基于递归希尔伯特变换的振动信号解调和瞬时频率计算方法

精确地提取振动信号的瞬时幅值和瞬时频率对结构的参数识别和健康监测有重要作用。希尔伯特变换是一种常用的信号解调及瞬时频率计算方法,但在信号不满足Bedrosian乘积定理的条件时会造成较大误差。针对这一问题,提出了一种递归希尔伯特变换方法,用前一步希尔伯特变换计算出的纯调频信号作为新的信号,递归地使用希尔伯特变换以进行信号解调,理论分析表明递归希尔伯特变换能够快速地收敛。最后采用仿真信号对比了递归希尔伯特变换与单次希尔伯特变换、经验调幅调频分解及Teager能量算子法在信号解调及瞬时频率计算中的结果,结果表明了递归希尔伯特变换方法的实用性及精确性。     

基于改进经验包络法的非线性系统参数识别

基于调幅调频分解的经验包络法广泛用于线性和非线性系统参数识别。然而,在调幅调频分解中,为获得纯调幅调频信号而进行的多次包络迭代,会增大累积误差。在经验包络法中,求导信号不光滑而引起的过包络,会增大系统参数识别误差。分别采用滑窗阈值去噪思想与滑动平均技术解决上述两个问题,提出了改进的经验包络法,并基于该方法对单自由度非线性系统自由衰减振动模态参数识别。通过几个算例参数识别分析,证实了该方法具有良好的抗噪声性能与较高的识别精度。     

一种基于EMD的振动信号时频分析新方法研究

基于经验模态分解(Empirical Mode Decomposition,EMD)的希尔伯特变换(Hibert Tram:formation,HT),是先把一列时间序列数据通过经验模态分解成本征模函数(Intrinsic Mode Function,IMF),然后经过希尔伯特变换获得瞬时频率的信号处理方法.针对HT求瞬时频率的不足,提出了把IMF分解成包络和纯调频信号,然后通过对纯调频信号进行反余弦求瞬时频率的新方法.通过对非线性仿真信号研究表明,该方法是有效的.把该方法应用于转子横向裂纹的时频分析.表明能把横向裂纹转子的扭振所形成的相位调制现象检测出来,获得了良好的效果.仿真和实测信号的分析结果说明,用新方法对振动信号进行时频分析是有效的.该研究成果能广泛地用于信号时频分析领域.     

基于希尔伯特变换的非平稳调幅信号解调

非平稳信号泛指具有时变能量谱的确定性信号和具有时变功率谱的随机信号。幅度调制是非平稳性的一种表现形式。调幅信号分析主要任务之一是提取幅度随时间变化的规律。在希尔伯特变换平方解调方法的基础上,提出了利用适用于非平稳信号的希尔伯特变换低通滤波器,提取调幅信号的包络,实现非平稳调幅信号的分解。数值算例验证了方法的有效性。     

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。     

基于改进的希尔伯特振动分解的机械故障诊断方法研究

针对多分量机械故障振动信号的特征提取问题,介绍一种基于希尔伯特振动分解(HVD)的时频分析方法。该方法首先利用Hilbert变换得到原始振动信号的解析信号,然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率,同时经同步检测获得相应的瞬时幅值和初相位,最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对HVD方法的边界效应问题,提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。通过两组仿真信号分析验证了HVD方法对多分量非平稳信号的分解能力,同时表明改进的HVD方法能很好地抑制边界效应。给出转子系统油膜涡动故障诊断实例,验证了该方法的工程实用性。     

超声波测振信号的Hilbert变换解调方法研究

以纵向压力波形式定向传播的超声波遇到振动物体时,反射超声波信号的相位会因多普勒效应而被振动所调制.对该反射超声波信号求导得到含有时变相位及时变幅值的调幅调频信号,采用Hilbert变换解调方法求取该调幅调频信号的瞬时幅值和瞬时频率.由于超声波信号存在幅值衰减,而超声波频率不易受外界干扰,故从瞬时频率中提取被测物体的振动速度,并由振动速度求导得到振动加速度.仿真及实验结果表明:Hilbert变换解调方法能够有效地从反射超声波信号中提取瞬时频率信息,而且与实际振动速度及振动加速度相比较,从瞬时频率中提取的振动速度及振动加速度具有较高的准确性.     

超声波测振信号的能量算子解调方法

连续超声波束遇到振动物体表面会产生多普勒效应,反射超声波信号是受振动信号调制的非线性调相信号。对反射波信号求导获得调幅调频信号,再采用能量算子对称差分法,求取该调幅调频信号的瞬时幅值及瞬时频率。鉴于超声波反射回波信号存在幅值衰减现象,而超声波频率不易受外界干扰,故通过调幅调频信号的瞬时频率提取被测物体的振动速度,并由振动速度求导得到振动加速度。同时,从幅值及频率两个方面探讨振动测量范围。仿真及实验结果表明:基于能量算子的超声波测振信号解调方法能有效地提取振动信号,与传统的相位解调方法相比,具有更大的测量范围。     

基于LMD的能量算子解调方法及其在故障特征信号提取中的应用

. 局域均值分解是将多分量调频调幅信号分解为一系列单分量调频调幅信号的有效时频分析方法。为提取故障信号的特征,提出了基于局域均值分解的能量算子解调方法,局域均值分解将复杂的多分量信号分解为若干个乘积函数的线性组合,再通过能量算子解调方法可求取每个乘积函数的幅频信息,从而可进一步获取故障信号的时频分布或提取其故障特征。为提高分析精度,提出了特征趋势正弦函数数据延拓方法以有效克服端点效应的影响。实验信号的分析结果表明,所提出的基于局域均值分解的能量算子解调方法能有效提取机械故障振动信号的特征。     

希尔伯特-黄谱的端点效应分析及处理方法研究

希尔伯特-黄谱可以将机械振动信号分解为有限的模式，然后以时频方式揭示机械的运行状况；然而，作为希尔伯特-黄谱的两个关键步骤，经验模式分解和希尔伯特变换都被“端点效应”所困扰；该文分析和研究了“端点效应”产生的原因，提出采用时间序列建模与预测方法对信号数据进行延拓，达到消除或改进经验模式分解和希尔伯特变换“端点效应”的目的，从而优化希尔伯特-黄谱。     

复线隧道爆破振动信号的HHT分析

结合现场采集到的爆破信号,从实践验证HHT(Hilbert-Huang Transform)理论在爆破振动信号处理中的可行性。首先采用经验模态分解(EMD)提取爆破振动信号的固有模态函数(IMF)分量,对主成分分量作Hilbert变换,提取其包络曲线,得到实际延时爆破中的延时时间。再对原始信号经EMD得到的IMF分量进行Hilbert变换,得到信号的Hilbert能量谱,并从瞬时能量的角度研究了爆破振动不同频率的能量作用机理。从而验证了HHT方法的自适应强和高效性在爆破振动信号分析中的优良特性。     

复线隧道爆破振动信号的HHT分析

结合现场采集到的爆破信号,从实践验证HHT(Hilbert-Huang Transform)理论在爆破振动信号处理中的可行性。首先采用经验模态分解(EMD)提取爆破振动信号的固有模态函数(IMF)分量,对主成分分量作Hilbert变换,提取其包络曲线,得到实际延时爆破中的延时时间。再对原始信号经EMD得到的IMF分量进行Hilbert变换,得到信号的Hilbert能量谱,并从瞬时能量的角度研究了爆破振动不同频率的能量作用机理。从而验证了HHT方法的自适应强和高效性在爆破振动信号分析中的优良特性。     

基于Hilbert-Huang变换的心率变异信号分析

提出一种基于Hilbert-Huang变换(HHT)的心率变异信号分析的新方法。心率变异分析被广泛应用于评估心脏自律功能以及疾病诊断领域。为获得更多心率信号内在特征,首先利用经验模态分解(Empirical Mode Decomposi-tion,EMD)方法将信号分解为一组固有模态函数(Intrinsic Mode Function,IMF),运用Hilbert变换计算并分析各层IMF的瞬时频率和瞬时幅值,从而获取信号所包含的内在信息、心率变异突发时刻和变化趋势。结合积分脉冲频率调制(Inte-gral Pulse Frequency Modulation,IPFM)模型模拟出的心率信号以及真实的心率信号,利用小波分析方法以及HHT方法对心率信号进行对比分析,实验结果证明了HHT方法的可行性,显示了该方法相对于小波分析方法的优势。     

基于Hilbert振动分解和高阶能量算子的行星齿轮箱故障诊断研究

行星齿轮箱广泛应用于各种机械设备中,其故障诊断问题是近年来的研究热点之一。提出了基于Hilbert振动分解和高阶微分能量算子的故障诊断方法。Hilbert振动分解计算复杂性低,能够将复杂信号分解为单分量,应用该方法对信号进行分解,满足高阶微分能量算子的要求。高阶微分能量算子的时间分辨率高,对信号的瞬态变化具有良好的自适应性,应用该方法检测故障引起的瞬态冲击,估计信号的幅值包络和瞬时频率。对高阶微分能量算子输出以及幅值包络和瞬时频率进行Fourier变换,通过频谱识别特征频率,从而诊断行星齿轮箱故障。分析了行星齿轮箱的仿真信号和实验信号,准确地诊断了太阳轮、行星轮和齿圈的故障,验证了该方法的有效性。     

一种新的非平稳信号分析方法——局部特征尺度分解法

在定义瞬时频率具有物理意义的内禀尺度分量(Intrinsic scale component,简称ISC)的基础上,提出了一种新的非平稳信号分析方法——局部特征尺度分解方法(Local characteristic-scale decomposition,简称LCD),该方法能够自适应地将一个复杂信号分解为若干个瞬时频率具有物理意义的内禀尺度分量之和.首先对LCD方法的原理进行了分析,然后给出了采用LCD对信号进行分解的详细步骤,最后采用仿真信号对LCD和经验模态分解(Em-pirical mode decomposition,简称EMD)方法进行了对比分析,结果表明了LCD方法的有效性及在端点效应、迭代次数和分解时间等方面都优于EMD分解方法.     

基于多元EMD-AM/FM分解的多点非平稳雷暴风速模拟

雷暴风对建筑物和输电线塔等结构具有很大的破坏性。为了准确估算结构的动力响应,获得可靠的风速样本至关重要。该文结合多元经验模态分解（MEMD）,调频函数/调幅函数（AM/FM）分解和本征正交分解（POD）建立了基于时频分析的非平稳多点风速的模拟方法。第一,采用MEMD分解多点风速,产生固有模态函数;第二,采用AM/FM分解计算各点的固有模态函数的瞬时频率和瞬时幅值;第三,利用POD对瞬时频率解耦;第四,将瞬时幅值和解耦后的瞬时频率用于重构多点非平稳风速。实测多点雷暴风的模拟结果表明: MEMD-AM/FM分解-POD方法能满意地模拟多点非平稳雷暴风速。     

航空发动机试飞中转静子碰摩故障信号处理 的希尔伯特－黄变换（HHT）方法

时变信号处理的新方法希尔伯特－黄变换,是把一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方法引入到航空发动机转静子碰摩故障振动信号处理领域。该方法的理论和算法为用MATLAB语言编写分析程序,再用仿真信号验证程序的正确性和有效性;然后对飞行试验中获得的故障振动信号进行分析。结果表明,用EMD和HT方法对航空发动机转静子碰摩故障振动信号进行时频分析是有效的。     

基于生成微分方程的行星齿轮箱故障振动信号解调分析

行星齿轮箱振动信号具有明显的调制特点,幅值解调和频率解调分析能够有效提取其中的故障信息。生成微分方程(GDE)方法可以估计调制信号的幅值包络和瞬时频率,实现解调分析,但该方法需要信号满足单分量要求。实际行星齿轮箱振动信号通常由复杂多分量成分组成,为实现信号的幅值解调和频率解调分析,应用经验模式分解(EMD)将信号分解为单分量本质模式函数,基于生成微分方程计算瞬时频率和幅值包络,根据瞬时频率的波动特点选择本质模式函数作为敏感分量,由敏感分量的包络谱和瞬时频率的Fourier频谱识别故障特征频率。通过行星齿轮箱故障模拟实验数据分析验证了解调分析方法的效果。