轨道顶面纵向不平顺度的测量

测量轨道顶面纵向不平顺对监测轨道磨损及评价打磨效果具有重要作用。将轨道顶面纵向轮廓视为二维波形,提出一种测量该波形的简便方法。将时域内离散加速度采样信号通过两次积分和傅里叶变换,得到了波形的空间频谱。通过一个简单的算例验证了此方法的准确性。根据此方法,对实际测量得到的加速度信号进行了处理,得到了一段实际轨道的不平顺谱。该方法操作简单,适用性强,应用范围广,对检测轨道顶面状况具有重要的现实意义。     

基于VMD和Choi-Williams分布的齿轮故障诊断

针对当前机械故障自适应时频分析存在模态混叠和时频分辨率低的问题,提出一种变分模态分解(Variational Mode Decomposition,VMD)和Choi-Williams分布(Choi-Williams Distribution,CWD)相结合的齿轮故障诊断方法。首先参考VMD分解后各分量的中心频率,确定模态分量个数,将采集到的齿轮故障信号分解为指定个数的多个单分量有限带宽固有模态分量(Band-limited Intrinsic Mode Functions,BLIMFS);然后结合峭度(Kurtosis,K)和互相关系数(Cross-correlation,CC)准则,去除虚假分量,筛选出真实的,包含丰富故障特征信息的模态分量;最后将筛选出的多个模态分量进行CWD时频分布表示,结合时频域表现出的频率与等时冲击特性,识别出齿轮故障特征。通过齿轮断齿故障仿真和实验分析,以及与EMD-WVD方法的应用效果对照,验证了文中所论方法的有效性和适用性。     

Wigner-Ville分布复小波相似性评价及应用

针对常规特征量对轴承早期故障不敏感问题,基于不同状态下振动信号时频分布的结构差异,融合WignerVille时频分析和复小波变换的优点,提出了基于复小波变换的Wigner-Ville时频分布相似性评价指数(WignerVille distribution-complex wavelet structural similarity,简称WVD-CWSS),实现时频分布相似性的定量评价,并用于轴承早期状态评估。首先,对振动信号进行Wigner-Ville时频分布;其次,进行复小波变换,获取不同状态下的二维时频分布结构相似性复小波指数;最后,对滚动轴承全寿命试验数据进行了对比试验。结果表明,所提取的WVDCWSS特征对滚动轴承的早期损伤更敏感。     

二维非负矩阵分解在齿轮故障诊断中的应用

针对齿轮故障信号时频分布识别问题,提出采用二维非负矩阵分解技术提取时频分布矩阵特征参数的方法。采用S变换技术将齿轮故障信号变换至时频域,为克服传统的一维非负矩阵分解对矩阵向量化带来的维数过高和结构信息损失问题,提出采用二维非负矩阵分解技术直接对信号时频分布矩阵提取特征参数。对齿轮5种状态下信号时频分布矩阵的特征提取和分类结果表明,二维非负矩阵分解技术无论在计算效率还是分类精度上都明显优于一维非负矩阵分解技术。     

HT边际谱-马氏距离在轨道不平顺分析中的应用

通过HHT边际谱提取铁路轨道不平顺频率结构信息,对具有相同运营条件的铁路轨道不平顺HHT边际谱进行聚类分析,形成适合描述不同运营速度及影响铁路安全、舒适运行动力学指标的轨道不平顺边际谱标准(特性)矩阵,建立轨道不平顺HHT边际谱-马氏距离模型,可用于铁路线路运行速度判别及对不平顺中存在的严重影响铁路安全、舒适运行的铁路路段进行宏观判定。     

二进小波振动检测中低频保相的二次变换处理

信号在二进小波分解中相位产生变化,特别是低频段,直接影响信号检测结果的频域分析。在分析二进小波变换的低频移相特性后,提出了二进小波二次变换的理论方法,论述了其可行性,并通过多频信号小波分解细节图示给出了任何一层二进小波分解使相位后移90°的说明。通过线性多频和非线性两个实例分析,验证了振动信号的二进小波二次变换的相位保持能力。     

利用时频变换识别睡眠EEG中的基本模式

本文提出了一种基于时频变换识别睡眠EEG中基本模式的方法。首先从信号处理的角度，对国际上普遍采用的睡眠EEG分阶规则进行了分析，指出了利用功率谱方法分析睡眠EEG的不足。通过利用CWD（Choi-Williams）分布对一段EEG信号进行时频变换，得到该段EEG信号在各个时间上的频率分布，称其为一种瞬时频谱。通过检测这种瞬时频谱中的谱峰，并提出按照高频优先原则，识别相应时间里的EEG信号的基本模式。     

基于Hilbert-Huang变换的轨道车辆轴箱加速度信号分析

轨道不平顺是影响列车快速、安全运行的重要原因,同时轨道不平顺所引起的列车轴箱加速度变化能够反映轨道不平顺的状态信息。通过希尔伯特-黄变换(Hilbert-Huang transform,HHT)对采集到的列车轴箱垂向加速度进行分析,利用HHT能够准确地描述非线性、非平稳信号的时变特征,分析轨道不平顺引起轴箱加速度变化的主要特征频率分布。对轴箱垂向加速度信号EMD分解后时频分析,能够有效地对轨道存在的不平顺位置进行定位,实现轨道区段内一定程度的短波不平顺检测。     

瞬变信息提取与机器诊断

机器的二次信号往往因机器故障产生大量的冲击、摩擦以及运行转速的不稳定、负荷的变化导致非平稳信号的产生.对非平稳信号分析,付氏变换效果不佳,需要研究这类信号的局部时频特征,提取瞬变信息方能准确地诊断.本文介绍处理非平稳信号的新型工具——小波分析、短时付氏变换两种时频分析方法.最后用小波分析、短时付氏变换和付氏变换对机器的实测振动信号进行分析.说明了小波分析、短时付氏变换作为时频分析方法对处理非平稳信号比付氏变换优越.     

基于时频分析的移频轨道交通信号检测方法

针对传统方法对交通信号检测时,由于未能提取交通信号的时频特征,导致信号检测时存在检测精度低、检测误差大和噪声频率不稳定等问题,提出基于时频分析的移频轨道交通信号检测方法。首先利用时频分析法对移频轨道交通信号的时频特征进行提取;再基于提取的信号时频特征,利用信号的概率密度函数获取交通信号的信号双谱;最后利用卷积神经网络分类处理有双谱的交通信号,实现信号检测。实验结果表明,该方法检测信号时,检测精度高、检测误差小,以及噪声频率稳定。     

轿车八自由度平顺性动力学仿真与实验研究

建立了轿车八自由度平顺性动力学模型,推导了八自由度轿车模型拉格朗日方程,并应用仿真软件MATLAB/S imu link建立了轿车平顺性的仿真模型,对驾驶员座椅、副驾驶员座椅和后排左侧座椅的垂直加速度信号进行了仿真,得出了频域内的仿真结果,并与实验结果进行了对比。     

非定比传动机械的计算阶次分析

研究非定比传动旋转机械非稳态信号的分析方法。由于可以避免传统频谱分析的“频率模糊”现象,阶次分析方法常被用来分析转速不稳定的机械信号。对传动比不确定的机械系统进行信号分析时,由于系统中存在不同的轴频,单一的阶次分析将难以满足要求,需进行多轴阶次分析。文中介绍多轴阶次分析的计算方法,对等时间间隔采样的信号,利用插值算法实现角域重采样,并在此基础上实现计算阶次分析。实例证明该方法可以在阶次域内将与不同轴频相关的信号进行分离,有效识别系统工况。     

参量声源自解调信号失真研究

针对参量声源自解调信号失真问题,根据"Berktay远场解"对其进行了理论分析,并通过实验对理论分析结果进行了验证,发现:"Berktay远场解"对自解调信号中的基频、差频可以较准确地预测,而对导致信号失真的主要因素如二次谐波、和频等的预测误差很大,不能作为失真分析的精确依据;差频不是导致参量声源自解调信号失真的主要原因,降低失真的有效途径是减小自解调信号中二次谐波、和频分量,从而使有害频率成分的数量及幅值得到有效抑制。本项研究揭示了导致参量声源自解调信号失真的主要因素及其变化规律,可为参量声源信号处理方法的研究提供有益参考。     

转轴横向裂纹诊断的扭振监测法

对调相信号进行解调,提取相位调制信号,可得到扭振信息。用最大熵谱检测扭转转频的二次分量大小和变化,对转轴组件的裂纹进行诊断。     

基于同步压缩广义S变换的发动机故障诊断

为提高发动机故障诊断准确率,提出了基于同步压缩广义S变换（synchrosqueezing generalized S?transform,简称SSGST）与中心对称局部二值模式（center?symmetric local binary patterm,简称CSLBP）的故障诊断方法。首先,针对信号时频分析中的能量泄露、频谱涂抹、频带混叠和时频分辨率较低的问题,基于同步压缩算法与广义S变换提出了SSGST,对缸盖振动信号进行时频分析得到时频聚集性较高的二维时频图;然后,利用CSLBP提取缸盖振动信号时频图的纹理谱特征,并将其输入交叉验证寻优的核极限学习机对发动机进行故障诊断。实验结果表明,SSGST的能量聚集效果好,时频分辨率高,各频带分布较窄且不存在混叠,能够有效分离出非线性混合信号中的各频带分量;时频图的CSLBP纹理谱特征维数较低,且具有良好的类内聚集性和类间离散性;利用交叉验证寻优的KELM对故障特征进行分类,实现发动机故障诊断,获得了较高的诊断速度和精度。     

基于卡尔曼滤波和数学形态学分形分析的齿轮箱故障诊断

针对传统信号时频分析方法不适用于处理非平稳信号的问题,利用齿轮箱时域振动信号建立系统的AR模型,采用最小二乘法计算模型参数,利用AIC信息准则确定系统阶次,并构建状态空间模型进行卡尔曼滤波降噪。用数学形态学分形维数计算方法计算滤波后信号的分形维数,并将其应用到实际齿轮正常、齿面磨损、齿根裂纹和断齿信号的分析中。对实测信号分析结果表明,基于卡尔曼滤波和数学形态学分形分析方法能够有效识别齿轮故障类型,为齿轮箱故障诊断提供一种新的特征提取方法。     

基于低次故障特征阶比系数的变转速滚动轴承等效转频估计算法

基于时频表达的阶比跟踪算法能够帮助实现变转速旋转设备的故障诊断而不依靠转速计的帮助。然而,滚动轴承振动信号的时频表达却因缺少明显且易提取的转频成分使得该算法无法得到应用。为此,引入瞬时故障特征频率作为滚动轴承的等效转频,并提出基于低次故障特征阶比系数的估计算法对其进行提取。根据转频的变化范围确定基本滤波带宽并沿频率轴构造一组带通滤波器对原信号进行带通滤波。计算各带通滤波结果的包络时频谱并提取相应的等效转频趋势线。利用等效转频趋势线对相应的滤波结果进行重采样并计算故障特征阶比包络谱。将各阶比包络谱中与一、二、三次故障特征阶比相对应的幅值之和作为标准确定最优滤波带宽与相应的等效转频趋势线(瞬时故障特征频率趋势线)。利用该趋势线对原始信号进行故障相角域重采样,所得结果故障特征阶比包络谱即可用于滚动轴承的故障诊断。仿真算例和应用实例证明了该算法的有效性。     

D触发器实现差频的输出特性分析

在对频率输出的传感器测量中,经常碰到的一个问题是如何高精度测量由测量参数引起的小频率增量问题。许多研究使用D触发器得到待测的可变频率和参考的固定频率的差频。通过理论分析,对D触发器用于差频时的输出特性进行了研究。结果表明：即使两输入信号的频率固定,D触发器差频输出的周期不唯一。如果一个时钟信号周期的误差不影响到测量精度,D触发器可作为两信号的差频器件。实际应用时,参考信号的频率应大于待测信号频率的最大值,并将其接在“CLK”端。     

基于导波频散特征的超声导波模态识别方法

针对超声导波检测应用中模态识别难的问题,提出一种基于导波频散特征的模态识别方法。通过估计导波信号的频散量来识别导波模态,而导波的频散量与该模态导波波数在激励频率处的二次泰勒展开系数有关。根据导波信号的频散特点,构造带时间斜变的Chirplet匹配原子库,基于该Chirplet原子库,对导波信号进行匹配追踪分解,并算得该导波信号波数在激励频率处二次泰勒展开系数的最优估计值,再根据预先算得的各模态导波的波数-频率频散关系,区分导波信号的不同模态。数值模拟和试验验证都表明,该导波模态识别方法是准确且有效的。而该方法的不足之处是尚不能识别混叠严重的导波信号。研究结果有助于提高人们对复杂导波检测信号的解析能力,并推动导波检测技术的推广应用。     

一种基于多通道卷积神经网络的小齿轮轴裂纹诊断方法

分析现有轨道车辆小齿轮轴故障诊断的技术特点,提出一种基于多通道卷积神经网络的小齿轮轴裂纹诊断方法。对轨道车辆电机输出端附近的振动加速度信号进行短时傅里叶变换,得到二维时频复数矩阵。将二维时频复数矩阵拆解成多通道后,压缩到统一大小,输入到CNN中训练获得诊断模型。通过小齿轮轴实测信号验证了本文方法的有效性与泛化能力,诊断精度高达98%,优于单通道二维时频矩阵变换后输入到CNN模型。该方法为小齿轮轴裂纹故障诊断提供了新途径。