基于EMD和STFT柴油机缸盖振动信号时频分析

以柴油机缸盖振动信号为研究对象,提出经验模式分解（EMD）和短时傅里叶变换（STFT）相结合的时频分析法。该方法首先利用EMD对缸盖振动信号进行自适应分解,得到一系列本征模态分量（IMF）。根据各分量的特点有针对性地选择高斯窗和汉明窗分别进行STFT,并以时频聚集性指标为目标函数计算各分量的最佳时频分布,最后叠加得到原始信号的最佳时频分布。经对比分析,该方法解决了窗函数及窗宽的选择问题,有效提高STFT的时频分辨率,准确描述柴油机缸盖振动信号的时频分布。     

基于多分辨分析的时频分析

短时傅里叶变换由于采用固定宽度的时域窗，在缓变与瞬变信号共存的宽频带信号分析中，其时间与频率分辨力矛盾突出。采用Mallat算法的小波变换能够将信号正交分解成多尺度的信号分量，然而所提供的时频信息不很直观，难以识别其时频谱。通过对短时傅里叶变换和小波变换在时频分析中的优缺点分析，发现两者具有互补性。因此本文提出基于多分辨分析的短时傅里叶变换（取名为WAVSTFT），即采用Mallat算法将信号分解成多个尺度信号分量，再对各分量分别做与其尺度相适应的短时傅里叶变换，最后把得到的各时频谱在同一个不相平面上叠加，从而得到信号的总体时频构造。经理论分析与实例验证，该方法有效可行，为工程测试中的时频分析提供了一种有效的手段。     

高速摩擦制动界面振动信号时频法分析技术研究

利用MM-1000型摩擦制动试验机进行了高速摩擦制动试验,使用加速度传感器采集了摩擦制动过程中界面轴向与径向振动信号。利用Morlet小波变换对不同制动压力、干湿工况下的振动信号进行分析,结合摩擦制动过程中瞬时摩擦系数变化对高速摩擦制动界面振动行为时频法分析技术进行了研究。结果表明:重采样能够大幅减小计算量且对低频段振动时频分析无明显影响;Morlet小波时频分析比短时傅里叶变换和HHT边际谱具有更好的分辨率,对制动界面振动信号处理效果更好;时频图中的斜率与制动过程中的转速变化相对应,表明高速摩擦制动过程中转速基本呈线性降低;结合时频图与瞬时摩擦系数曲线可以评估高速摩擦制动过程中界面状况变化过程;振动能量主要集中在基频、二倍频和三倍频,超过三倍频部分能量较少。     

高速铁路客车振动特性时频分析

对于高速铁路车辆的振动试验,为克服传统傅里叶分析方法不具备时域信息的不足,引入分析非平稳数据的时频分析方法。针对轴箱和车体的垂向振动信号数据,分别采用传统的快速傅里叶变换(FFT)、短时傅里叶变换(STFT)、小波变换(WT)和希尔伯特黄变换(HHT)进行数据分析处理,并对比各种分析方法的优缺点。对比发现,HHT方法是应用于车辆振动信号处理中的最佳时频分析方法。     

应用时频表示进行结构时变模态频率辨识

本文应用线性和二次时频表示的方法，包括：线性时频分析方法短时傅里叶变换和二次时频表示魏格纳－维尔分布，进行了时变结构模态频率的辨识。通过对刚度连续变化的二自由度系统时变模态频率辨识的仿真，论述了两种时频辨识方法的特点。仿真结果表明时频变换辨识方法是辨识时变模态频率的有效工具，魏格纳－维尔分布二次时频表示能够是到比基于短时傅里叶变换的谱图更好的辨识结果。     

非合作条件下实现跳频信号的跳同步方法研究

针对跳频信号侦察中,在非合作条件下进行信号跳同步问题,提出利用跳信号分段频谱比较分析实现跳频信号跳变时刻同步的方法。实验证明该方法不仅可以有效实现跳频的跳同步,同时克服了跳速率估计精度不足的问题,且方法结构简单易于工程实现。     

摩擦振动时频图像特征提取

针对摩擦振动特征难以有效提取的问题,提出利用连续小波变换（ＣＷＴ）时频谱图像和图像处理技术提取摩擦振动特征参数的方法。运用ＣＷＴ变换绘制６Ｓ５０ＭＣ船用柴油机缸套－活塞环试样摩擦振动信号的时频谱图,再用图像分割技术提取振动特征体及相应的特征参数,探讨特征参数与不同润滑剂润滑条件下缸套－活塞环摩擦振动特性的内在联系。结果表明,随着摩擦磨损过程的进行,摩擦振动信号特征参数出现规律性变化;不同润滑工况下的特征参数呈现出明显的差异,反映了摩擦磨损的状态。振动特征体特征参数能定量刻画摩擦振动信号的特征。     

基于小波时频图与轻量级卷积神经网络的螺栓连接损伤识别

针对目前大型结构螺栓连接状态监测的困难,该文采用声音信号,提出了结合小波时频图与轻量级卷积神经网络MobileNetv2优势的螺栓松动识别方法。该方法通过对采集到的声音信号进行预处理和连续小波变换得到小波时频图,以小波时频图作为样本对轻量级卷积神经网络MobileNetv2进行训练,从而实现螺栓松动声音信号的识别。对一钢桁架模型的室外试验研究表明:该方法能实现对各种环境噪声信号,不同位置、数目和松动程度的螺栓松动声音信号的精准识别;该方法不仅识别准确率高、稳定性好,而且对计算和存储的要求低,便于应用于移动设备和嵌入式设备,为环境激励下大型复杂结构的损伤在线识别提供了新的思路。     

基于时频分析技术的激光超声Lamb波模式识别

利用傅里叶变换、短时傅里叶变换及希尔伯特一黄变换对激光激发的Lamb波进行模式识别,并对分析结果进行比较、分析。结果表明：傅里叶变换和短时傅里叶变换只能识别出能量较大的模式;而利用希尔伯特一黄变换可同时识别出能量较大和能量较小的模式。该研究为激光超声检测技术提供了研究基础。     

水下2点同爆声信号功率谱及时频分析研究

采用Bartlett和Welch方法对2点同爆声信号的功率谱进行了估计,并比较了其与常规水下爆炸声信号功率谱的区别.通过现代谱分析方法求解了其AR参数,最后利用短时傅里叶变换和小波变换对水下爆炸声信号进行分析,揭示了爆炸声能量随频率分布的规律.     

变压器绕组松动的振动实验分析

变压器绕组故障是变压器故障中的重要部分,基于振动信号分析的方法可以实现变压器绕组运行状态的在线测量。阐述绕组的振动机理及传播路径,通过人为设置绕组松动故障,实测负载时不同松紧程度下的变压器油箱表面的振动信号。利用小波变换(WT)、经验模态分解(EMD)和总体经验模态分解(EEMD)三种方法对信号进行处理,并对信号能量熵求解,对比结果发现:针对绕组振动信号,三种能量熵变化规律与100 Hz处幅值均可作为初步判断绕组松动的指标。     

噪声和振动信号的谐波小波时频表示

谐波小波变换的时频表示方法应用于持续时间、带宽和采样率差别很大的多种目标的噪声和振动信号处理当中,将其结果与基于STFT方法的结果进行了比对,并给出了其在不同应用场合的参数。结果表明,谐波小波方法用于信号的时频表示,具有很好的灵活性和突出的性能优点,有较好的应用前景。     

用二维傅里叶变换识别兰姆波模式的研究

本文用二维傅里叶变换信号处理进行了兰姆波模式分析。通过理论计算与实验结果的比较表明,二维傅里叶变换技术能有效地分析识别兰姆波模式。实验中,采用直探用与可变角探头作为超声波换能器做了接收宽带兰姆波信号的对比。     

机械松动现象与故障特性研究综述

松动现象广泛存在于机械系统中,包括基础松动、支座松动及部件间配合松动。为此举例说明了三类松动的故障成因,归纳了国内外研究中常见的几种松动模型,从松动故障的动力学建模、求解方法及其非线性动力学特性等方面,对单一松动、松动-碰摩耦合、松动-裂纹耦合、两端支座松动、质量慢变系统松动与双跨转子系统松动等六类松动问题的研究现状进行了阐述,并简要介绍了松动实验的研究现状。最后,对松动故障研究中的关键问题或进一步研究课题进行了展望。     

基于冲击时频原子的匹配追踪信号分解及机械故障特征提取技术

介绍一种用于匹配追踪信号分解的时频原子——冲击时频原子，它既可以匹配信号中的稳态正弦成分，也可以匹配信号中冲击成分，从而准确有效地获得设备的冲击故障特征和信息，并结合遗传算法以提高计算速度及实用性。计算机仿真结果证实了该方法的准确性，最后将该方法应用于转子实验台的冲击信号特征提取中，证明了该方法的工程实用性和有效性。     

基于小波变换的滚动轴承故障信号分析

借助于实验所用滚动轴承正常运行、单点故障尺寸长度为0.007in(1in=2.54cm)、单点故障尺寸长度为0.014in和单点故障尺寸长度为0.021in 4个状态的数据,通过在Matlab中使用短时傅里叶变换和小波变换工具对滚动轴承正常运转时和滚动轴承内圈滚道有裂纹缺陷时的信号进行处理比较。发现对轴承信号进行短时傅里叶变换处理,并对频率进行归一化处理,结果只能粗略反应信号的频率成分,而对轴承信号做bior 2.4小波变换处理,在时间域与频率域都可以反映,且其具有自适应时频特性。两相比较,基于小波变换的滚动轴承故障信号分析对于滚动轴承故障信号具有较明显优势。     

基于信号时频分解的模态参数识别

给出了基于响应信号Gabor展开与重构的模态参数辨识的时频分析方法。通过响应信号的展开与重构，单频特征振动可从复杂的响应信号中分离出来，由它些特征振动信号可进一步提取系统物模态振动参数。论述了频率、阻尼和特征振型的估计方法以及估计方法对系统响应信号的特殊要求。此方法可适用于平衡、非平衡的响应信号，且无需输入信号，属于环境激励下的一种参数辨识方法。仿真结果说明明频展开与重构方法是模态参数辩识的有效手段之一。     

利用傅里叶变换提取图像纹理特征新方法

研究发现,由图像傅里叶周向谱传统算法得到的频谱分布不能够真正反映其频率特性。因此,根据傅里叶变换的共轭对称性,提出了更具有一般性的长方环傅里叶周向谱能量百分比新算法。该算法均匀地把图像功率谱分成20个等间距同心长方环,计算每一个长方环内功率谱能量占总能量的比值作为图像频率分布特征。实验证明,新算法能更好地反映具有一般性的不同频率图像的纹理特征。在对作物缺乏营养元素诊断识别研究中,新算法提取的特征有效性远远高于传统算法,使识别的准确率达到82%以上。     

基于两被联件振动信号概率密度和PCA的螺栓松动识别方法研究

螺栓松动是一种常见且具有潜在危害的机械故障。考虑到螺栓松动会导致被联接件结合部动力参数发生变化,提出了一种基于两被联接件振动信号的松动识别方法。所提方法首先计算两信号的概率密度,并对概率密度曲线进行网格化处理生成概率矩阵,继而对概率矩阵进行主元分析(PCA),在合并两路信号经主元分析后所得投影矩阵之后,再次进行主元分析和投影。设计了两种识别方式,方式1首先按上述过程进行已知样本训练以得到各松动状态投影点,识别时根据所得投影点与各状态投影点间的欧式距离进行判断;方式2使用螺栓紧固状态时所得样本数据和现场实测数据直接按上述过程进行计算,并根据PCA特性设计了松动判别条件。试验验证表明所提方法能够准确区分不同松动状态,且识别方式2操作简便,无需故障样本,易于实际应用。     

基于压电导纳的钢框架螺栓松动检测试验研究

介绍了基于压电导纳的结构健康监测技术基本原理;利用该技术对钢框架结构进行了螺栓松动检测试验研究。即将三个压电陶瓷片粘贴在钢框架节点处的不同构件表面,通过测量框架节点处各压电陶瓷片在螺栓松动前后电导纳的变化来识别损伤.试验结果发现,位于连接板处的压电陶瓷片对该节点处的螺栓松动最敏感,而与螺栓不直接相连的上斜撑上的压电陶瓷电导纳则几乎不受连接板螺栓松动的影响。分别定义了基于电导纳实部和虚部改变的均方根(RMSDR和RMSDI)作为损伤程度识别指标,对框架节点的螺栓松动损伤程度进行了定性识别研究。通过对得到的RMSDR和RMSDI两种损伤指标值对比发现,基于压电导纳实部信息定义的损伤程度识别指标RMSDR能较好地识别框架节点螺栓松动损伤程度,而基于电导纳虚部定义的识别指标RMSDI则不能正确识别。