基于VB和MATLAB编程的TOFD信号处理系统

应用一种基于经验模态分解(EMD)的信号处理方法,对超声TOFD检测回波到达时间进行识别。介绍了VB和MATLAB软件混合编程方法在该TOFD检测信号处理中的应用,尤其是使用MAT-LAB ActiveX对象的混合编程技术在该系统中的应用。给出了成功开发的TOFD信号处理系统的例子,设计了数据采集卡硬件控制程序和采用了先进的基于EMD的Hilbert-Huang变换进行信号分析处理。     

基于集合经验模态分解的超声检测信号处理

提出基于集合经验模态分解(EEMD)的超声无损检测信号处理方法.此方法在信号重构时,采用分量信号与原始信号之间的相关系数进行特征选取,可以有效地抑制模态混叠现象.通过仿真与实测信号的验证,集合经验模态分解方法更适用于超声无损检测信号的处理.     

基于改进HFHA EMD和双相关系数准则的液压泵特征提取方法研究

为了更有效地提取液压泵振动信号的特征,提出基于改进高频谐波加入-经验模态分解(High Frequency Harmonic Added-Empirical Mode Decomposition,HFHA-EMD)和双相关系数准则的液压泵特征提取方法。该方法首先采用幅值更大的高频谐波加入到振动信号进行EMD分解,得到一组本征模函数(Intrinsic Mode Function,IMF);然后计算各IMF分别与高频谐波和振动信号的相关系数,选取符合条件的IMF重构振动信号;再对重构信号进行包络解调,得到包络谱;最后,以包络谱各频带能量占总能量的百分比构造液压泵振动信号的特征向量,结合支持向量机判断液压泵的运行状态.实验结果表明,改进HFHA-EMD有效抑制了模态混叠现象;同时,双相关系数准则准确去除了与故障无关而保留了与故障相关的IMF,为液压泵特征提取打下坚实的基础。     

基于IMF和预测滤波的轴承故障诊断方法

针对滚动轴承早期故障信息难以提取的问题,提出了基于固有模态函数(IMF)和线性预测滤波的诊断技术。首先,通过经验模态分解(EMD)把振动信号分解成一系列的固有模态函数。根据包络频谱相关信息提出了一种固有模态函数重构方法,将故障信息敏感的固有模态函数重构为一个新的信号。然后通过线性预测滤波加强重构后信号的冲击故障信息,最后利用信号的功率谱有效的展现了轴承的故障频率特性。通过实测滚动轴承信号对该方法进行了验证,结果表明该方法能准确的检测滚动轴承故障。     

火箭发动机包覆层测厚时间延迟估计算法研究

用超声测量火箭发动机包覆层厚度时,当包覆层较薄时检测回波信号会出现时域混叠。为此提出一种时间延迟估计的新方法。该方法能对修正的检测信号能量谱的对数微商求逆傅里叶变换。实验结果表明,该方法能准确估计出时域混叠信号的延迟时间。提高了火箭发动机包覆层厚度测量精度。     

基于自适应滤波的超声杂波抑制方法

在超声衍射时差(time of flight diffraction,TOFD)法检测获取的回波中,作为固定存在的侧向直通波信号会导致近表面缺陷信号不易于识别. 针对这一问题,提出一种基于自适应滤波技术的杂波信号抑制方法. 该方法通过迭代滤波器自身参数,调节参考信号以满足待处理回波中杂波的时基抖动变化要求,并予以去除,从而分离出与其混叠的近表面缺陷信号. 阐明了基于自适应滤波技术的杂波信号抑制原理,并利用所提方法对计算机仿真信号及人工缺陷检测回波进行了杂波抑制处理. 结果表明,所提方法可有效滤除超声TOFD法检测回波中具有时基抖动特性的杂波信号,并提取近表面缺陷信号.     

基于EEMD的相关排列熵的滚动轴承故障诊断

针对滚动轴承振动信号非线性、非平稳难以有效诊断的问题,提出了一种集合经验模态分解的相关排列熵的滚动轴承故障诊断方法。利用集成经验模态分解方法将振动信号分解为多个本征模函数,结合排列熵和相关系数进行特征提取。并通过滚动轴承故障实验验证了结合相关系数和排列熵方法在特征提取时的有效性和互补性,同时有效抑制了重构信号的模态混叠问题,并根据重构信号的包络谱分析完成了滚动轴承故障诊断。通过仿真和实验验证了本方法的有效性。     

基于EEMD-FSK的滚动轴承故障诊断

为了解决轴承故障特征提取中经验模态分解(EMD)出现的模态混叠现象,提出一种集合经验模态分解(EEMD)、快速谱峭度选频和共振解调技术相结合的滚动轴承故障诊断方法。对原始振动信号进行EEMD处理,分解为多个本征模态函数(IMF);将符合峭度准则的IMF分量筛选出来,对其进行信号重构,对重构信号进行快速谱峭度计算得出快速谱峭度图,从图中选出最优频带中心和带宽,确定FIR带通滤波器设计参数;最后通过共振解调技术对滤波信号进行包络分析,得出包络谱确定滚动轴承故障特征信息。通过滚动轴承实验分析,验证了此方法的可行性。     

自适应多尺度形态差值滤波及其在液压泵故障诊断中的应用

针对经验模态分解在机械信号处理中的缺陷,介绍了变分模态分解的方法,并将其引用到机械信号处理中。将变分模态分解应用于振动信号,得到一组模态,筛选与故障相关的敏感模态进行包络功率谱分析。采用仿真信号和实际滚动轴承信号对该方法的有效性进行检验,证明变分模态分解法可以准确检测出滚动轴承故障。     

变分模态分解及其在轴承故障分析中的应用

针对经验模态分解在机械信号处理中的缺陷,介绍了变分模态分解的方法,并将其引用到机械信号处理中。将变分模态分解应用于振动信号,得到一组模态,筛选与故障相关的敏感模态进行包络功率谱分析。采用仿真信号和实际滚动轴承信号对该方法的有效性进行检验,证明变分模态分解法可以准确检测出滚动轴承故障。     

基于CEEMD的冲击回波分析方法研究

冲击回波法检测混凝土结构缺陷过程中由于存在面波和噪声干扰,反射层纵波难以从频谱特征直接识别出来。针对该问题,本研究将完备集成经验模态分解（CEEMD）方法引入冲击回波检测信号分析中,提出基于CEEMD冲击回波信号分析方法。通过对模拟和实验的冲击回波信号分析和研究,结果表明:CEEMD方法从冲击回波信号分解出的特征模态函数IMF1~IMF10,中间模态IMF5、IMF6的频谱反映出混凝土内部缺陷位置和板厚信息,据此频谱能准确确定内部夹层缺陷位置和混凝土板厚。CEEMD方法能分离面波和噪声干扰,可作为处理冲击回波信号的一种常规方法。     

基于EMD-AR谱频带能量特征的故障特征提取方法研究

通过将经验模态分解（EMD）和AR功率谱参数估计模型相结合,提出一种基于EMD-AR谱估计提取频带能量特征的方法。对振动信号进行经验模态分解,并将分解后能量占比较大的前几组固有模态函数分别进行AR谱估计得到EMD-AR谱曲线;按照频带对EMD-AR谱曲线分段并分别对每一段的能量进行求和,归一化后作为特征值。搭建齿轮箱故障试验平台,采集振动信号进行EMD-AR谱频带能量特征提取,并将所得特征值输入到SVM中进行训练和诊断。结果表明：该特征提取方法结合SVM所得到的故障诊断模型具有较高的识别准确率,能够有效、准确地进行诊断识别。     

漏磁信号处理中的经验模态分解和能量法阈值

漏磁检测信号通常受多种噪声源污染.为了降低漏磁检测信号中的噪声,提高缺陷的识别效率,采用了经验模态分解方法,对漏磁信号进行去噪处理,来增强漏磁信号的信噪比.试验基于试样上的人工缺陷,漏磁信号被分解成若干固有模态函数(IMF)和一个残余分量,通过能量法选择最小能量的IMF作为阈值.采用该阈值作为IMF分量的选择依据,可以...     

基于改进EEMD的滚动轴承故障特征提取技术

在对集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)进行研究之后,提出了一种利用改进的EEMD进行滚动轴承故障特征提取的方法。该方法根据EEMD的分解过程中信号和加入的白噪声的特点来选择EEMD的参数,并且对分解后所得到的的固有模态函数(IMF)分量进行阈值处理后再重构,以降低噪声的干扰。对重构后的信号进行包络谱分析,提取其故障特征,最后将该方法与通用的EEMD方法进行对比,研究结果表明EEMD是一种很有效的滚动轴承故障特征提取方法。     

混凝土厚度的超声反射信号小波分析

介绍一种适合于检测瞬时信号的单边指数小波函数,并讨论其性质。理论和实验证明,二维时间-尺度域中峰值位置对应于信号的到达位置。根据这一特点,检测并估计混凝土超声反射测厚回波信号到达时间,取得良好效果。     

超声波压力检测中回波搜索算法

通过对超声波压力测量中回波信号特征的分析，提出了回波自动搜索算法。该方法把快速傅立叶变换方法和小波多分辨率信号分解相结合，精确地检测出回波的包络信号，从而准确地搜索到回波，为后续的压力信号处理及提高压力测量的精度奠定了基础。     

固溶温度对GH4169微观组织形貌及超声特性的影响

对不同固溶温度的GH4169合金试样,进行了微观组织形貌观察,提取了晶粒尺寸、形状特征参数。采用纵波回波法和共线穿透法进行超声检测和非线性超声检测,计算合金的超声特性参数。提取的超声特性参数包括:衰减系数、声速、相对非线性系数、背散射信号(位于一次底波和二次底波之间)经验模态分解后固有模态函数的平均功率和波形指数。超声-微观结构参数对比分析的结果表明,通过衰减系数、声速、非线性系数可有效识别相变,衰减系数对晶粒尺寸波动敏感,随晶粒粗化而增大;所提取的固有模态函数平均功率和波形维数都可以对晶粒尺寸进行评价,但尚难以用于表征晶粒纵横比。     

基于EEMD＿SVM的波纹管压浆超声检测

采用超声方法检测接收波纹管模型的回波信号,利用总体平均经验模态分解(EEMD)方法将信号分解成多个频带的本征模态分量(IMF);当波纹管内部出现脱浆缺陷时,回波信号在不同IMF内的能量分布会发生变化,将主要IMF分量的能量熵特征作为支持向量机(SVM)的输入向量,建立分类机制来区分波纹管结构。试验结果表明,文中提出的方法能有效地判断波纹管是否出现严重脱浆。     

基于EMD与对数能量的滚动轴承故障诊断方法

滚动轴承在发生损伤时,产生周期性脉冲振动,提取冲击振动的周期特征是故障诊断的关键。为了提取滚动轴承的故障特征频率,根据滚动轴承的振动响应信号特征,提出基于经验模态分解(EMD)和对数能量的故障特征频率提取方法。首先通过经验模态分解找到包含故障信息的本征模态函数（IMF）,然后对IMF的短时能量进行积分并取自然对数,获得信号的对数能量变化曲线,最后通过对曲线的谱分析,找到轴承的故障特征频率。仿真和实验数据验证了该方法的有效性,并和Hilbert包络法与能量算子法进行了对比,表明该方法能更显著地突出故障特征频率。     

基于相控阵超声的进动式锥摆线齿轮裂纹检测方法

为高效准确地完成进动式锥摆线齿轮裂纹定量分析,提出一种基于相控阵超声的齿轮裂纹检测方法。创建相控阵超声检测系统,在该系统内,利用高压脉冲生成、通道选择、回波信号处理等模块采集完整齿轮结构信息;并通过小波变换拆解超声时域信号,运用压缩传感法重构信号;使用经验模态分解法将信号分解成若干本征模函数,通过三次样条插值信号极值点,获取极值点构成的上、下包络线,将初始信号与包络线均值的差拟作单调函数,保留信号高频分量并输出分解后的超声信号,实现齿轮裂纹损伤位置检测。仿真结果证明：所提方法可有效提取超声信号中的时域与频域特征信息,裂纹检测精度高、效率快,鲁棒性强。