基于EMD时频分析的轧机扭振瞬态冲击特征提取

为解决轧机扭振非平稳瞬态冲击信号瞬态特征量提取的难题,采用EMD(Empirical mode decomposition)方法提取信号的固有模态函数(IMF),再结合Hilbert变换建立单频振动瞬态信号瞬时频率提取模型,得到信号的Hilbert/Huang时频谱,进而得到Hilbert边际谱,从而提取扭振信号瞬态特征.该算法既避免了小波分解中的频率混叠,又具有时间尺度自适应调整的特点,克服了小波变换中小波基选取的难题.通过仿真实验验证了该方法的可行性,通过轧机在咬钢抛钢时实测瞬态信号的分析表明了该方法的可靠性.     

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.     

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。     

超声检测信号时频邻域自适应消噪技术

分析超声检测回波信号中噪声的组成和特性.考虑缺陷信号和噪声分量的分布差异,提出一种基于小波包变换时频邻域统计特征的自适应消噪方法.该方法根据噪声水平和邻域数据的方差,自动调节邻域数据对中心点值的平滑处理强度,从而达到自适应消噪目的.由于不存在参考信号和参数选择的问题,该方法稳健性好.仿真和实测信号的试验结果表明:该方法能有效提高信号的信噪比以及不同类型缺陷信号之间的可区分性,并抑制波形失真和信号的能量衰减.     

齿轮与轴承故障的Chirplet时频分析

机械故障信号通常具有非线性时频关系多分量信号,其频谱占有较宽的频带,且各分量的频谱往往相互交叠,给故障诊断带来了很大的障碍.首先,在分析Chirplet时频分解的理论基础上,对Chirplet基函数进行了增加曲率参数的改进,提高了基函数对非线性时变分量的匹配能力;然后,仿真试验对基函数改进后的自适应时频分布与其他各类时频谱进行了比较.结果表明,改进后的基函数能很好地匹配出非平稳信号中的各种线性或非线性时变分量,其对应的时频具有较高的时频分辨率,且无交叉干扰项;最后,将该方法用于轴承故障信号和齿轮故障信号的分析.分析结果证实,该方法不仅能对轴承与齿轮箱故障进行准确定位,而且为故障原因及故障程度提供可靠的判断依据.     

基于Chirplet变换的水轮机非平稳振动信号分析

首先应用调制移频和多采样率转换技术对水轮机过渡过程中的非平稳振动信号进行预处理,然后应用基于Chirplet的自适应信号分解方法和自适应Gauss Chirplet谱图对其进行时频分析。针对旋转机械的振动特点,改进了自适应Chirplet信号分解过程中Chirplet参数优化计算方法。分析结果与其他时频分析方法的对比表明：自适应Gauss Chirplet谱图时频分辨率高,而且没有交叉项干扰,适合于分析非平稳机械振动信号。     

基于GA的自适应最稀疏时频分析方法及应用

为解决自适应最稀疏时频分析（ASTFA）方法中初始相位函数的选择问题,采用遗传算法（GA）对ASTFA的初始相位函数进行优化,提出了GA-ASTFA方法。进一步研究了GA-ASTFA方法抑制模态混淆的能力,分析结果表明,GA-ASTFA能较好地抑制模态混淆,分解得到的分量信号精度高,且可抑制分解中的伪分量。最后将GA-ASTFA方法用于转子碰摩故障诊断,实验分析结果表明,GA-ASTFA方法能有效提取转子碰摩故障特征信息。     

机械设备中金属跌落物冲击信号的时频域分析

对检测到金属跌落物碰撞金属板产生的冲击信号作了时域分析，频域分析和时频域分析。结果表明，时频域分析方法有很多优越性，但是也存在一些有待进一步研究的问题。     

Wigner谱及其在信号时频两维分析中的应用

Wigner谱直接定义为信号的时间一频率两维联合谱函数,适合于分析信号的非平稳特性。本文阐述了Wigner谱的基本性质和数字实现方法,并把它应用于单一成分和多成分信号的时频两维分析,文中给出了数字仿真实例。     

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     

基于多字典-共振稀疏分解的脉冲故障特征提取

针对信号共振稀疏分解(RBSSD)方法中因字典单一导致其在处理低信噪比信号时存在分解不完全,以及因参数繁多选取困难而使其在实际工程中存在应用局限的问题,提出了多字典-共振稀疏分解(MD-RBSSD)方法。该方法在RBSSD调Q字典的基础上添加了Symlet8字典和正弦字典,通过对RBSSD分解后的低共振分量进行再次分离来实现对故障脉冲的增强提取。同时,引入相关峭度指标对提取结果进行量化评价,以验证分解结果的可靠性。算法仿真、实验分析和工程实例结果均表明,与传统RBSSD方法相比,所提出的MD-RBSSD方法能够更加准确有效地提取故障冲击成分,降低了RBSSD参数选择的难度,从而增加了RBSSD方法在工程领域的适用性。     

基于多尺度线调频基稀疏信号分解的包络解调方法及其在齿轮故障诊断中的应用

提出一种基于多尺度线调频基稀疏信号分解的包络信号提取方法,并将其应用于转速剧烈波动情况下的齿轮箱故障诊断。基于多尺度线调频基的稀疏信号分解方法可以根据信号的特点,自适应的选择相应尺度对信号进行投影分解。其库函数的多尺度特性和线调频基函数中频率斜率参数的引入使得该方法比以往使用单一尺度库函数的分解方法更适合分解频率呈曲线变化的非平稳信号。当齿轮出现故障时,振动信号会出现啮合频率调制现象,在齿轮转速大范围波动情况下,载波频率和调制频率均随转速大范围波动。采用基于多尺度线调频基的稀疏信号分解方法,能同时有效提取变转速齿轮故障状态下载波频率和包络信号频率随时间的变化曲线,进而对齿轮箱故障进行诊断,解决经验模态分解方法和小波方法难于对转速剧烈波动情况下的齿轮故障进行诊断的问题。仿真算例和应用实例说明了此方法的有效性。     

基于多尺度线调频基稀疏信号分解的轴承故障诊断

在线调频小波路径追踪算法和稀疏信号分解的基础上,提出一种基于多尺度线调频基的稀疏信号分解方法,并将其应用于非平稳转速下的轴承故障诊断。基于多尺度线调频基的稀疏信号分解方法,根据信号的特点,自适应地选择多尺度的线调频基函数对信号进行投影分解。由于基函数库多尺度特性,使得该方法比以往采用单一尺度库函数的稀疏信号分解方法更适用于分解频率呈曲线变化的非平稳信号。在非恒定转速下,当轴承出现故障时,振动信号中与故障对应的特征频率将会随转速变化而波动,采用基于多尺度线调频基的稀疏信号分解方法能准确获得非平稳转速下轴承故障特征频率随时间的变化情况,进而对其状态和故障特征进行识别,仿真算例和应用实例说明了此方法的有效性。     

基于时频冲击原子分解的风力机叶片早期故障分析

介绍一种自适应的基元函数选择方法,基于指定原子字典的具有冲击特性时频原子,基元函数的确定使得原有信号的原子分解即可以处理稳态正弦成分也可以处理冲击成分。有效地匹配模拟冲击信号中的冲击故障特征,且有效去除了噪声,并结合遗传算法提高了运算速度,从而在工程领域更具有实用价值。最后,将该方法应用于实验风力机叶片的监测早期故障所采集到的声发射信号特征提取中,证明了该方法的工程实用性和有效性。     

基于稀疏分解的轴承声阵列信号特征提取

利用滚动轴承运行时的异常声响来识别轴承故障,搭建了轴承声阵列信号故障诊断实验平台。针对轴承声信号信噪比差、成分复杂、故障特征不明显的特点,提出一种基于稀疏分解的轴承传声器阵列信号特征提取方法。利用全息面有效声压场及其投影图对实验设备进行噪声源识别与定位,通过coif4小波字典和局部余弦字典构建冗余字典,采用稀疏分解提取热点噪声源声信号的冲击特征。仿真和实际声信号的处理结果表明,该方法准确提取了不同转速下声信号中的故障特征频率,证明了利用声阵列信号对轴承进行故障识别的有效性和可靠性。     

融合小波分解与时频分析的单通道振动信号盲分离方法

针对单通道振动信号盲源分离是一个病态问题,且传统的振动信号盲源分离方法往往忽略信号的非平稳性的问题,提出了一种融合小波分解与时频分析的单通道振动信号盲源分离方法。首先利用小波分解与重构将单通道信号转化为多通道信号,解决了盲源分离的欠定问题;然后利用基于时频分析的盲源分离算法分析非平稳信号,得到源信号的估计信号,实现了非平稳信号盲源分离。仿真和实验结果表明,该方法可以有效地解决单通道非平稳振动信号的盲源分离问题。     

基于曲面拟合的时频分解方法及应用

对基于基信号的时频分解法和时频分布级数法的原理进行了分析，在此基础上，提出一种新的时频分解方法。该方法的核心是根据信号特征选定时频聚集性好的基函数作为原信号的扩展函数簇，用基函数的时频分布曲面逐步拟合分解得到残余信号时频分布级数，从而确定基函数的参数值。该方法的曲面拟合过程就是信号结构的匹配过程，与具有较高时频聚集性的基函数结构相似程度较大的信号分量总是先被拟合出来，然后才是与基函数相差较大的噪声分量。基于这一点，用分解出的前几个分量对信号进行重构，可达到非平稳信号噪声抑制的目的。计算机仿真和工程实践证明了该方法的可行性和有效性。     

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。     

转子裂纹AE信号特征提取的时频分析方法

转子裂纹的声发射(AE)信号是一种非平稳、非线性信号,对于非平稳、非线性信号,时频分析是有效的方法.由于小波包对时变信号具有多分辨分解和重构能力,以及伪Wigner-Vill时频分布对时变信号具有优良描述特性,可以将两者结合起来用以诊断早期裂纹故障.通过实验研究,说明该方法能够从微弱的早期裂纹AE信号中清晰准确地提取出裂纹故障特征,实现转子早期裂纹故障的精确诊断.     

基于变矩阵结构奇异值分解的信号分解算法

矩阵结构对奇异值分解的信号处理效果有重要影响,改变传统算法中矩阵结构固定的思想,提出在奇异值分解中采用变化的矩阵结构,每分解一次,矩阵结构就改变一次,以适应信号中不同的周期性分量。每次的分解都将上一层的信号分解为主、副两个分量,提取副分量,而对主分量再次进行变矩阵结构的奇异值分解,如此反复进行,最终将原始信号分解为一系列主、副分量。信号处理实例表明,这一方法具有良好的信号分离效果,能够实现信号中不同周期性分量的有效分离。