Wigner谱理论及其在柱塞泵故障诊断中的应用

讨论了一种振动信号分析的新方法——Wigner谱。它与以往频谱分析方法相比,更适合于分析非平稳性信号。把Wigner谱分析应用于柱塞泵滑靴松脱故障诊断中,收到了较好的效果。     

Wigner谱在往复式机械监测中的应用

本文讨论了一种时间一频率两维分布－Ｗｉｇｎｅｒ谱．指出Ｗｉｇｎｅｒ谱具有很好的跟踪时变信号的特性，适用于非平稳信号的分析，应用于往复式机械的状态监测，得到了较好效果．     

平滑Wigner三谱切片在调速阀故障诊断中的应用

针对调速阀阀体振动时信号的时变性,建立了基于平滑伪Wigner-Ville分布的平滑Wigner谱、Wigner双谱和Wigner三谱模型.通过调速阀在不同工作状态下的数据进行试验研究,结果表明:不同工作状态下的调速阀阀体振动信号的平滑Wigner三谱切片有明显的差别,且平滑Wigner三谱切片相对于平滑Wigner双谱和平滑Wigner谱具有更强的抑制交叉项干扰和消除频率耦合的能力,能够明显的区分不同工作状态下调速阀特性.因此,利用平滑Wigner三谱切片对调速阀故障进行诊断是有效的、可行的.     

信号时频熵及其在齿轮裂纹织别中的应用

本文将信息熵理论引入信号时频分布的描述，寻阙信号时频熵的概念，并应用于齿轮故障诊断，收到了令人满意的效果。     

矢Wigner高阶谱在齿轮故障诊断中的研究

全矢谱技术能够有效的融合同源双通道的信息,融合后的信息无论从结构上还是能量上都能够真实的反映转子的实际运行状态。针对Wigner高阶谱只能处理单通道信息这一缺点,将全矢谱技术与Wigner高阶谱相结合,提出矢Wigner高阶谱分析方法,给出了其定义与算法,并将其应用到齿轮故障诊断中。仿真研究及实例验证结果表明,矢Wigner高阶谱能够克服基于单通道信息的Wigner高阶谱的片面性,并且该分析方法同时具备两者的优点,为齿轮故障诊断提供更可靠的依据。     

矢Wigner三谱分析及其在齿轮故障诊断中的研究

Wigner高阶谱作为分析非高斯信号的重要工具,其实现了时域和频域的同时分析,能有效提取信号的非线性特性。但常规Wigner高阶谱以单通道信号为研究对象,不能全面反映转子的特征信息,并且基于同一截面不同通道信号的分析结果也会不一致。为解决这个问题,以全矢谱技术为基础,对同源双通道信息进行融合,给出了一种矢Wigner三谱切片分析方法,并完成了仿真分析,通过齿轮故障实例验证了所给出方法的有效性,为转子特征提取和故障诊断提供了一种可用方法。     

三种非平稳信号时频分析的方法

讨论了当前常用的三种非平稳信号时频分析方法,即窗口傅立叶变换(Windowed Fourier Transform)、Wigner分布(Winger-Ville Distribution)和小波分析(Wavelet Analysis)的特点,及其适用的局限性.     

基于遗传算法的匹配追踪小波分析及其在非平稳故障信号中的应用

闰美观分析理论在信号检测、故障诊断领域已得广泛应用,尤其是在处理非平稳故障信号方面,小波分析更为有效,匹配追踪小波分析是专门处理高度不平稳信号的一种算法,但该算法每次计算需要不断地调整小波库中的各个参数来寻找最佳的匹配小波,增加了算法实现的难度,从而限制了该算法的应用,本文提出基于遗传算法的匹配追踪小波分析,把遗传算法良好的多参量全局寻优特性和匹配追踪的基本原理有机地结合起来,并采用了处理非平稳信号的有力工具Wigner谱。利用该方法分别对仿真信号和试验信号进行分析,结果表明本方法十分有效,而且对实测故障信号的分析诊断结果与实际十分吻合。     

采样信号时频特性的复合材料损伤检测

一种时频数据处理方法被应用于复合材料损伤检测。根据小波变换的框架重构理论和小波变换时频相空间理论,提取了信号的时频域特征,通过比较原信号的时频空间和小波变换相空间的相同部分,得到了能反映原信号同样时频特征的小波级数展开项和,应用Ｇｒａｍ－ｄｓｃｈｍｉｄｔ正交化方法,按照一定准则,对所得到的小波级数展开项的线性组合进行正交处理,用代数数值方法,从已知采样数据分布集合得到了对应于曲线本身时频特征,经过     

基于EMD和HT的旋转机械振动信号时频分析

把一列时间序列数据通过经验模态分解(Empirical Mode Decomposition，简称EMD)成本征模函数组(Intrinsic Mode Function．简称IMF)．然后经希尔伯特变换(Hilbert Transformation，简称HT)获得频谱的信号时频分析新方法引入到旋转机械振动信号处理领域。介绍了该方法的理论和算法。首先．采用调频调幅仿真信号对该方法进行仿真验证；其次．把一实测的旋转机械油膜涡动故障振动信号进行了基于EMD和HT的时频分析。仿真和实测信号的分析结果说明．用基于EMD和HT方法对旋转机械的振动信号进行时频分析是有效的。     

Wigner分布及其在齿轮故障诊断中的应用

齿轮传动是机械设备中最常用的传动方式,在生产中因齿轮故障而酿成的设备事故时有发生,特别是石油化工等行业中连续运转的大型机组,一旦出现传动部件的故障,常常会造成突然停机事故的发生,给企业造成很大的经济损失。因此齿轮运行状态的监测和诊断,对于降低设备的维修费用、预防因齿轮失效而诱发的设备事故,具有现实意义。现有的齿轮故障诊断方法有多种,例如,通过时域平均分析,可以识别齿轮安装错位、断齿等缺陷;通过啮合频率及其谐波分量幅值变化的功率谱分析,可以识别齿面均匀磨损;通过倒频谱分析,可以消除信号传递路径的影响、提取信号中的周期成分;通过包络分析,可以对信号进行幅值解调;通过F/v跨零频率分析及瞬时频率波动分析,可以进行频率解调等。这些方法在齿轮故障的识别中,发挥了积极的作     

信号频谱的二维向量及其应用

往复机械设备振动加速度信号频振很复杂,研究其复杂频谱的度量描述方法将对这类设备状态的监测和诊断有重要意义,指出频谱的一维谱熵指标的局限性,提出具有位置维的频谱二维向量指标,通过在往复式压缩机气阀状态监测和诊断方面的两个应用实例的验证,说明二维向量指标较全面地反映了频谱的特征,比一维谱熵指标明显的优越性。这种指标在机械信号复杂频谱的分析中会有好的应用。     

基于自适应时频分解的瞬态冲击信号提纯

在分析非平稳振动信号中瞬态冲击信号和平稳振动信号各自特点的基础上,发展了新的提纯机械故障冲击成分的信号处理方法。首先选择Chirplet基函数将被分析信号自适应展开,得到噪声抑制,高分辨率且无交叉干扰项的自适应时频谱,然后分别使用了两种方法从自适应时频谱中恢复出瞬态冲击分量。一种是采用振动冲击信号模型的时频分布去逼近时频滤波后的冲击分量时频分布,继而借助信号模型重构出冲击分量;另一种是根据冲击信号的Chirplet基函数的参数表达特征,直接选择所需基函数对冲击分量进行重构。最后,采用这两种方法分别对齿轮和轴承的故障信号进行分析,分析结果验证了这两种方法对瞬态冲击信号提取都非常有效,在机械故障诊断中有很大的参考价值。     

奇异谱技术在机械信号分析中的应用研究

基于信号奇异谱分析思想，提出了奇异熵的概念，详细分析了信号信噪比与奇异 熵间的内在联系，并由此提出了一种在信号降噪过程中对信号奇异谱降噪阶次实现 合理定阶的新思想。     

谐波小波的时频特性分析及其在故障诊断中的应用

小波分析在故障诊断中得到较广泛的应用,但采用不同的小波,分析结果往往会有很大差异。本文通过对谐波小波的选频和相位特性的理论分析,结合仿真信号与故障试验进行分析研究,提出了将基于谐波的小波包分析方法用于诊断碰摩故障,并提出了基于谐波小波的进化谱分析方法,为松动故障的识别提供了一种有效手段。     

基于小波包分解的交流腐蚀信号时频表征方法

建立了基于小波包分解的腐蚀信号时频表征方法,讨论了分解序列与子频带频率递增顺序的不一致性,及小波包的选择对表征结果的影响.结果表明该方法能有效地表达交流腐蚀信号的非线性特征,可作为交流腐蚀研究的基本表征方法.     

小波包在管道漏磁信号分析中的应用

叙述了小波包分析的基本理论,并将时频分析理论引入管道漏磁信号的分析中,通过对实测信号的小波包分析,表明了小波包分析作为时频分析方法的一种,在漏磁信号的分析中具有独特的优越性.     

独立分量分析在转子多源故障自适应时频分析中的应用

针对短时傅里叶变换(STFT)和Wigner-Ville分布等传统时频分析方法对转子多源故障分析效果不理想的问题,提出了一种基于独立分量分析(Independent Components Analysis,ICA)和自适应时频分析结合的抗干扰转子故障非平稳信号分析方法。该方法首先对采集的信号进行ICA处理得到独立分量,然后对独立分量进行自适应时频分析,提取出故障频率信息,最后对独立分量进行阶比跟踪分析得到的瀑布图,更加充分地验证了试验结果。仿真和试验对转子不平衡和地脚螺栓松动故障进行了研究,分析结果验证了本方法的可行性和有效性。     

基于信号时频特征对金属跌落零件的报警方法

针对核电站一回路系统中检测金属跌落零件误报警率高的问题，提出了基于信号时频域二维特征的神经网络报警方法。用改进的ＢＰ算法对模拟跌落零件试验的结果进行了处理，表明该报警方法是可行的。     

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。