基于经验模态分解的超声波管外测压信号去噪

在超声波管外测压中,回波信号往往受到噪声的干扰,所以在提取信号特征时,需对回波信号进行去噪。提出了一种基于经验模态分解（EMD）的超声波信号去噪方法,首先利用EMD求出信号的本征模态函数（IMF）,然后通过对比分析,利用反映信号主要特征的模态分量对信号进行重构以实现去噪。实验结果表明,该方法能够有效地去除噪声,提高超声回波信号的信噪比。     

自适应滤波与相关滤波在冲击响应信号特征提取中的应用

识别冲击响应信号在模态分析和机械监测诊断研究中具有重要意义。由于噪声成分、工频及其谐波的干扰，机组运行或其他实际信号中的冲击响应信号很弱。这些冲击响应信号的特征也较难提取。选择适当的自适应滤波器参数，应用自适应滤波首先对信号进行预处理，去掉强大的工频及其谐波成分，使信号的信噪比得到很大的提高；然后利用Laplace小波相关滤波法对自适应滤波预处理后的信号进行进一步的处理，提取其模态信息。结果证明，将这两种方法结合后的信号特征提取效果是比较理想的。     

基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。     

结构损伤识别中噪声的模拟

在有限元仿真的结构振动信号上施加不同水平的噪声,采用随机子空间法,分别从各种噪声水平的信号中提取结构的模态参数。以无噪声信号得到的模态参数为标准值,计算了各信号噪声水平下模态参数的误差,得到了信号噪声水平与模态参数噪声水平的对应关系,给出了模拟模态参数噪声的方式。通过损伤识别算例,考察了识别效果对信号信噪比的要求。     

集合经验模态分解的稳健滤波方法研究

为了消除野值和噪声信号对观测数据的影响,给出一种基于集合经验分解的具有稳健性的滤波算法：首先用滑动中值滤波算法剔除原始数据中的野值,然后采用集合经验模态分解算法,抑制数据中的噪声。数值仿真和实际工程应用表明,该方法不仅能剔除野值,抑制信号中的噪声,提高信噪比,还能够有效消除模态混叠问题,将被测信号中不同的频率成分独立分解在不同的固有模态函数中,从而得到更清晰的时频分布,有利于实际数据处理中的信号分析和故障诊断。     

计及噪声激励的模态参数识别方法

对结构进行模态分析时,若被测结构同时存在人工激励和环境噪声激励,充分利用噪声响应可以得到更优结果。基于无参数噪声模型,提出一种计及噪声激励的试验模态参数识别方法。由谱分析法计算出噪声响应的自谱-互谱矩阵,然后根据Hilbert变换理论估计出仅噪声响应的类频率响应函数。将该函数用于扩充基于人工激励估计出的频率响应函数矩阵,并使用多参考点最小二乘复频域法识别出结构模态参数。采用弯扭二自由度机翼模型仿真算例和飞机模型实测算例,对该方法的可靠性进行了验证。将所提方法与传统方法比较,结果表明:该方法更可靠、参数识别更准确。     

基于VMD的噪声信号去噪源分离

针对噪声信号分析中的欠定盲源去噪问题,基于变分模态分解(Variational Mode Decomposition,VMD)、主成分分析(Principal Component Analysis,PCA)和去噪盲源分离(Denoising Source Separation,DSS)各自的优点,提出一种基于VMD和PCA的欠定去噪源分离方法 (QVMD-PCA-DSS)。所提方法首先通过第一次VMD分解得到窄带本征模态分量(Band-Limited Intrinsic Mode Function,BIMF),根据BIMF分量的PCA特征值梯度获得最优VMD分解参数,解决VMD参数选择问题,故称作二次估计型可变微分模态(Quadratic-estimates Variational Mode Decomposition,QVMD),然后使用基于QVMD分解得到的BIMF分量来解决盲源分离中源信号数据不足的问题,再根据PCA特征值选择模型估计源信号数量,最后应用DSS进行源信号估计。数据仿真证明,所提QVMD-PCA-DSS方法可以准确估计源信号,与传统方法相比,基于新方法所得估计源信号与源信号更为接近。将该方法应用于内燃机车司机室噪声测试分析中。结果表明,该方法可以自适应解决欠定盲源去噪问题,对降噪分析与噪声分析具有重要的工程意义。     

前后向时间序列模型联合估计的时变结构模态参数辨识

为提高时变结构模态参数辨识精度和抗噪声能力,提出一种前后向泛函向量时变自回归滑动平均（FS-VTARMA）时间序列模型联合估计的模态参数辨识方法。首先建立前后向FS-VTARMA模型联合估计的均方误差形式的费用函数,其次引入非平稳信号中前向模型和后向模型估计系数的近似共轭关系,再利用两步最小二乘法（2SLS）得到时变模型系数,最后把时变模型特征方程转换为广义特征值问题提取出模态参数。利用时变刚度系统非平稳振动信号验证该方法,结果表明：能有效地克服前向模型估计中模态参数一步延迟以及起始时刻无法准确获得,以及后向模型估计中模态参数一步超前以及终止时刻无法准确获得的缺点,具有更高的模态参数辨识精度和更强的抗噪声能力。     

基于长程泄漏补偿的迭代插值FFT方法及应用

针对传统频域插值傅里叶变换参数估计精度低的问题,在分析频谱泄漏产生原理基础上,提出适用于多频信号的高精度频域迭代插值方法。该方法先利用传统插值法估算信号各频率参数,然后利用信号的估计参数值计算泄漏补偿因子,并用补偿因子重新计算信号各频率参数,最后通过多次迭代实现所需的计算精度。通过对方法的估计结果进行噪声干扰敏感性分析、参数变化对估计精度影响及对方法敏感性分析结果表明,在噪声干扰与长程泄漏明显情况下,所提方法仍具最好估计精度及稳定性,且收敛速度快,可作为改进信号参数估值精度的可选方法。对IC芯片封装中引线键合过程数据处理与分析结果表明,所提方法能较好抑制长程泄漏影响,提高参数估计精度。     

基于小波分析联合VMD的超声信号去噪方法研究

超声信号在空气中传播效率低、气固界面耦合时透射率差,且易受到接收电路固有噪声和材料晶粒散射噪声的影响,导致接收的信号信噪比低。针对这一问题,结合小波分析“信号显微镜”的优点和变分模态分解(VMD)在窄带谐波信号提取方面的优势,提出一种基于小波分析联合VMD的超声信号去噪方法,并且对小波的阈值做改进,以减少信号的损失。利用改进阈值的小波分析对信号预处理,实现信号和噪声的初步分离,然后用VMD分解信号,提取所需频带的分量,对小波处理的结果进行优化,达到最终去噪的目的。实验数据表明,处理后的超声信号与原始信号相比,SNR平均提高1.84 dB,MSE减小34%,改进阈值后时域峰值损失减少7%,信号能量损失减少13%。该方法去噪彻底,有用信号保留完整,为超声信号的去噪提供新思路。     

随机子空间识别在悬索桥实验模态分析中的应用

为了从大型悬索桥的脉动实验结果得出精确的结构动力特性,以便进行结构的抗风、抗震研究和实时监测,本文利用随机子空间系统识别方法对虎门悬索桥进行了模态分析。这种时域识别方法基于状态空间模型,仅利用结构输出反应,避免了传统的人工识别和迭代过程,但必须利用稳定图形确定模型阶数。同有限元数值计算结果作比较后可看出,该法能识别出10个频率在0.5Hz以下的自振频率,并且可得到较好的结构阻尼,说明随机子空间系统识别方法是分析大型桥梁脉动实验特征参数的有力工具。     

多变量AR建模方法在工作模态参数辨识中的应用

对于一些大型工程结构,有时很难甚至无法测量结构的输入信号,只能利用实测的响应数据进行工作模态识别.针对这一实际工程情况,首先利用工况下结构的响应数据作相关分析,继而对相关分析后得到的多组数据构造多变量自回归(AR)模型,依据逐步最小二乘法和准则函数优化思想确定模型阶次和估计模型参数,并由模型参数矩阵的特征值分解确定结构的工作模态参数,最后利用TH6350大型镗铣加工中心主轴系统进行试验验证,结果对比表明,这种方法不仅能够有效提取结构动态特性参数,而且还能提供有关激励和结构振型的信息.     

试验模态分析技术的进展

本文对试验模态分析技术的进展,特别是80年代发展起来的有关新技术进行了综合评述。主要内容有:试验激振技术、频响函数估计方法、试验测试设备、以及各种模态识别方法,包括单输入/多输出和多输入/多输出识别的时域和频域方法。文中强调了试验模态分析技术各环节之间的相互联系、相互影响,对于80年代已成为模态识别主流的多输入/多输出各种方法(包括作者发展的几种方法),用统一方法作了描述。最后提出了若干值得进一步研究的方向。     

轮胎振动特性实验研究

利用振动实验模态分析的方法,建立了自由悬置状态下轮胎的振动特性模态测试与分析系统,通过轮胎径向激振测试信号的数据处理与分析,提取了各阶的频率及其径向模态振型,分析了轮胎的模态参数随充气压力变化的规律,为实验方法的研究和轮胎结构设计及车辆的动力性能分析提供指导。     

大跨圆拱屋盖结构的风致响应分析

大跨屋盖特征值问题的求解是结构动力响应分析中最繁琐的一个环节，而且一些对结构响应贡献较大的高阶模态容易在传统的模态叠加法中被忽略。本文以典型的大跨圆拱屋盖为例，将里兹向量直接叠加法应用于屋盖系统特征值问题计算和风致响应分析，其特点是在误差逼近的基础上自动生成一组正交的里兹向量并用于缩减系统自由度数。与传统模态叠加法算得的结果相比，里兹向量直接叠加法只用很少数目的向量就可以得到较精确的结果，而且高阶模态的贡献不会被忽略。该方法不仅大幅度地减少了机时，而且提供了动力分析的误差估计。     

运用小波分析方法进行结构模态参数识别

结构的模态参数反映了结构自身特性，是基于动态特性的结构损伤识别和健康评估的重要因子。本文首先介绍了环境激励下基于小波分析的模态参数识别方法，针对土木工程结构的前几阶自振频率处于低频区域以及环境激励下结构响应信号信噪比很低的特点，着重论述了采用小波方法抑制原始测量信号中的高频成分（即噪音），从而突出结构低频特性的降噪处理方法的基本原理。通过比较传统傅里叶变换、短时傅里叶变换和小波变换三种方法对一实际高层建筑结构现场测试信号的处理结果以及有限元分析结果，认为小波分析方法可以更精确、更有效地识别工程结构的模态参数。     

幅度-相位联合检测法在多波束测深系统中的应用

幅度蛳相位联合检测法是传统多波束测深系统海底检测法的发展方向,它充分利用了幅度和相位信息,能大大扩展测量范围,提高测量精度。文章对该方法的具体应用进行了研究,在确定信号粗略到达时间时采用了一种自动跟踪门方法,同时针对相位检测法实时处理数据运算量大的特点,提出了一种数据压缩与动态滑动平均相结合的数据预处理方法,该方法大大减小了运算量,其有效性通过方差分析进行了验证。数据处理结果表明,采用了自动跟踪门和数据预处理相结合的幅度蛳相位联合检测方法可明显扩展多波束测深系统的条带宽度。     

一种用实验模态数据识别结构系统支承刚度的新方法

本文给出了一种直接利用在系统可测自由度上获得的不完全模态参数识别结构系统支承刚度的方法。本文详细地给出了方法的理论推导过程和识别求解的计算方法,整个识别过程采用迭代求解的方式有效地克服了测量误差和模态截断的影响。算例表明本文方法简便,能合理地利用实验数据,结果可靠,具有实际应用的价值。     

结构物理参数识别的多尺度参数卡尔曼滤波方法

经过正交小波变换后,低尺度上测量信号的信噪比提高。应用小波变换将结构的激励信号和响应信号分解到不同尺度上,得到不同尺度上结构的状态方程和测量方程,结合动力学系统辨识的参数卡尔曼滤波方法,提出了结构物理参数的多尺度参数卡尔曼滤波辨识方法。理论分析和数值算例表明:在多尺度上对结构参数进行辨识比在单一尺度上辨识能获得更高的精度。     

基于应变模态响应重构的损伤识别方法EI北大核心CSCD

土木结构的损伤识别技术对提升结构可靠性与安全性具有重要意义,也是土木结构健康监测研究中的热点问题。现有的损伤识别方法往往需要识别模态参数,或者需要准确获取结构外部载荷信息,极大限制了相关方法在实际工程中的应用。为克服现有方法的局限性,该文将结构动态响应重构方法引入到损伤识别中,提出了基于应变模态响应重构的损伤识别方法。构建结构健康状态的有限元模型,以损伤结构测量的信号输入,通过基于经验模态分解的应变重构方法,可以获取使用无损伤模型的结构全局模态响应。以传感器采集的模态响应和重构模态响应的差异作为有限元模型修正的依据,通过应变模态比值构建的传递率的灵敏度矩阵进行迭代运算,求得损伤位置及损伤程度。该方法无需获取结构的外部激励信息,通过高效的时域应变重构,能够在少量测量信号下实现对结构损伤的精确识别。为验证该方法的准确性和高效性,开展了连续梁单一损伤和多损伤识别研究,探讨了测量噪声和模态阶次选取对识别结果的影响,结果表明,该方法能够准确、高效识别不同程度的损伤,对测量噪声具有较强的鲁棒性。