空间结构三维风时程模拟及其小波分析

基于谐波叠加法和快速傅里叶变换提出改进方法,用于大跨空间结构的三维相关风速时程模拟。风速功率谱被分解为频率谱函数和相干函数;研究表明在空间三个方向上模拟风速功率谱皆收敛于目标风谱。小波分析在时域和频域上同时具有良好局部化特性。使用小波技术对模拟的风速时程进行时频分析,利用离散小波变换分解和重构风速时程,用小波系数描述风速信号特性。采用最大熵值法减少风速时程分析在时频域上的信息损失并提高效率。计算显示,改进方法速度快、精度高,弥补了传统手段模拟空间结构三维风速时程耗时冗长、精度低的缺陷,小波分析在风速时程分析中具有理想的可靠性和保真性。     

基于S变换的地震波时频分析及人工调整

首先推导了离散S变换的基本算法,定义了反映地震波时频特性的时变幅值谱和时变能量谱;以K0be地震波为例,基于S变换分析了该地震波的时频特性,并对采用不同窗口函数的分析结果进行了对比,分析发现当适当地调整窗口参数,复窗口的广义S变换对非平稳地震波有较好的时频分辨率;利用S变换的时频滤波性质,对实际地震波进行了任意时间和频率段的人工调整;以与抗震规范相容的功率谱为目标谱,提出了利用S变换合成非平稳地震波的新方法,通过实例分析发现,人工合成的地震波功率谱与目标谱符合很好,而且继承了母波的非平稳特性;还研究了地震波的时频特性对单自由度体系弹性反应谱的影响.     

地震波时频特征及与结构地震响应的关系

首先推导了离散S变换的基本算法,定义了反映地震波时频特性的时变幅值谱和时变能量谱;基于S变换提出了把原始波调整成具有目标反应谱的新方法,分析了El_centro波、Northridge波、Kobe波和人工合成波以及经调整后的各地震波的时频特征;对地震波的时变谱进行特征提取,提出了能反映地震波在时频空间中能量集中程度的新概念,即地震波的时频特征谱;通过分析发现,具有相似功率谱密度函数(即具有相似频域特征)的地震波,它们的弹性加速度反应谱可能有很大的差异,而具有相似时频特征谱的地震波,具有相似的弹性加速度反应谱;相关性分析表明地震波的时频特征谱与线性结构的弹性加速度反应谱具有很好的线性相关性;最后建立了地震波的时频特征谱与弹性加速度反应谱之间的近似转换关系式,此转换关系可作为合成具有目标反应谱的人工地震波使用。     

一种基于冗余小波变换等效功率谱的故障特征提取方法

为了提取信号中较弱的故障特征频率分量,以正交小波为基函数,在对振动信号实施冗余小波变换分解的基础上,提出了一种等效的功率谱分析方法。该方法利用冗余小波变换分解提供的多分辨信息,先剔除高频噪声分量,在获得其他尺度的功率谱后,对其进行归一化处理。由于每个分解频带的分析频率相同,因此叠加归一化的功率谱得到信号的等效功率谱,使被淹没信号中的微弱频率分量在功率谱上显现出来。采用这种方法有效地提取了烟汽轮机汽封与转子之间摩擦故障的特征信息。     

电力电缆故障测距分析研究

工程中常用脉冲电流法检测地下电缆的故障位置,由于地下电缆故障的复杂性和脉冲传递波速的衰减,实际测量时存在误差.本文介绍了应用脉冲电流法检测搭配小波变换多层分析,提高测量准确性的方法.应用Daubechies(db2)小波对原始波形进行五层分解分析,可较好消除电缆的杂波、提高信号的识别率,减小误差,有效提升在线实时故障测距的准确性.     

水下爆炸作用下船体结构应变信号修正方法

提出了用小波变换对水下爆炸作用下船体结构应变信号进行畸变和漂移修正的方法,采用db8小波函数对原始信号,进行6层分解,对分解出的细节信号进行重构并对原始信号和修正信号进行功率谱分析,与传统的多项式最小二乘法和滑动平均法进行修正的结果进行了对比分析,分析结果表明:采用小波变换方法能够准确地分离出代表信号趋势的低频成分,对...     

基于现代时频分析技术的地震波时变谱估计

利用短时傅里叶变换（STFT）、Wigner-Ville分布、连续小波变换、S变换以及变复窗口的S变换等现代时频分析技术对地震波进行时变谱估计。推导了基于连续小波变换的小波能量谱的具体表达式,并把近年来提出的变复窗口S变换应用到地震波的时频分析。通过研究表明对于均匀调制非平稳地震波,通过适当选择窗口的长度,利用STFT估计时变谱可得到较好的效果,小波变换与S变换以及变复窗口S变换的估计值在高频段存在能量泄漏现象;各方法估计的时变谱时间边缘函数与目标函数均符合较好;而频率边缘函数,Wigner-Ville分布与目标函数符合得最好,STFT次之,小波变换、S变换以及复窗S变换在高频段存在一定误差。对于频率非平稳性较强的地震波,通过适当地调节窗口参数,利用变复窗口S变换可得到地震波在时频域内有较好分辨率的时变谱;连续小波变换虽然在高频段存在能量泄漏现象,但其在时间域内有较好的分辨率。     

复合材料粘接缺陷的超声检测识别研究

超声检测无人机复合材料试件时,针对复合材料较薄、超声检测回波信号易发生混叠的问题,该文提出一种基于经验模式分解和小波包能量谱特征的脱粘缺陷识别方法。该方法首先对不同大小脱粘缺陷回波信号进行经验模式分解和小波包分解,分别提取其能量谱特征;然后,对提取的能量谱特征采用改进隶属度函数的径向基神经网络进行脱粘缺陷分类识别。实验结果表明:提取的能量特征能够有效提高不同脱粘面积缺陷的识别率。     

基于小波变换的非平稳脉动风时变功率谱估计方法研究

为揭示非平稳随机脉动风的时频特性,基于小波变换原理推导了时变功率谱的时间、频率和幅值与小波变换系数的关系,建立了非平稳随机脉动风时变功率谱估计的小波函数加权和法,并采用模拟非平稳脉动风和实测台风过程对理论推导结果进行了验证。研究结果表明:非平稳随机过程在某一时刻的不同尺度小波变换系数是一个以此非平稳随机过程的调制函数与小波函数的乘积为调制函数的非平稳随机过程的傅里叶变换,非平稳随机过程的时变功率谱等于不同尺度和不同时移的小波函数模平方的加权和,小波函数加权和法计算的非平稳随机脉动风的时变功率谱与理论结果具有良好的一致性。小波函数加权和法可有效地估计非平稳随机脉动风的时变功率谱,估计的时变功率谱可为进一步理解强(台)风的随机脉动特性奠定基础。     

基于混合基函数分解的舰船辐射噪声分解算法

提出了基于混合基函数的信号分解方法,选取过完备小波包基函数逼近连续谱主要分量,用余弦基函数逼近线谱。通过对基函数的通带通性进行分析,选取合适的小波或小波包基函数。该方法通过引入稀疏性分解,仅使用少数小波包基函数就能够准确重构连续谱主要分量的时域信号形式。     

周期广义谐和小波变换及重构

谐和小波和广义谐和小波皆为在频域上紧支且时域为无穷的正交小波,其频域分辨率很好但时域分辨率较差。虽然谐和小波在无穷时域上具有正交性,但其正交性在有限时域上却无法体现。针对这个缺点,在广义谐和小波的基础上,将广义谐和小波周期化后,进而提出了一种周期广义谐和小波（Periodic Generalized Harmonic Wavelet, PGHW）。PGHW的母小波在时域中可以表达为经平移后的若干谐和项之和,在频域中表现若干 函数之和,为一种以待分析信号持时为基本周期且在其上正交的离散广义谐和小波。基于PGHW在频域内的简单性,利用快速Fourier变换（FFT）技术实现了PGHW的快速小波变换及逆变换。文章最后的算例给出了某人工合成地震波的周期广义谐和小波变换及其重构,说明了所提算法的高效性与PGHW的完全重构性。     

柴油机缸盖噪声信号处理方法及故障诊断研究

柴油机的缸盖噪声信号含有很多能诊断柴油机故障的有用信息,如燃爆、气门开启和关闭信息.但是提取的缸盖噪声信号中也含有柴油机工作时产生的排气噪声和机体其它部位辐射噪声等干扰信号,且干扰信号与有用信号的频率成分在20kHz以下的频带内重叠在一起.因此如何能有效的提取有用信号十分关键.通过实验选取气门室罩距气门较近一侧的侧表面1CM外作为测点.分析了小波分解、FIR滤波、小波降噪和FIR分频带阈值处理降噪四种方法的优缺点后,发现小波降噪既能保留有用信息,又能有效将不需要的噪声信号去除,在提取缸盖噪声中的有用信息时具有明显的优势.将缸盖噪声信号降噪后发现,各种气门间隙和失火故障均可通过缸盖噪声判断出.     

基于DCAE-CNN的自动倾斜器滚动轴承故障诊断

针对直升机自动倾斜器滚动轴承工况复杂、噪声干扰大,造成故障诊断效果不佳的问题,提出一种基于深度卷积自编码器(Deep Convolutional AutoEncoder,DCAE)和卷积神经网络(Convolutional Neural Network,CNN)的轴承故障诊断方法。该方法首先采用小波变换方法构造不同状态下振动信号的时频图,然后使用DCAE对时频图进行图像去噪,最后利用CNN对去噪后的时频图进行故障分类。利用课题组和美国凯斯西储大学的滚动轴承故障数据开展诊断实验,并与CNN、堆叠降噪自编码器(Stacked Denoise AutoEncoder,SDAE)两种深度学习方法进行对比,结果表明,该方法在高噪声环境下具有更高的故障识别率。     

自适应冗余提升小波降噪分析及其在轴承故障识别中的应用

为有效识别机械设备中滚动轴承的微弱故障信息,本文提出一种自适应冗余提升小波降噪方法。根据待分解低频尺度系数所含的不同特征,应用范数准则来自适应地选取最匹配于该尺度系数特征的小波函数。同时,引入多孔算法,用以通过冗余性来保证逐层分解后各尺度系数和小波系数所含有的丰富的信息量。接下来,对各层小波系数采用变尺度阈值降噪算法,并对降噪后的系数进行重构及包络谱分析,进而提取滚动轴承的故障特征。应用上述方法分别对轴承实验台轴承混合故障信号和现场实际信号进行分析,均较好地实现了故障识别,验证了本文方法的有效性。     

基于小波包变换的高程差对爆破震动信号影响分析

爆破施工现场地形一般都有一定的起伏,爆破地点与被保护目标具有一定的高程差。为了研究高程差对爆破震动信号特性影响,依托工程实践,采集了大量爆破震动信号。分析表明正的高程差对爆破地震波峰值具有放大效应,并且放大效应在一定的范围内存在。利用小波包分析的信号处理方法对高程差影响下的爆破震动信号能量分布和时频特征进行了研究。研究表明,正高程差使爆破震动信号中的低频成分增多,低频成分在整个信号中的能量分布有增大趋势,这一特点对爆破地点周围目标保护不利。分析高程差对爆破震动信号的影响,从而优化爆破设计,更好地保护爆破地点周围的目标。结论具有重要的现实意义。     

利用EEG信号的小波包变换与非线性分析实现精神疲劳状态的判定

EEG（脑电）信号的4个节律(δ波、θ波、α波、β波)与人的精神疲劳状态有对应关系,不同节律的能量值及其非线性特征参数可以用于疲劳状态的判定。本文首先利用小波包分解与重构技术, 构造了以“db20”为基小波函数的6层分解,得到EEG信号的4个节律。然后,对4个节律信号分别计算相应的节律的频带能量比例值,这些频带能量比例值作为对人体精神状态进行评价的量化指标。通过计算EEG信号α波的非线性特征参数,包括最大Lyapunov指数、近似熵、复杂度,并将这些非线性特征参数组成疲劳状态的综合评估判据,可以实现疲劳状态的判定。10组EEG信号的分析结果表明了该本文方法的有效性,其中对疲劳和非疲劳状态的判定准确率较高,而对轻微疲劳、中等疲劳和严重疲劳三种状态的准确区分稍差一些。     

平面近场声全息信噪比估计方法研究

针对全息面复声压信噪比对声场重构结果影响较大、往往不能直接测量问题,采用二维小波分析方法进行全息面信噪比参数估计,分析小波函数、分解层级对信噪比估计准确性影响,明确二维小波分析的参数选取,并以受简谐激励作用的四周无限大障板简支钢板为对象进行辐射声场全息重构仿真分析。结果表明,信噪比参数对实现准确声场全息重构十分重要,用二维小波分析方法进行全息面信噪比参数估计有效且可行。     

基于小波时频图和卷积神经网络的断路器故障诊断分析

高压断路器操动机构振动信号为非平稳性信号,蕴含着丰富的操动机构工作状态的信息,对操动机构工作状态的检验辨识具有重大意义。提出一种基于小波时频图和卷积神经网络的断路器故障诊断方法。对操动机构振动信号进行连续小波变换生成时频图(CWT),并对时频图进行统一压缩预处理;将预处理后的时频图作为特征图输入卷积神经网络AlexNet模型;通过对网络参数的调整,逐步改进网络模型,有监督地实现对操动机构故障状态的辨识诊断。结果表明,该方法能够有效地运用于断路器操动机构故障辨识诊断,与小波频带能量-RBF、小波频带能量-SVM的故障识别相比,故障识别准确率最高。     

一种新的声发射信号消噪及故障诊断方法

在旋转机械故障诊断中,声发射信号极易受到噪声的干扰。针对经验模态分解(EMD)易产生模态混叠现象,提出了一种基于经验小波变换(Empirical Wavelet Transform,EWT)的消噪和旋转机械声发射碰摩故障诊断的方法。利用了EMD和小波变换的优点,通过对傅里叶频谱进行自适应划分,并构建小波滤波器组来提取声发射信号所包含的不同固有模态分量,可有效消除模态混叠现象,同时对分量进行Hilbert变换从而实现声发射信号的消噪和故障诊断。采用该方法对仿真信号进行加噪声和消噪处理,在同信号源下,对比基于d B4全阈值消噪、d B4默认软阈值消噪、d B4对高频系数处理消噪和EMD消噪效果。并将该方法应用到实际的声发射碰摩信号中。仿真和实验分析结果表明:EWT方法可以有效地分解出信号的固有模态,分解出的模态少,并且不存在难以解释的虚假模态,消噪效果优于其他方法,并且在声发射故障诊断中也有较大的优势。     

基于小波包能量曲率差法的桥梁损伤识别试验研究

针对各种损伤识别指标中,小波包能量曲率差法仅有数值仿真、未经试验验证,尤其缺少实际工程验证问题,用数值模拟验证该方法识别结构损伤的有效性;利用沧州子牙河新桥替换下的梁体,进行两种工况损伤模拟。通过测试完好与损伤状态各点加速度响应,用小波包能量曲率差法识别损伤,考察小波函数和分解层数对识别效果的影响。结果表明,该方法有效,并可应用于实际工程。