一种基于自适应形态提升小波的车轮踏面擦伤识别新方法

结合列车轴箱与车轮振动关系以及轨道激扰对列车振动的影响,分析了通过周期性冲击响应提取车轮踏面擦伤的可行性;通过对高速列车轴箱振动模型的分析,提出采用改进的自适应形态提升小波(IAMGLW)对列车轴箱垂向振动信号分析的方法;实测轴箱垂向振动信号的分析结果证明了IAMGLW对分析高速列车轴箱振动信号的有效性。与自适应形态提升小波(AMGLW)相比,IAMGLW通过前置滤波以及对梯度阈值的改进使其能够有效地保留一定梯度范围内的冲击响应,滤除幅值较大的随机冲击且抗噪能力强。同时该算法只涉及加、减和比较运算,计算简单、快速,可应用于车轮踏面擦伤的在线监测与诊断。     

车轮踏面擦伤识别方法

为研究车辆车轮踏面擦伤的动态检测及识别方法,建立车辆轨道耦合动力学模型及车轮擦伤模型,计算车辆动态响应;通过改进的经验模态分解（Empirical Mode Decomposition,EMD）、Hilbert-Huang变换（HHT）分析方法研究正常车轮与擦伤车轮引起的轴箱垂向振动特征,对比不同深度、长度车轮擦伤的Hilbert谱间差异及车辆运行速度对Hilbert谱影响;用小波包（Wavelet Package,WP）变换对擦伤程度定量判断。研究结果表明,该方法能有效对车轮踏面擦伤进行识别,且不受车速影响。     

基于小波模极大值模糊熵的遥测振动信号异常检测

针对遥测振动信号频域成份复杂、非平稳非线性和强噪声特性,提出一种基于小波模极大值模糊熵的遥测振动信号异常检测方法。首先对采集到的遥测振动信号进行零漂修正和趋势项消除;然后对经预处理后的振动信号进行一维连续小波变换,计算所有尺度空间中的小波模极大值序列;最后将原信号及其小波模极大值序列的模糊熵构成的特征向量输入到SVM分类器,根据模糊熵的变化情况对遥测振动信号进行异常检测。实测数据验证了该方法的有效性。     

轨道局部缺陷动态检测冲击特征定位比较法

利用前后车轮相继冲击轨道局部缺陷特点,提出轨道局部缺陷车载动态检测新方法。即对车速积分确定车轮旋转一圈对应的起止时刻,用该起止时刻去截取对应时间历程前后轴箱垂向加速度,对截取信号作频率切片小波变换提取信号的时频特征,将时频特征时间轴变换为车轮弧长位移轴,实现冲击特征车轮圈内定位,在车轮连续旋转三圈内定位特征中,比较前后轴箱加速能量峰位置,建立轨道局部缺陷动态检测模型。经动力学仿真数据对该方法及模型的有效性验证结果表明,该方法精准性好、可靠性高,具有一定工程适应性。     

车轮不圆顺动态检测的时频特征圈内定位比较法

利用车轮旋转中车轮不圆顺循环冲击轨道的特点,提出一种车轮不圆顺车载动态检测的新方法。该方法的核心是：对车速积分确定车轮旋转一圈对应的起止时刻,用该起止时刻去截取对应时间历程的轴箱垂向振动加速度,对截取信号作频率切片小波变换提取信号的时频特征,将时频特征图的时间轴变换为车轮弧长的位移轴,在车轮旋转一周内实现时频特征定位,通过比较连续不同起止时刻的时频圈内定位特征来检测车轮的不圆顺。应用带有车轮不圆顺的动力学仿真数据对该方法的有效性进行了验证,结果表明：该方法实时性好,准确性高,具有良好工程适应性。     

小波变换轮廓术中小波尺度的一种快速确定方法

从传统的小波变换理论出发,给出了小波变换轮廓术的基本原理和实现算法,对连续小波变换轮廓术中小波尺度选择进行深入分析,探讨了条纹信号相位和条纹信号的连续小波变换模极大值之间的内在联系,为小波变换轮廓术中小波尺度选择提供一种快速确定方法.利用该方法进行实验验证,试验结果证实了该方法的可行性.     

基于CEEMDAN–MPE算法的地铁短波长钢轨波磨识别

针对地铁钢轨波磨检测效率低、准确率低等问题,提出一种基于自适应噪声完备集合经验模态分解–多尺度排列熵的地铁短波长钢轨波磨识别方法。首先采用自适应噪声完备集合经验模态分解（CEEMDAN）方法将轴箱振动加速度信号逐级分解为多个不同特征时间尺度相对平稳的固有模态函数（IMF）;引入多尺度排列熵（MPE）分析各IMF在不同尺度上的熵均值,计算各IMF的相关系数,然后将随机程度较大或信噪比较低的分量剔除,计算剩余IMF的能量值及总能量值,通过设定阈值判断是否存在钢轨波磨,最后对能量值超过阈值的分量进行小波包时频分析,提取振动中心频率确定钢轨波磨波长。结果表明：（1）基于CEEMDAN–MPE算法可通过轴箱振动加速度准确识别短波长钢轨波磨及发生区域;（2）该方法在识别短波长波磨的准确性上优于EEMD能量值和小波包能量熵方法,并且能够较为准确地提取短波长波磨不平顺导致的振动响应,便于针对波磨的波深做进一步分析。     

基于MEEMD和GA-SVM的列车车轮多边形故障识别方法

根据列车车轮振动信号的非平稳特性,提出一种基于改进的集合经验模态分解(MEEMD)和遗传算法支持向量机(GA-SVM)的诊断方法,用于识别车轮多边形故障。该方法对车轮轴箱垂向振动信号进行MEEMD分解,依据各固有模态函数(IMF)分量的峭度值和能量值选取出主要IMF分量。利用希尔伯特变换求取主要IMF分量的包络谱,并计算包络谱熵。将包络谱熵值归一化后作为特征向量输入GA-SVM中进行训练和识别。对实测信号进行分析的结果表明该方法能有效识别出车轮多边形故障,识别准确率可达到95%。     

基于最大坡度法提取非平稳信号小波脊线和瞬时频率

提出一种基于最大坡度法的非平稳信号小波脊线提取和瞬时频率识别新方法。该方法首先对非平稳响应信号进行连续复Morlet小波变换,其时间轴、小波尺度轴及小波系数模值构成一个三维坐标系（x, y, z）;其次从预先设定的小波脊线初始点出发,在一定范围内进行搜索,并分别计算其在时间-尺度平面（x-y）的距离、z方向的距离及小波脊线的坡度值。最后,求解位于最大坡度方向上的各空间点并将其连接成线即为所求的小波脊线。采用三个非平稳信号数值算例和一个拉力时变的拉索试验验证了最大坡度法的有效性,并与基于小波系数模局部极大值的脊线提取方法、动态规划法及瞬时频率理论值进行比较。数值模拟和试验结果表明,该方法能够有效提取非平稳响应信号的瞬时频率,且识别精度优于基于小波系数模局部极大值和基于动态规划的小波脊线提取方法。     

基于信号奇异性分析的轴承故障检测方法

针对轴承振动信号利用小波单奇异点检测无法克服噪声影响的不足,提出利用小波模极大值分析信号奇异性变化进而进行轴承故障检测的方法。实验中对信号的模极大分形指数,模极大分形指数熵,Lipschitz指数以及Lipschitz指数熵等奇异特征进行分析比较,实验结果表明这些特征都能有效克服噪声影响实现故障检测,但模极大曲线数最能体现故障特征且检测效果最好。将该方法同基于小波包能量谱特征和小波单奇异点检测的方法进行比较,结果表明本文建议的方法在检测时间及检测率上都有显著提高。     

模式自适应小波构造与添加及其在爆破振动信号分析中的应用

小波分析中所用到的小波基既不是任意的也不是唯一的,同一信号使用不同的小波基进行分析时会产生不同的结果,如何解决适合爆破振动信号特征的小波基构造、添加及其实现等问题,始终是困扰广大研究者的难题。针对爆破振动信号具有持时短、突变快等特点,通过对从实测微差爆破振动信号中分离出的子信号进行模式自适应匹配,构造与实测爆破振动信号波形相似度高的小波基函数,然后将该爆破振动信号小波基添加到MATLAB小波分析工具箱中,并用于对微差起爆延时间隔的精确定位,结果表明所构造的模式自适应连续小波具有良好的应用效果,从而为爆破振动信号分析在实际工程中的应用提供了参考。     

基于小波的非线性结构系统识别

提出了一个基于小波变换的方法用于非线性结构系统识别。采用复Morlet小波,对非线性结构自由响应信号进行连续小波变换,根据小波系数模极大值的方法提取小波变换的脊线和小波骨架。提取的小波脊线和小波骨架被用来识别结构的瞬时频率和振幅,得到非线性结构的骨架曲线。为降低噪音的影响,采用一个基于奇异值分解（SVD）的方法对识别的结构进行处理。最后通过一个具有非线性刚度结构的数值模拟验证了该方法的有效性。     

滚动轴承振动信号的小波奇异性故障检测研究

该文以滚动轴承振动信号为分析对象 ,基于小波奇异性分析原理进行滚动轴承故障检测新方法的研究。通过求解待测信号的小波变换极大模来检测和识别信号中奇异点位置和奇异性大小 ,以及对噪声极大模的抑制处理 ,达到抑制或消除噪声的目的 ;最后 ,在剩余小波极大模的基础上进行信号重构 ,展现原待测信号中的故障信号模式。通过对铁路货车车轮用滚柱轴承振动信号的分析表明 ,此方法在大幅度地提高信噪比的同时 ,对由轴承损伤冲击造成的信号突变仍保持了较高的灵敏度和分辨率。为滚动轴承故障检测打下了良好的基础。     

高速列车脱轨监测关键算法研究

基于轨道不平顺检测技术的发展,根据轮轨几何关系脱轨理论,设计一种能够工程实施的脱轨监测方案,采用轮轨横向、垂向相对位移近似替代轮对接触点位移和车轮抬升量来判断列车脱轨。针对测控方案中关键参数轴箱振动位移测量困难、测量误差大的问题,使用卡尔曼滤波设计一种估计算法,实时计算轴箱横向、垂向位移;观测噪声方差变化会导致卡尔曼滤波发散,采用小波变换在线估计噪声方差,提高卡尔曼滤波算法鲁棒性。仿真表明:该算法能够通过加速度信号精确计算轴箱振动位移,误差在10%以内,为高速列车脱轨在线监测提供一种思路。     

基于小波变换与Lipschitz指数的桥梁损伤识别研究

针对连续小波变换与Lipschitz指数在识别信号奇异性上的优越性,以裂缝模拟桥梁损伤,提出基于小波变换与Lipschitz指数的损伤识别方法。对损伤结构位移模态进行小波变换,用小波系数灰度图及模极大值轨迹图进行损伤定位,并用Lipschitz指数评价损伤程度。理论推导裂缝梁的Lipschitz指数范围,并数值计算验证该方法识别结构裂缝损伤的有效性。考察Euler梁及Timoshenko梁、不同程度损伤、多位置损伤、稀疏测点布置及噪声测试等多种因素对损伤识别效果影响。     

基于小波分析的高层建筑气动阻尼评估方法

将小波分析应用到结构风工程领域,介绍了一种基于小波分析的高层建筑气动阻尼评估方法,该方法不仅适用于单自由度高层建筑气弹模型的气动阻尼比识别,而且适用于多自由度高层建筑气弹模型的气动阻尼比识别.运用改进的随机减量技术(IRDT)对一多自由度高层建筑气弹模型风洞试验数据进行分析,得到顺、横风向顶部加速度的随机减最特征信号(RDS),然后对该特征信号进行连续的复Modet小波变换,最后计算得到该高层建筑顺、横风向侧向振动的一阶气动阻尼比,并且总结出其变化规律.     

基于小波和奇异值理论的西安钟楼模态参数识别

在对国家重点文物保护单位西安钟楼进行强噪声环境激励下振动监测的基础上,应用自然激励法采用不同测点的传感器记录的加速度信号的互相关函数代替系统的脉冲响应函数,选取适当的小波函数、小波尺度、中心频率和带宽频率对互相关函数进行小波分析,并根据小波变换系数的模的相角和对数导数识别频率和阻尼比信息,实现了基于小波和奇异值理论的方法对西安钟楼模态参数进行识别,并对识别结果进行对比分析,验证基于小波和奇异值理论的方法识别古建筑木结构模态参数的可行性,为古建筑的保护和研究工作提供参考。     

基于时变模态振型小波变换的结构损伤识别方法

结构损伤是一种非线性发展过程,会导致结构模态参数的变化,因此可以通过时变模态振型特征识别损伤状况。对结构的响应信号进行小波变换,提取当小波系数模出现局部极大值时的尺度参数,利用这些尺度参数识别结构的瞬时频率。选取特定尺度参数,对结构各个节点的信号进行小波变换,将信号解耦到只含某一阶模态,通过小波系数的比值进行归一化处理,从而得到结构的瞬时振型。对结构瞬时振型差做小尺度的小波变换,通过小波系数的实部出现极大值的时间及其出现的位置识别出结构的损伤时间与损伤位置,通过极大值的大小判断损伤程度。应用一个悬臂梁和斜拉桥数值算例,证明该方法不仅能准确识别结构发生损伤的时间,而且能高精度、高效率地识别结构损伤位置和损伤程度。     

基于WTMM的爆破振动信号奇异性分析

为更细致的研究爆破振动信号中携带的能反映场地特征和爆破特征的重要信息，首先进行了完整场地、减震沟和预裂缝条件下的爆破振动试验，在获得的试验数据的基础上，运用小波变换模极大值（WTMM）方法对试验数据进行分析处理，得到了如下结论。小波变换模极大值线能够延伸至最小细节尺度处，模极大值的变化反映了此尺度时信号能量的变化趋势；由小波变换模极大值曲线图可以看出，该爆破试验场地上的爆破振动信号在lba（a为小波变换尺度）为4．5—6．0的范围内具有稳定的李氏指数，并且该指数能够很好地刻画爆破地震波携带的场地特征等奇异性信息；Lips—chitz指数曲线图较为直观地反映了爆破场地的差异，同时得到了三种条件下的李氏指数分别为-3．69～-1．88、-3．54～-1．71、-4．14～-1．58，验证了减震沟比预裂缝有更好的减震效果。     

基于自适应多小波与综合距离评估指数的旋转机械故障特征提取

旋转机械设备故障诊断主要包括信号采集、特征提取和故障识别,而特征提取是进行故障诊断的基础和保证诊断结果正确的关键,为了提高特征参数对故障的敏感性,提出了基于自适应多小波与综合距离评估指数的旋转机械故障特征提取方法。该方法以综合距离评估指数最大值为目标函数,利用遗传算法从CL3自适应多小波库中选择最优多小波,并将该最优多小波用于转子振动信号的特征提取。通过对正常、不对中、不平衡、碰摩四种设备状态下采集的振动信号进行特征提取,并将所提出的方法和传统特征提取方法提取的特征参数输入到K-最邻近分类器进行分析,结果表明,所提出的方法能够大大增强特征参数对故障的敏感性,获得更高的故障诊断准确率。