基于小波分解的爆破振动信号RSPWVD二次型时频分析

对爆破振动信号进行时频分析是为了更全面而准确地得到信号能量随时间、频率的分布状况。RSPWVD二次型时频分析虽然具有较高的积聚性,对产生的交叉项也有较好的抑制,但不可避免会损失部分信号,无法获得爆破振动信号的细节信息。利用RSPWVD二次型时频分析与小波分析相结合的分析方法对实测的爆破振动信号进行时频分析,结果表明：此种方法提高了爆破振动信号时频特征的精度,展现了爆破振动信号的时频细节信息,可获得更加直观、合理、时频分辨率更高的信号时频特征。     

EMD和FSWT组合方法在爆破振动信号分析中的应用研究

针对传统经验模态分解EMD时频分析功能不足的缺陷,提出了基于经验模态分解EMD和频率切片小波变换FSWT组合的爆破振动信号分析方法。对实际工程采集到的爆破振动信号进行EMD分解,根据相关性系数确定优势分量实现信号重构,并获取重构信号全频带FSWT时频特征。利用FSWT逆变换能切割任意频率区间的特点,将重构信号选择时间、频率切片区间进行了更为细化时频特征提取。研究了EMD-FSWT组合方法、Hilbert-Huang变换(HHT)、小波变换(WT)三种方法的消噪滤波效果,并与短时Fourier变换(STFT)、重排平滑Wigner-Ville分布(RSPWVD)两种传统时频方法进行了对比。分析结果表明:EMD-FSWT组合方法,对瞬态信号在时频域上的分辨率更高,消噪和滤波效果好,适于对爆破振动信号进行更为精细化的时频特征分析。     

旋转机械非平稳振动信号的时频分析比较

信号分析与处理是机械故障监测与诊断中故障提取的常用方法,传统的振动故障分析方法难以满足频率随时间变化的非平稳信号的要求,联合时频分析是非平稳信号比较有力的分析工具。以转子实验台的典型振动故障信号为研究对象,分析研究了几种时频分析方法如STFT、Wigner-Ville分布、小波变换和Hilbert-Huang变换。对比结果表明:STFT和Wigner-Ville分布的时频分辨率是矛盾的,易出交叉项或使信号变得微弱;小波分解会出现多余信号;Hilbert-Huang变换的时频分析能够直观检测信号中的微弱奇异成分,清楚给出时频分布情况,为旋转机械状态监测和故障诊断提供了新的手段。     

基于QGA优化广义S变换的滚动轴承故障特征提取

考虑到实际工程环境中噪声对故障特征提取的影响,提出了基于量子遗传算法(QGA)优化广义S变换的滚动轴承故障特征提取方法。该方法以时频分布集中程度为评价标准,首先采用量子遗传算法自适应地选取广义S变换中最优窗口控制参数,然后提取信号变换后复时频矩阵的模向量作为滚动轴承故障特征向量。利用该方法提取的滚动轴承故障特征与其它故障特征进行故障识别对比研究,实验结果表明该方法能够更准确地提取出故障特征,验证了方法的优越性。此外,对不同噪声强度背景下的滚动轴承振动信号进行故障特征提取,诊断结果进一步显示所提方法具有良好的抗噪性和健壮性。     

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。     

广义S变换钢材拉伸损伤声发射评价方法

声发射技术具有实时动态监测的优点,因此其应用越来越广泛,但采用声发射技术对材料和结构的损伤进行定量评估及寿命预测还没有解决办法。提出采用广义S变换对钢材声发射检测信号进行时频分析,通过分析信号时频特征可达到评价钢材损伤各个阶段的目的。首先通过理论分析和仿真信号处理研究,验证广义S变换具有更高时频分辨率;然后在钢材拉伸实验中建立声发射监测系统,采集钢材拉伸损伤各个力学阶段的声发射信号进行时域和频域特征分析;最后采用广义S变换处理,通过时频处理结果可获得钢材在各个损伤阶段的有明显差异的声发射信号时频特征,可为今后钢材使用过程中的损伤定量和寿命预测提供可靠参考依据。     

基于广义解调时频分析和瞬时频率计算的阶次谱方法在齿轮故障诊断中的应用

针对齿轮启停过程中故障振动信号的调频特性,提出了基于广义解调时频分析和瞬时频率计算的阶次谱方法,并将其应用于齿轮瞬态信号的分析。广义解调时频分析是一种新的时频分析方法,它可以将多分量的信号分解为若干个瞬时频率具有物理意义的单分量信号,每个单分量信号可以是调幅-调频信号,因此非常适合处理多分量的调幅-调频信号。而当齿轮发生故障时,其启停过程中的振动信号就表现为多分量的调幅-调频特征。在基于广义解调时频分析和瞬时频率计算的阶次谱方法中,首先采用广义解调时频分析方法将齿轮瞬态信号分解为若干个单分量信号,然后计算各个分量的瞬时频率,再对其瞬时频率信号进行重采样,最后对重采样信号进行频谱分析得到阶次谱,从而提取齿轮振动信号的故障特征,判断齿轮的工作状态。仿真信号和实验信号的分析结果表明了该方法的有效性。     

基于时频切片分析的故障诊断方法及应用

为了提取设备的故障特征,提出了基于时频切片分析的故障特征提取方法。首先采用基于频率切片小波变换分解振动信号,得到信号在全频带的时频分布。在此基础上根据其时频能量分布,选择时间频率切片区间进行细化分析,通过时频分割和信号重构得到选定区间的时频特征,实现了故障特征的分离。这种方法能够有效地获取正确的故障特征信息,在某炼油厂齿轮箱摩擦故障诊断中取得了较好的效果。     

爆破振动信号双线性变换的二次型时频分析

为提高爆破振动信号特征分析的精度,利用双线性变换的二次型方法研究了爆破振动信号的时频特征.首先,扼要介绍了Fourier分析、短时Fourier、小波分析的特点.其次,介绍了双线性变换的二次型时频分析方法及其能量分布函数.再次,研究了振动信号时频分布的重排技术.最后,基于MATALB6.5平台得出了铜山口矿一实测爆破振动波形的WVD,SPWVD,RSPWVD时频分布图.结果表明,双线性变换的二次型时频表示,克服了短时Fourier变换频率分辨率低和小波变换是基于位置和尺度变换的缺点,是一种更加直观、合理、时频分辨率更高的信号时频表示方法;平滑伪仿射Wigner-Ville分布在把握信号的时频全局方面有明显优势;重排平滑伪Wigner-Ville分布能提高信号的时频聚集性,可用于获取爆破振动信号的主频信息.     

基于希尔伯特-黄变换提取车桥耦合系统时频特性

摘 要：将一种基于改进经验模态分解（EMD）的希尔伯特-黄变换（Hilbert-Huang Transform）方法,应用于车辆-轨道-桥梁耦合动力学的振动信号分析中。基于车辆-轨道-桥梁耦合动力学理论,仿真计算轮对踏面修形前后高速动力车过桥时耦合系统的动力学特性变化。运用改进EMD方法提取振动信号的固有模态函数（IMF）,再对固有模态函数进行希尔伯特-黄变换,得到时频幅值谱和边缘谱。计算结果表明：Hilbert边缘谱比傅立叶幅值谱具有更高分辨率,为车辆-轨道-桥梁耦合动力学信号分析提供了一种有效的分析手段。     

VMD-Hilbert变换在扬声器异常声检测中的应用

针对基于时频分析的扬声器异常声检测方法中短时傅里叶变换、小波包变换存在的不足,提出了一种基于变分模态分解-希尔伯特(Variational Mode Decomposition and Hilbert,VMD-Hilbert)变换的扬声器异常声检测方法。首先通过仿真信号分析,研究了VMD-Hilbert变换的时频特性,并与其他三种时频分析进行了对比,结果表明VMD-Hilbert变换具有更好的自适应性、能量聚焦性与时频分辨率。然后,对实测扬声器声响应信号进行VMD-Hilbert变换,求得被测扬声器单元的时频矩阵与标准时频矩阵之间的特征距离,并与其它三种时频分析下的特征距离进行对比。实验结果表明,VMD-Hilbert变换下的类间特征距离的离散度较大,便于更好地设定阈值,从而验证了VMD-Hilbert变换能更好地表征异常声的时频特征,以及其在处理非线性、非平稳的扬声器声响应信号时的优越性。     

基于希尔伯特-黄变换提取车辆轨道耦合系统时频特性

为研究各种激扰对车辆轨道耦合系统动力学响应时频特性影响,将基于改进经验模态分解（EMD）的希尔伯特-黄变换（Hilbert-Huang Transform）应用于车辆轨道耦合动力学振动信号分析中。运用改进EMD方法提取耦合系统振动响应的固有模态函数（IMF）,并对其进行希尔伯特-黄变换,得到振动响应的希尔伯特时频幅值谱和边缘谱。分析表明：希尔伯特-黄变换较傅里叶变换的分辨率与精度高,能有效捕捉车轮缺陷及轨道谐波不平顺激励下车辆轨道耦合系统的调制信号;车体垂向振动加速度随轨道不平顺波长、幅值非线性变化,振动信号的轮周激励成分为调制信号,且随轨道不平顺幅值增大而减小,随轨道不平顺波长增大非线性变化。     

语音信号精细时频结构的局部余弦基分析

从自适应信号分解的角度提出用可精确覆盖时频平面的局部余弦基分析语音信号精细时频结构的方法。首先使用快速动态规划算法。将语音信号分解成局部余弦基原子的组合,从得到的信号分解原子的Heisenberg盒可以初步提取语音信号的有效时频特征。为了得到更精细的时频结构,再使用MP算法分解,并作出局部余弦基原子的WVD。仿真结果显示MP分解得到原子的WVD不仅有更佳的时频聚集性,而且对二次型时频表示中的交叉项有一定抑制作用。     

基于SRC模式识别方法的柴油机故障诊断研究

测量了五种柴油机常见故障时的缸盖表面振动信号,并利用S变换对其中燃烧激励的响应信号进行时频分析.基于SRC方法找出最能表征各种故障特征的时频域,根据时频域的频率范围,设计FIR带通滤波器,并对不同故障下燃烧激励的响应信号进行滤波,滤波后的信号作为该故障的故障模板.进行故障识别时,首先用滤波器对燃烧激励的响应信号进行滤波,将滤波后的信号与故障模板进行相关分析,根据相关系数的大小来判别故障.典型故障的模拟试验表明,SRC方法具有较高的故障分辨能力.     

调频初相位补偿的广义Warblet变换时频分析

信号时频分析的长时间窗时频分析法通常可提高输出信噪比和频率分辨率,但对于调频信号,会降低线谱时频能量聚集度并影响瞬时频率估计。对于调频信号广义Warblet变换(Generalized Warblet Transform,GWT),具有较短时傅里叶变换(Short Time Fourier Transform,STFT)更优的时频分析性能,但在长时间窗分析时,调频初相位估计误差会使算法性能下降甚至失效。针对该问题,提出调频初相位补偿的GWT(Frequency Modulation Initial Phase CompensationGWT,FMIPC-GWT)时频分析方法。在调频参数估计时将一半时间窗长所经过的相位补偿到调频初相位中,提高调频参数估计的准确性以增加瞬时频率估计精度。仿真和实验数据验证了,相比STFT法和GWT法,FMIPC-GWT法对于非线性调频信号时频分析性能更优。FMIPC-GWT法在调频信号线谱检测与瞬时频率估计等方面具有应用前景。     

广义解调时频分析方法中的若干问题探讨

基于广义解调的时频分析方法是一种新的信号处理方法,本文在详细地介绍广义解调时频分析方法的基础上,采用广义解调时频分析方法对仿真信号进行了分析,同时和其它时频分析方法进行了比较,结果表明了广义解调时频分析方法的有效性.重点对广义解调时频分析方法应用范围、相位函数的选择等问题进行了讨论,得出了相应的结论.     

爆破振动信号的时频分析

爆破振动信号的研究方法已由单纯的频域分析过渡到时频联合分布分析。在讨论FOURIER变换(FT)和短时 FOURIER变换(STFT)不足的基础上,论述了基于连续小波变换(CWT)和离散小波变换(DWT)在爆破振动信号分析中的应用。作为一种严格的时频分析方法,论文尝试利用二次型时频分布来进行爆破振动信号的时频联合分析;通过几种二次型时频分布的对比分析,认为CWD在具有较强的时频聚集性的同时又较好的对交叉项进行了抑制,适合于进行爆破振动信号的时频分析。     

Comparative performance analysis of time-frequency distributions for spectroscopic optical coherence tomography

The analysis of spectroscopic optical coherence tomography (SOCT) signals suffers the trade-off between time resolution and frequency resolution. Various joint time-frequency distributions (TFDs) can optimize this trade-off. Synthesized signals were generated and experimentally acquired data were obtained to compare and validate several different TFDs under different SOCT imaging schemes. Specific criteria were designed to quantify the TFD performance. We found that different SOCT imaging schemes require different optimal TFDs. Cohen's class TFDs generate the most compact time-frequency (TF) analysis, while linear TFDs offer the most reliable TF analysis. In both cases, if some prior information is known, model-based TF analysis can improve the performance.     

基于子带ICA的时频图像处理方法研究及其在故障诊断中的应用

提出了一种改进独立分量分析(ICA)应用于时频图像的盲源分离问题。由于相似时频图像之间存在潜在的相关性,传统的ICA对于具有相关成分的时频图像盲源分离中效果比较差,利用互信息和峭度研究了图像子带之间的相关性和本身的非高斯性,选定特定的子带进行ICA分析。通过仿真时频图像的分离试验,说明此方法分离效果明显优于ICA分离效果,并将该方法应用于转子试验台的基座松动,不对中故障信号复合故障的时频图像中,成功获取了各自故障的时频图像,从而可以获得各自的故障特征信息。