航空发动机振动数据稀疏傅里叶变换分析

稀疏傅里叶变换是近年来新兴的一种基于信号稀疏特性的频谱分析方法,稀疏傅里叶变换通过识别舍弃对分析结果无影响的频率信号,从而对大数据进行快速准确的处理。为了探究稀疏傅里叶变换在航空发动机振动数据分析中的实用性,结合实际飞行试验振动数据,将稀疏傅里叶变换方法与传统快速傅里叶变换方法在频谱特性、运行时间、算法稳定性等方面进行了研究,通过对比可以发现,稀疏傅里叶变换算法在保证准确率的情况下,可以极大地提高振动数据分析的效率。     

高速列车转向架区气动噪声分离研究

提出了一种基于快速路径优化的自适应短时傅里叶变换时频分析方法,并将该方法用于行星齿轮箱的故障诊断。该时频分析方法通过使用快速路径优化获得瞬时频率变化规律,在短时傅里叶变换过程中自适应的改变时窗长度,从而获得更恰当的时频分辨率。针对行星齿轮箱运行状态不稳定的特点,通过使用笔者提出的时频分析方法可以有效地提取出行星齿轮箱的转速信息,利用参考转速对故障信号角度域重采样和阶次分析,从而实现变转速情况下的行星齿轮箱故障诊断。仿真分析表明,与传统短时傅里叶变换相比基于快速路径优化的自适应短时傅里叶变换得到的时频分布能量更加集中;试验分析证明了基于快速路径优化的自适应短时傅里叶变换方法在行星齿轮箱故障诊断中的有效性。     

参数化的短时傅里叶变换及齿轮箱故障诊断

提出了一种基于快速路径优化的自适应短时傅里叶变换时频分析方法,并将该方法用于行星齿轮箱的故障诊断。该时频分析方法通过使用快速路径优化获得瞬时频率变化规律,在短时傅里叶变换过程中自适应的改变时窗长度,从而获得更恰当的时频分辨率。针对行星齿轮箱运行状态不稳定的特点,通过使用笔者提出的时频分析方法可以有效地提取出行星齿轮箱的转速信息,利用参考转速对故障信号角度域重采样和阶次分析,从而实现变转速情况下的行星齿轮箱故障诊断。仿真分析表明,与传统短时傅里叶变换相比基于快速路径优化的自适应短时傅里叶变换得到的时频分布能量更加集中;试验分析证明了基于快速路径优化的自适应短时傅里叶变换方法在行星齿轮箱故障诊断中的有效性。     

小波分析在机械故障诊断中的应用

分析傅里叶变换及小波变换在机械故障诊断中的应用及局限性，并用实例说明用傅里叶变换与小波分析方法进行故障诊断，证明两种方法在故障诊断的信号分析中都是有效可行的。     

也论分数傅里叶变换与菲涅耳衍射的等效性

介绍了分数傅里叶变换的定义及其用于光学衍射时必须满足的自洽性条件 ,推导了分数傅里叶变换的缩放性质 ;分析了菲涅耳衍射和分数傅里叶变换的等效性关系 ;运用 MATLAB程序设计语言编程模拟实现了菲涅耳衍射 ,给出了对分数傅里叶变换和菲涅耳衍射等效性有决定意义的三个参数之间的关系曲线     

广义参数化同步压缩变换及其在旋转机械振动信号中的应用

广义参数化时频分析通过构造匹配的参数化变换核,能够有效提高强调频信号的时频能量聚集性。然而,受短时傅里叶变换中窗函数结构的影响,利用该方法获得的时频能量分布在真实瞬时频率附近始终存在能量扩散现象。同步压缩变换利用同步压缩操作可将短时傅里叶变换处理后的时频能量压缩至真实瞬时频率位置,然而,同步压缩变换仅适用于分析频率成分恒定的纯谐波信号。以短时傅里叶变换为纽带,将两种时频分析方法相结合,提出了广义参数化同步压缩变换。考虑到旋转机械振动信号多为多分量信号,通过迭代处理的方式,依次获取各单分量信号的时频能量分布,对其进行叠加得到最终的时频能量分布。通过数值仿真以及变转速下转子不对中、滚动轴承外圈故障模拟试验验证了所提方法的有效性。     

基于短时傅里叶变换检测非平稳信号的频域内插优化抗混叠算法

非平稳信号的分析越来越受到人们的重视.短时傅里叶变换(STFT)是一种线性变换,避免了其他高次型非平稳信号分析方法中出现的交叉项的干扰,是分析非平稳信号的有力工具.短时傅里叶变换的基本思想是利用一个固定大小的滑动的窗口函数对信号进行分析,并假定信号在窗口内是平稳的,因此加窗变换所同有的混叠现象在短时傅里叶变换中依然存在.本文基于频域插值的思想,提出了基于频域内插抗混叠短时傅里叶变换的算法,首先分析了混叠产生的物理本质,然后以汉明窗为基础构造了频域内插的方法,并利用牛顿插值法得出插值的迭代求解方法,最后给出内插优化算法步骤.仿真实例验证了算法的可行性.     

频率同步压缩与时间同步压缩的对比和应用

同步压缩变换是一种具有重构特性的时频分析方法,常用作短时傅里叶变换(short-time Fourier transform,简称STFT)的后处理步骤.介绍了两种不同的同步压缩方法:频率同步压缩(frequency-reassigned synchrosqueezing transform,简称SST)和时间同步压缩...     

基于FDM的机械故障信号诊断处理方法研究

傅里叶分解(FDM)是一种新的自适应时频分析方法,该方法首先定义了瞬时频率具有物理意义的傅里叶固有频带函数(FIBFs),然后在整个傅里叶域自适应地搜寻解析傅里叶固有频带函数(AFIBFs),从而将非平稳非线性信号自适应地分解为若干个傅里叶固有频带函数和一个残余分量。FDM方法基于傅里叶变换,且是一种完备的、正交的、局部的和自适应的信号处理方法,数学理论充分,并且可以直接依据解析傅里叶固有频带函数直接求得时频能量谱,时频分辨率高,优点非常明显。仿真结果表明,与EMD相比,该方法无端点效应,不存在模态混叠效应,且数学理论充分。最后成功地将该方法应用到实际的滚动轴承故障诊断中。     

基于多分辨时频分析方法实现睡眠脑电图信号的自动分阶

详细介绍了睡眠分阶规则,并在分析比较多种时频分析方法的基础上,应用基于小波包变换和短时傅里叶变换的多分辨率时频分析方法来实现睡眠脑电图的自动分阶分析.在采用虚拟仪器技术研制的虚拟式脑电图记录分析仪上进行了实验,结果表明,上述方法可以获得较好的睡眠分阶分析结果.     

基于改进傅里叶变换的滚动轴承故障诊断

傅里叶变换是对信号进行频谱分析的经典方法,并在旋转机械故障诊断中得到了广泛应用。然而滚动轴承故障振动信号幅值波动较大,会导致频谱混乱,严重影响故障诊断结果,论文提出一种改进傅里叶变换的方法解决上述问题。首先通过经济学领域的Z计分模型对信号进行归一化处理,减少幅值波动,再应用傅里叶变换得到标准化信号的频谱,最后借助特征频率对滚动轴承进行故障诊断。结合滚动轴承内圈模拟点蚀故障试验,验证了该方法能够准确识别滚动轴承故障特征。     

小波变换在雷达目标识别中的应用

针对传统傅里叶变换对雷达回波信号分析方法所存在的不足,提出了利用小波变换的方法来改善雷达回波信号的质量.分析了小波变换的原理,并在此基础上着重论述了小波变换去除噪声的原理和方法.仿真试验和实际数据验证结果表明,该方法改善了雷达回波信号中波形的质量,提高了目标信号的识别率,切实可行,具有一定应用价值.     

基于扩展傅里叶变换的可变带宽滤波器设计

本文提出了一种基于扩展傅里叶变换（EFT）的可变带宽滤波器（VBF）设计方法。文中定义了扩展傅里叶变换和线性准时不变（LQTI）系统,分析了线性准时不变系统在扩展傅里叶变换域的频率特性,并利用线性准时不变系统的可变带宽频率特性来构建可变带宽滤波器,同时详细分析了可变带宽滤波器的通带变化情况。这种可变带宽滤波器基于一种简单的更新机制,能够有效降低运行时的复杂度。实验结果证明了基于扩展傅里叶变换的可变带宽滤波器的有效性。     

基于三维傅里叶变换的胸腹表面测量

鉴于人体胸腹表面三维运动测量在精确放疗等医学领域中的重要应用背景,提出一种三维傅里叶条纹分析与三频时间相位展开相结合的三维傅里叶变换胸腹表面测量方法。投射一幅不同频率三原色余弦条纹组成的图案,每采集一幅图像就能实现相应时刻胸腹表面的三维形状测量;将动态条纹图像序列作为一个三维序列整体,通过三维傅里叶变换并结合三维高斯滤波器提取折叠相位。无干扰时其均方根误差不超过0.005rad,峰谷值误差不超过0.015rad,其抗干扰能力高于二维傅里叶条纹分析和其他胸腹表面三维傅里叶条纹分析方法;通过三频时间相位展开方法进行折叠相位展开,在限定条件下绝对相位的误差不超过折叠相位的误差。理论分析和实验结果表明,本文方法能实现人体胸腹表面的三维动态测量。     

基于LabVIEW的双馈风力发电机组在线谐波分析研究

针对双馈风力发电机组在并网运行时,其电力电子变流装置将向电网注入大量谐波电流的问题,将基于LabVIEW的在线谐波分析技术应用到双馈风力发电机组的谐波监测分析中。开展了针对双馈风力发电机组注入电网谐波的傅里叶分析和小波包分析,提出了将傅里叶变换与小波包变换联合使用的方法;在LabVIEW上搭建了仿真平台,对双馈风力发电机组可能存在的谐波进行了仿真分析试验。试验及研究结果表明,对于平稳信号与非平稳信号进行谐波分析时,将傅里叶变换与小波包变换联合使用,两者的效能得到明显的提高,优于单独使用傅里叶变换或小波包变换,且可更准确地获取基波和谐波的实时波形与频域特性,谐波定位更准确,为谐波补偿提供了更可靠、准确的信息。     

小波分析及其在机械诊断中的应用

从工程应用的角度提出了对于小波分析的理解，给出了小波函数和尺度函数之间的关系和信号分解的小波变换。利用小波包算法分析了两种典型的机械故障。结果显示，小波包的分析方法较传统的窗口傅里叶变换和维格纳分布更加有效。     

基于短时傅里叶变换的汽车零部件耐久性载荷信号编辑方法

为了保证汽车零部件耐久性试验能够真实复现零件的服役载荷,并将试验场所测得的实际载荷-时间历程信号编辑成有效的缩减载荷信号,提出基于短时傅里叶变换的汽车零部件载荷信号编辑方法。对零件载荷信号进行短时傅里叶变换,得到该载荷信号的累积功率谱密度。利用累积功率谱密度来识别并提取损伤贡献大的片段,得到零件的缩减载荷信号。以汽车动力总成后拉杆悬置载荷-时间历程信号为例,采用基于短时傅里叶变换和基于损伤保留两种方法来编辑载荷信号。结果表明,在伪损伤保持一致的前提下,相比基于损伤保留方法,基于短时傅里叶变换方法得到的缩减载荷信号时间长度更短,且在统计参数(均值、方均根与峰度系数)和信号幅值域等方面均与原始载荷信号一致性更高。应用该缩减载荷信号建立汽车动力总成后拉杆悬置的耐久性台架试验,验证该套方法的有效性。     

基于自适应经验傅里叶分解的机械故障诊断方法

为了克服傅里叶变换、经验模态分解与傅里叶分解方法在分析非平稳信号方面的不足,提出一种适合非线性和非平稳信号分析的新方法——自适应经验傅里叶分解(Adaptive empirical Fourier decomposition,AEFD)。AEFD方法以快速傅里叶变换为基础,通过对变换系数进行分组重构,能够将一个非平稳信号自适应地分解为若干个瞬时频率具有物理意义的傅里叶本征模态函数(Fourier intrinsic mode function,FIMF)之和。研究了AEFD的分解正交性和精确性,通过仿真信号分析,将其与经验模态分解,变分模态分解和傅里叶分解方法等进行了详细对比,结果表明了AEFD的优越性。最后,为了提高故障诊断的精度和验证AEFD的有效性,将AEFD应用到转子碰摩和滚动轴承局部故障诊断中。试验数据分析结果表明,与经验模态分解等方法相比,AEFD不仅能够有效地诊断故障,而且诊断精度更高。     

傅里叶变换与小波变换的统一数学模型

提出了建立信号变换统一数学模型的设想,阐述了这一设想的意义;提出了域参变量、域参函数等概念;探索并建立了傅里叶变换(短时傅里叶变换)与小波变换统一数学模型的普通形式和广义形式,绘出了统一数学模型的流程图,给出了统一数学模型的物理意义;给出了傅里叶变换、短时傅里叶变换与小波变换在统一数学模型中的各参量和参变函数的取值。     

无刷发电机旋转整流器故障特征提取方法研究

首先使用Matlab仿真对比小波变换和傅里叶变换在旋转整流器故障特征提取的精确性,然后利用STM32F407VGT6作为处理芯片,通过模拟输入故障信号,在硬件上进行在线调试,对比分析两种变换方法的效率。结果表明对于旋转整流器故障诊断,傅里叶变换比小波变换更有优势。