际谱能够对轴承故障进行准确诊断。将两种方法相结合是对传统的频谱分析法的有力补充，具有很广阔的应用前景。     

基于谱峭度的滚动轴承故障包络阶比跟踪分析

通过对旋转机械变速运行工况的齿轮箱振动分析研究,提出一种基于谱峭度的滚动轴承故障包络阶比跟踪分析方法。该方法利用旋转机械运行过程中滚动轴承故障引起的冲击性振动会激起其周围结构共振的原理,应用谱峭度方法自适应地确定优化的共振解调带通滤波中心频率和滤波带宽,进而通过共振解调算法获得包含轴承故障初始阶段振动特征的包络信号,再将变速工况下的非平稳包络信号通过等角度重采样转化为角度域的准平稳信号,进而获得消除了频率模糊的阶比谱,实现对旋转机械变速运行工况下的滚动轴承故障诊断。仿真和测试试验结果验证了本方法的有效性。     

一种新型的滤波器组在水声应答器中的应用

针对某型水声应答器中处理信号频带变宽,信号中叠加了多个频率分量以及实时性要求高的问题,提出一种基于频域信道化技术的滤波器组方法。首先给出该滤波器组的理论推导,并对滤波器组进行加窗处理,给出了FFT的长度和移动重叠点数等参数对该滤波器组的影响,最后进行了数值仿真,并进行了湖试试验数据处理。结果证明该方法可有效解决信号的信道串漏问题,验证了该滤波器组的正确性和可行性。该方法通过对信号信道化处理,减小了滤波处理的运算量,提高了数据的信噪比,便于后续的目标检测。该滤波器组算法简单、易实现、运算量小,在水声应答器信号处理中有一定的工程借鉴价值。     

基于卡尔曼滤波的STFT域回声抵消算法

提出了一种低复杂度的短时傅里叶变换域卡尔曼滤波算法来解决声学回声抵消问题。首先在短时傅里叶变换域建立了基于频域卷积传递函数的观测方程,并利用一阶马尔科夫模型对频域回声路径进行建模,给出了精确的卡尔曼滤波方程,并讨论了过程噪声和观测噪声的估计问题。为降低算法计算复杂度,提出了低复杂度卡尔曼滤波算法。另外,在更新滤波器时加入远端信号邻近频点的信息来进一步提高回声抵消性能。实验结果表明,所提算法对近端干扰不敏感,不需要额外的双端对讲检测算法,且比传统的频域自适应滤波算法具有更快的收敛速度。     

基于谱峭度与变分模态分解的转子微弱不对中故障诊断

针对噪声干扰下转子微弱不对中故障特征难以提取的问题,提出一种谱峭度与变分模态分解的转子故障诊断方法。该方法首先利用谱峭度(Spectral Kurtosis)滤除信号背景噪声以强化故障特征相关信号分量,然后通过变分模态分解(Variational Mode Decomposition,VMD)将转子振动信号分解为一系列本征模态分量并对各分量进行频谱分析,提取转子的故障特征。将该方法应用到转子不对中故障实验数据中,结果表明,该方法能有效提取出转子微弱不对中故障特征,并且结果要优于基于谱峭度与经验模态分解(EMD)方法的分析结果。     

基于改进空间滤波器的复合材料结构损伤成像方法

为降低Lamb波在复合材料结构中传播时存在的频散现象和各方向传播特性的不一致性给损伤监测带来的困难, 提出一种利用Hilbert变换改进的空间滤波器对复合材料结构损伤进行成像的方法。分析了基于空间滤波器的信号合成成像原理, 在此基础上利用Hilbert变换构造传感器时域响应信号的解析信号参与到信号合成成像过程中。通过对仿真声源的成像实验, 验证了该方法的可行性, 通过对碳纤维复合材料板结构上激励源和损伤的成像实验, 验证了该方法的功能。研究表明该方法能够识别损伤相对于压电传感器阵列的角度位置和损伤散射信号的到达时刻。      

基于EMD的神经网络空耦超声储油罐液位检测

由于仅从信号时域幅值的大小信息虽然能够判断储油罐中不同介质的液位,但是获得的特征信息非常有限,为获得更多储油罐中不同介质信号的特征信息来提高液面识别率,针对储油罐罐壁厚度为5 mm的钢制储油罐为对象,采用空气耦合超声兰姆波同侧相向检测法,并使用A0模态对储油罐进行检测.利用经验模态分解(EMD)对采集储油罐中的不同介质...     

基于MMSE和谱峭度的滚动轴承故障诊断方法

共振解调作为滚动轴承常用的故障诊断方法,存在带通滤波器参数难以确定的缺点,针对此缺点以及滚动轴承早期故障信号信噪比低的问题,结合最小均方误差估计方法(MMSE)和基于谱峭度的共振解调方法,并将其应用于滚动轴承早期微弱故障诊断中。首先用MMSE方法抑制白噪声来提高信噪比,然后利用谱峭度自适应确定最优带通滤波器参数,最后对带通滤波后的信号进行能量算子解调谱分析,得出诊断结果。数字仿真信号和实验信号验证了该方法的有效性。     

基于EEMD和共振解调的滚动轴承自适应故障诊断

本文为解决滚动轴承原始振动信号信噪比低以及带通滤波器参数选择依赖于人的主观经验等影响传统共振解调技术有效应用的问题,提出了EEMD自适应消噪和自适应共振解调相结合的方法。论文首先利用EEMD自适应地将信号分解成多个分量,通过互相关系数方法进行自适应重构以突出故障特征信号,然后利用谱峭度自动确定带通滤波器的中心频率和带宽,最后对滤波后的信号进行能量算子解调谱分析。数字仿真信号和滚动轴承实验证明了该方法的有效性。     

差分振子时间历程在微弱调制信号检测中的应用

单一的差分振子仅可实现对周期信号中某一频率成分进行检测,对于强噪声背景下的边频带,尽管可以利用多个差分振子组成差分阵列进行逐个检测,进而确定边频带的间隔,但这种做法无疑会带来巨大的计算量。在对调制信号进行Hilbert变换包络分析时,所得到的时域信号是原始调制信号中的低频分量,亦是调制波信号,若该低频分量仍然包含较强的噪声成分,传统的频谱分析将会失效。此时,我们可借助差分振子时间历程对含较强的噪声的包络进行检测。因此,提出基于差分振子时间历程的微弱调制信号检测方法,即首先对信号进行Hilbert包络解调,然后利用差分振子时间历程对含较强的噪声的幅值包络进行检测,并成功应用于风机早期故障检测中。     

基于盲源分离的运动想象脑电信号特征提取方法的研究

运动想象脑电信号被广泛应用于脑机接口系统中。针对如何准确有效地提取运动想象脑电信号特征的问题,通过分析运动想象脑电信号时域、频域和头皮空间域的特征,提出了以小波变换为预处理,并利用二阶盲辨识算法和信息论特征提取算法相结合获取的空间滤波器,从时域、频域和头皮空间域对运动想象脑电信号进行特征提取的方法。实验结果表明,采用时域、频域和空间域提取特征的方法性能有明显提高,并且将二阶盲辨识算法和信息论特征提取算法相结合获取的空间滤波器能够反映更真实的大脑源活动。     

改进经验小波变换的齿轮箱故障诊断新方法与应用

针对经验小波变换在频谱划分时检测的边界过于集中在频谱中幅值较大频率段的问题,对经验小波变换在频域内利用检测极大值来进行频谱划分的方式进行研究,提出基于频谱趋势的改进型经验小波变换,利用仿真信号和汽车座椅水平驱动器振动信号进行测试。研究结果表明,该方法能够使啮合频率及其谐波与边频带作为一个模态被分解出来。通过对分量信号进行Hilbert变换解调分析,实现对齿轮箱故障的定位。