科氏流量计相位差估计的ap-Hilbert法

相位差估计是科氏流量计精确计量的基础,现有方法计算量较大,估计精度受频谱泄漏影响,且需要预知信号频率,难以满足复杂流量环境的测量需求。为此,提出一种科氏流量计相位差估计的ap-Hilbert法,首先对2路传感器信号进行全相位预处理,即对采样信号循环分段后移位对齐相加得到全相位序列,以消除频谱泄漏导致的端点效应;然后,对全相位序列进行Hilbert变换获得其解析信号,分别提取2路解析信号的实信号和虚信号部分;再通过三角变换,利用三角函数和差公式即可求出相位差。实验结果表明,所提方法克服了Hilbert变换的端点效应,与现有方法相比较,较大提高了相位差估计精度。     

基于迭代Hilbert变换的多分量信号解调方法研究及应用

旋转机械系统发生故障时,其振动信号通常为多分量AM-FM信号。针对传统的解调方法在多分量振动信号故障特征提取中的局限性,提出一种利用迭代Hilbert变换(Iterated Hilbert transform,IHT)进行机械故障诊断的新方法。介绍IHT的基本原理;通过对任一两分量的AM-FM信号的分析表明利用IHT得到的相位信息直接估计瞬时频率具有一定的局限性,于是提出基于差分算和零相位数字低通滤波的平滑的瞬时频率估计方法,并通过仿真试验表明,与自适应分割算法和Hilbert-Huang变换相比,该方法具有很高的精度且速度较快。对具有外圈故障的滚动轴承和具有断齿故障的齿轮箱振动信号的分析结果表明,基于IHT的多分量AM-FM信号解调方法能有效地提取机械故障振动信号中的故障特征。     

基于SWT与IEWT的齿轮无转速计阶次跟踪

针对变转速工况下,多级齿轮传动低速级齿轮故障信号易受背景噪声干扰,导致频谱特征模糊,微弱故障特征难以提取的问题,提出一种基于同步压缩小波变换(Synchrosqueezing Wavelet Transform, SWT)与改进经验小波变换(Improved Empirical Wavelet Transform, IEWT)相结合的齿轮无转速计阶次跟踪方法。首先为提高无转速计阶次跟踪瞬时频率估计精度,设计连续小波变换-椭圆时变滤波器(Continue Wavelet Transform-Elliptic Time-Varying Filtering, CWT-ETVF)对齿轮振动信号滤波降噪,依据滤波所得单分量的SWT时频分布进行峰值搜索,以实现高精度的瞬时频率估计,然后对时变故障信号等角度重采样获得角域平稳信号。针对EWT方法频谱分割不合理的问题,提出一种依据频谱包络趋势进行边界划分的改进经验小波变换方法对角域平稳信号自适应分解。最后选择合适分量自相关去噪,并通过阶次解调分析识别故障特征。仿真及实测局部断齿数据分析表明,该方法可以准确提取变转速齿轮时变微弱故障特征。     

改进LMD及高阶模糊度函数的管道泄漏定位

针对天然气管道泄漏定位的问题,提出一种基于改进局域均值分解(LMD)及高阶模糊度函数的时延估计方法。该方法首先采用改进的LMD对声发射信号进行分解,获得多个PF分量,进而提出根据K-L散度的PF分量自动选择算法,获取含有主要泄漏信息的PF分量,在此基础上,研究了基于高阶模糊度函数计算声发射信号的时频参数,并通过时频分析获取特征频率的到达时间差,最后结合泄漏产生的广义声发射信号的传播速度完成对天然气管道泄漏的定位。实验结果表明,提出的方法能够进行定位且精度较直接相关法明显提高。     

基于非线性短时傅里叶变换阶次跟踪的变速行星齿轮箱故障诊断

针对变速行星齿轮箱信号频率模糊且受噪声影响的问题,提出了基于非线性短时傅里叶变换（NLSTFT）无键相阶次跟踪与变分模态分解的故障诊断方法。用NLSTFT算法估计信号瞬时频率,对其积分获得瞬时相位曲线,通过重采样得到角域信号;利用NCOGS算法对角域信号降噪,采用VMD算法进行角域信号模态分解,通过各模态分量信号包络谱解调实现故障诊断。实验结果表明,新方法计算效率高、鲁棒性好,提高了变转速行星齿轮箱故障诊断性能。     

改进集成噪声重构经验模式分解的微弱时频特征增强方法及应用*

基于噪声利用机制,集成噪声重构经验模式分解方法(Ensemble noise-reconstructed empirical mode decomposition, ENEMD)利用原信号中固有噪声分量改善模式混淆现象,并通过固有噪声分量的相互抵消作用实现信号降噪。然而,该方法中关键噪声估计技术采用类硬阈值处理方式,忽略系数之间相关性。为此,研究基于相邻系数降噪原理的ENEMD噪声估计技术,提高固有噪声分量估计的准确性。在此基础上,将改进ENEMD方法引入Hilbert-Huang变换中,提出改进ENEMD的微弱时频特征增强方法。该方法以无模式混淆的本征模式分量(Intrinsic mode function, IMF)准确表征微弱故障信号的瞬时频率,并以降噪IMF有效提高时频谱信噪比,消除时频谱中噪声杂点,显著提高信号时频表示的分辨率,增强微弱故障的时频表征并突显局部故障征兆,为机械早期和微弱故障识别提供有效手段。工程实例表明该方法有效揭示空气分离压缩机碰撞与摩擦故障征兆,并成功提取重油催化裂化机组早期微弱碰摩故障特征。     

基于小波脊和FSVM的雷达辐射源识别

有效的特征提取和信号特征选择是解决复杂体制雷达辐射源信号分选难题的重要手段。利用小波脊和高阶谱分析方法提取雷达辐射源信号的瞬时频率、瞬时相位和幅度以及高阶累积量等特征向量。通过基于互信息的贪婪算法进行特征选择,得到具有低维数、可识别性的辐射源特征。为解决多分类问题中的不可分情况,引入基于模糊C均值聚类的模糊支持向量机进行雷达辐射源分类识别实验。实验表明,该方法对多种复杂辐射源信号具有较好的识别效果。     

用最大重叠离散小波包变换的Hilbert谱时频分析

在介绍基于最大重叠离散小波包变换(Maximal Overlap Discrete Wavelet Packet Transform,简称MODW-PT)的Hilbert谱方法的基础上,将基于MODWPT的Hilbert谱应用于非平稳信号的分析.采用MODWPT可将多分量的复杂信号分解为若干个瞬时频率和瞬时幅值都具有经典物理意义的分量之和,求出各个单分量信号的瞬时频率和瞬时幅值,再进行组合得到原始复杂信号完整的时频分布.对基于MODWPT和基于经验模态分解(Empiri-cal Mode Decomposition,简称EMD)的Hilbert谱,在不同类型非平稳信号下的时频分析效果进行了比较和分析,结果表明了基于MODWPT的Hilbert谱分析方法的有效性.     

IMF分量的倒频谱分析在滚动轴承故障诊断中的应用

轴承局部损伤故障引起的振动响应往往会被较大的振动信号所掩盖,影响故障的正确诊断。本文提出IMF分量的倒频谱分析方法,首先将复杂的信号分解为有限的内禀模态函数（IMF）之和,对原始振动信号进行降维;再对IMF分量进行倒频谱分析,利用倒频谱方法准确地提取振动信号幅值谱上的周期特征。对EMD分解得到的多个IMF分量同时做倒频谱分析,可以相互验证,从而得到更可靠、更准确、更可信的诊断结果。通过对IMF分量的倒频谱分析法和Hilbert包络谱分析法诊断效果进行比较,结果表明,IMF分量的倒频谱分析方法比Hilbert包络谱分析提取的故障频率特征更精准、可靠。     

基于瞬时参数估计的信号分量提取

具有非线性时频关系的多分量信号频谱占有较宽的频带且相互交叠,针对此类信号分量提取难的问题,提出了一种基于瞬时参数估计的信号分量提取算法.首先,采用FMm let变换将被分析信号在时频空间内展开;然后,根据时频面内能量峰脊与瞬时频率的对应关系,应用谱峰检测法估计出所需提取分量的瞬时频率;按照最小二乘法滤波原理估计该分量的瞬时幅值,继而按照信号瞬时模型恢复重构出对应的信号分量.理论分析和仿真试验表明,该方法能从时频相交或不相交的多分量复杂时变信号中提取出所需信号分量,且失真度小.     

IMPROVED METHOD FOR HILBERT INSTANTANEOUS FREQUENCY ESTIMATION

In the mechanical fault detection and diagnosis field, it is more and more important to analyze the instantaneous frequency (IF) character of complex vibration signal. The improved IF estimation method is put forward aiming at the shortage of traditional Hilbert transform. It is based on Hilbert transform in wavelet domain. With the help of relationship between the real part and the imaginary part obtained from the complex coefficient of continuous wavelet transform or the analytical signal reconstructed in wavelet packet decomposition, the instantaneous phase function of the subcomponent is extracted. In order to improve the precise of IF estimated out, some means such as Linear regression, adaptive filtering, resampling are applied into the instantaneous phase obtained, then, the central differencing operator is used to get desired IF. Simulation results with synthetic and gearbox fault signals are included to illustrate the proposed method.     

基于相关和Hilbert变换的科氏流量计相位差估计方法

科氏流量计相位差估计方法存在计算量较大、计算复杂、实时性和计算精度较差等问题,已不能满足复杂环境高精度流量测量领域的需求。为此,提出一种基于相关和Hilbert变换的科氏流量计相位差估计方法。首先,采用快速傅里叶变换(FFT)对传感器信号进行频率预估计,对信号是否整周期进行判断,对非整周期的信号进行数据延拓处理;然后,对任一路传感器信号进行自相关运算得到一路同频参考信号;对3路同频信号进行Hilbert变换,将3路变换后的信号与变换前信号进行相关运算,再利用三角函数公式即可求出相位差。与原有方法相比,所提方法克服了非整周期采样的影响,实时性、动态性更强,相位差估计精度更高,仿真分析与实测结果均证实了所提方法的有效性和优越性。     

Non-stationary signal analysis based on general parameterized time–frequency transform and its application in the feature extraction of a rotary machine

With the development of large rotary machines for faster and more integrated performance, the condition monitoring and fault diagnosis for them are becoming more challenging. Since the time-frequency (TF) pattern of the vibration signal from the rotary machine often contains condition information and fault feature, the methods based on TF analysis have been widely-used to solve these two problems in the industrial community. This article introduces an effective non-stationary signal analysis method based on the general parameterized time–frequency transform (GPTFT). The GPTFT is achieved by inserting a rotation operator and a shift operator in the short-time Fourier transform. This method can produce a high-concentrated TF pattern with a general kernel. A multi-component instantaneous frequency (IF) extraction method is proposed based on it. The estimation for the IF of every component is accomplished by defining a spectrum concentration index (SCI). Moreover, such an IF estimation process is iteratively operated until all the components are extracted. The tests on three simulation examples and a real vibration signal demonstrate the effectiveness and superiority of our method.     

Research on iterated Hilbert transform and its application in mechanical fault diagnosis

Multicomponent AM–FM demodulation is an available method for machinery fault vibration signal analysis, so a new method for mechanical fault diagnosis based on iterated Hilbert transform (IHT) is proposed. The principle of computing the asymptotically exact multicomponent sinusoidal model for an arbitrary signal by iterating Hilbert transform is introduced, and some properties of IHT are analyzed. Theoretical analysis for the generic two-component signal shows that there are limitations in the direct estimation of instantaneous frequencies via the phase signals of the previously obtained model. Therefore, a smoothed instantaneous frequency estimation (SIFE) method based on difference operator and zero-phase digital low-pass filtering is proposed, and then the accuracy and validity of this method have been proved by the simulation results. The analysis results of the mechanical fault signals show that the weak features of these signals can be efficiently extracted with the proposed approach.     

旋转机械的全信息能量谱分析方法研究

对旋转机械回转能量谱进行研究。建立回转能量谱的概念，定义两种全矢能量谱，导出全矢能量谱基于复合信号的简洁计算公式，并将其应用于实际故障诊断系统中。实践表明，全矢能量谱作为对转子涡动信号处理的能量分析方法，对于旋转机械故障诊断是非常实用的分析工具。     

转子共频相关故障源源数估计与子带盲分离

针对转子异常振动产生含交叉频率的响应,其共频相关故障源不满足统计独立要求,提出利用非负矩阵法在频域中计算故障源个数,不计及源信号和混合系统特性,可以正确估计出故障源数目或源数上限。提出利用小波包分解故障信号,选择互信息较小的子带进行重构,剔除共频信号并进行盲分离,得到独立非相关的源信号,保留了故障信息。理论及实验结果证明了所提出方法的有效性。     

基于提升小波时延估计的气液两相流流速测量

利用双截面ERT系统测量气液两相流流速具有高实时性、非侵入测量等优势,并将流速测量问题转化为信号处理中的时延估计问题。由于气液两相流信号大多是非平稳的,因此利用传统互相方法计算时延会出现相关函数曲线多峰值现象,导致流速计算结果严重偏差。为提高流速测量的精度和稳定性,本文出了一种基于提升小波的时延估计算法。该算法基于基小波二次加权理论,利用改进阈值函数提升小波算法对源信号进行去噪,再通过形态学提升小波对互相关计算结果去噪,实现流速精确测量。     

结合 FastICA 与 EKF 的腹部源胎儿心电信号提取

针对腹部源信号,本文提出一种结合快速独立分量分析(FastICA)与扩展卡尔曼滤波(EKF)的胎儿心电信号提取方法。首先抑制原始母体腹壁混合信号中的基线漂移、工频干扰和脉冲伪迹。然后使用FastICA从母体腹壁混合信号中分离得到母体心电信号估计以及含有残留母体心电成分和其他噪声的胎儿心电信号估计。使用EKF对胎儿心电信号估计进行滤波得到残留的母体心电成分估计,将其抑制后获得含噪声的胎儿心电信号。最后再次使用EKF提取得到清晰的胎儿心电信号。采用临床数据进行实验,本文提出的胎儿心电信号提取方法的灵敏度、阳性预测值和F_1分数分别为99.27%, 94.35%, 96.71%,其基于互相关系数和基于特征值分析的信噪比分别为6.145 4 dB和6.509 6 dB。实验结果表明本文提出的方法在主观视觉效果和客观评价指标上均优于传统的胎儿心电信号提取方法。     

基于微分熵与RQA的电能质量扰动分析

基于非线性混沌和相空间重构理论,将电能质量扰动信号序列重构到高维相空间,进行递归图(RP)分析。采用微分熵法对电能质量信号进行相空间重构,避免分别求取嵌入维数和延迟时间的不一致性;引入递归定量分析(RQA)进行扰动的定量分析,克服传统特征提取方法对过程平稳的严格要求。利用能够表征信号发散程度的RQA参数-确定率(DET)和分层率(LAM)组成电能扰动信号识别的特征向量,根据不同电能质量扰动信号各自的分布情况,来区分不同的电能质量扰动信号。通过对6种电能质量扰动信号进行实验分析,结果表明:该方法不仅能够很直观地识别电能质量扰动信号,还能利用RQA的特征量对信号进行具体的定量分析,为电能质量扰动分析提供了高效、直观的方法。     

非整周期采样信号频率估计的相频匹配方法

为提高非整周期采样信号的频率估计精度,提出一种非整周期采样信号频率估计的相频匹配方法。首先,为抑制信号非整周期采样对自相关的影响,对采样信号进行加窗自相关;其次,根据加窗自相关信号初相位为零的特点生成参考信号,实现参考信号与加窗自相关信号的相位匹配;最后,根据柯西不等式,利用参考信号和加窗自相关信号构造反映参考信号和加窗自相关信号频率匹配程度的误差函数,误差函数最小值对应的频率即为信号频率估计值。计算验证和LFMCW雷达测距实验表明该方法不受信号非整周期采样的影响,有效地提高了非整周期采样信号的频率估计精度,改善了LFMCW雷达的测距精度。