基于改进经验小波变换的滚动轴承故障特征提取方法研究

针对振动信号的非线性、非平稳性和早期故障特征信号难以提取的特点,提出一种基于改进经验小波变换的故障特征提取方法。通过包络分析和对包络曲线进行阈值分割修整的方法来确定经验小波变换分解的模态数和频率边界,解决传统经验小波变换需要预先设置分解模态数和难以对信号频谱进行适当分割问题,以实现对振动信号故障信息更准确的描述。实验表明,该频谱分割方法能够有效检测信号最佳模态分解数,使得信号的频谱分割更为容易、可靠。相比传统EWT和EMD,改进经验小波变换的滚动轴承内圈、外圈Hilbert变换时频图对振动信号的故障相关特征描述更为清晰,在滚动轴承故障特征提取方面表现更为优越。     

压力管道泄漏声发射信号频谱特性实验研究

以水为实验介质,进行了充液压力管道泄漏声发射信号的实验研究。利用小波变换对不同流量、不同泄漏孔径条件下检测到的声发射信号频谱特性进行了分析研究,结果表明充液管道泄漏信号经小波分解后a6级信号的能量占总能量的绝大部分,信号的主要频率成分集中在3.05kHz-3.81kHz左右。     

改进经验小波变换与最小熵解卷积在铁路轴承故障诊断中的应用

经验小波变换是一种小波框架下的自适应信号分解方法,对旋转机械的非线性、非平稳振动信号有很好的分解作用。针对传统经验小波变换过程中频谱划分过多的问题,提出根据互信息值对频谱进行重新划分与合并的方法,能有效减少频带数量;选择峭度值最大的分量进行信号重构,再使用最小熵解卷积对重构信号进行降噪;对降噪后的信号进行包络分析,能够有效地诊断出滚动轴承的微弱故障。通过仿真信号与铁路货车轮对轴承实验信号验证了该方法的有效性,为下一步工程应用奠定了基础。     

状态形态学滤波与EWT的故障特征提取方法研究

针对往复机械振动信号具有复杂非线性、非平稳等特性,使用一种基于小波框架的自适应经验小波变换和以集合角度处理信号的形态学滤波来进行往复机械故障特征提取。首先使用自适应经验小波变换通过构造尺度空间曲线对傅里叶频谱进行划分,构造合适的正交小波滤波器组以提取具有紧支撑傅里叶频谱的AM-FM成分;然后根据往复机械振动信号冲击性的特点,基于信号本身特性构造形态学结构元素,对提取出的模态进行状态自适应形态学滤波;最后使用多尺度模糊熵对模态进行定量分析并对故障进行识别。将该方法应用到实测数据中,实验结果验证了该方法的有效性,该方法可以准确对往复压缩机气阀故障进行识别。     

基于小波-倒频谱的齿轮故障诊断方法及应用

利用振动信号采集到的齿轮故障信息,依据点蚀的故障机理和频谱特征,采用小波分解将信号分解在不同频带,有效抑制了背景噪声,从而得到故障特征频带,获得周期性突变的故障信息。选择故障所处频带重构信号,对故障进行诊断。结合倒频谱方法可以有效地识别故障特征频率。结果表明小波分析与倒频谱相结合是齿轮故障检测中一种有效的诊断方法。     

改进的经验小波变换在滚动轴承故障诊断中的应用

经验小波变换是一种基于Fourier 频谱特性,通过构建自适应小波滤波器组来分析复杂多分量信号的方法。该方法能够有效识别信号中的不同模态分量,但由于其Fourier 频谱分割问题,在处理噪声及不稳定信号方面有所欠缺。针对这一问题,采用改进的经验小波变换方法,将信号分解为具有物理意义的经验模态。改进的经验小波变换主要考虑被处理信号的频谱形状,通过采用基于顺序统计滤波器（OSF）的包络方法以及遵循三个准则来获取有效峰值的方法,改进Fourier 频谱分割过程。将改进的方法应用于滚动轴承故障诊断中,由于改进的经验小波变换能够将振动信号分解为一系列单分量成分,因此在轴承振动信号包络谱中能够清晰的发现故障特征。通过对滚动轴承振动模拟信号和实验信号的分析验证了该方法的有效性。     

环境激励下基于改进经验小波变换的土木工程结构模态参数识别

针对经验小波变换(EWT)识别噪声信号模态参数时,由于傅里叶频谱易受噪声影响而频带划分不准确等问题,提出了一种基于Burg算法的自回归功率谱替代傅里叶频谱的信号频带划分技术,结合随机减量技术和基于Hilbert变换的单分量模态参数识别方法,提出了环境激励下基于改进经验小波变换的土木工程结构模态参数识别方法。典型模拟信号、美国土木工程师学会ASCE Benchmark数值模型以及台风激励下香港汀九斜拉桥的模态参数识别结果验证了方法的正确性、有效性和适用性。研究结果表明:基于自回归功率谱的信号频带划分技术,可更准确地估计信号频带边界,隔离噪声;基于改进EWT方法识别的结构模态参数更准确,精度高于基于小波变换的方法,且能有效地识别环境激励下实际土木工程结构的低阶自振频率和阻尼比。     

基于经验小波变换的干耦合超声检测Lamb波信号分析

为提取出干耦合Lamb波检测信号中的有用信息,采用经验小波变换(empirical wavelet transform,EWT)对检测信号进行分析。首先定义一组经验尺度和经验小波函数,根据傅里叶变换结果对信号频谱进行分割,提取出围绕中心频率具有紧支撑特性的不同频段;然后通过选择合适函数,建立紧支撑的小波框架;最后对信号进行经验小波变换,得到不同的分解模态。针对玻璃纤维复合材料板的干耦合Lamb波检测实验结果表明:采用EWT方法能够分解出信号中不同的固有模态,揭示信号的频率结构,区分缺陷的大小,反映Lamb波传播特性。与经验模态分解(empirical mode decomposition,EMD)方法相比,EWT方法计算量小,分解模态少,没有虚假和无法解释的分量,显示该方法的优越性。     

基于小波变换的高分辨率信号频谱分析方法

本文介绍了一种基于小波变换的高分辨率频谱分析方法，该方法对信号频谱分辨率有明显的改善效果，尤其是在短数据采样点上，仍然具有较高的频谱分析效果，适合于快速变化信号的频谱分析。     

基于小波变换与FFT算法的电能质量信号分析

提出了一种基于小波变换和FFT相结合分析电能质量信号的方法。用小波变换检测电能质量信号的间断点，对由间断点分段得到的信号用FFT进行频谱分析，并进行了计算机仿真，取得了较满意的结果。     

基于广义Morse小波和EWT的移动荷载下结构时变频率识别

提出了基于广义Morse小波和经验小波变换的移动荷载作用下结构时变频率识别方法。首先介绍了经验小波变换技术和广义Morse小波特性,采用经验小波变换对结构响应信号进行分解,对分解得到的不同经验模式成分采用广义Morse小波分析,提取信号小波脊线识别结构瞬时频率。用一个数值算例验证了方法的有效性和精度。随后设计了一个移动小车通过钢板梁的模型试验,采用该方法识别其时变频率并与有限元计算结果进行对比分析,进一步验证方法的效果。     

离散频谱的频率抽取校正法

在对几种现有的离散频谱校正的方法作了综合分析和回顾的基础上,对现有的频谱校正方法进行了改进,提出了一种新的校正方法——频率抽取校正法,通过抽取幅值谱中最大谱线处的频率成分来确定信号分量的频率,采用最小二乘拟合法修正其幅值和相位,如此循环抽取和修正即可逼近原始信号。仿真结果表明,该方法提高了离散频谱校正的精度,且实现方便,适用于一般的工程平稳信号处理。     

基于双树复小波包峭度图的轴承故障诊断研究

针对传统包络谱和峭度图分析技术的缺陷,提出了一种基于双树复小波包峭度图的轴承故障诊断方法。该方法综合利用了双树复小波包变换和峭度图分析技术,克服了原峭度图方法只采用FIR和短时傅立叶变换滤波器的缺点,提高了从强噪声环境中提取瞬态冲击特征的能力。首先利用双树复小波包变换,将振动信号分解成不同频带的分量,然后计算各小波分量的谱峭度,再利用谱峭度的滤波器作用,计算最大峭度值对应分量信号的包络谱,根据包络谱就可识别齿轮箱轴承的故障部位和类型。齿轮箱轴承故障振动实验信号的研究结果表明：该方法不仅提高了信噪比和频带选择的正确性,而且能有效地识别轴承的故障。     

基于改进EMD方法与1 1/2谱的DEMON谱提取方法

噪声的包络调制检测(Detection of Envelope Modulation on Noise, DEMON)谱分析技术已被广泛应用于特征提取领域,但经典 DEMON 谱提取中高频信号频段的选取会影响 DEMON 谱的提取效果。针对这一问题,文中首先运用经验模态分解(Empirical Mode Decomposition, EMD)方法获得一系列固有模态函数(Intrinsic Mode Function, IMF),依据各阶模态函数与原信号的相关程度,筛选出更具代表性的几阶固有模态函数进行解调,再对解调的结果运用1 1/2维谱分析方法进行谱分析以抑制高斯噪声,通过这种方法获得的 DEMON 谱信噪比优于传统方法。实测湖试数据分析结果表明,该改进方法可以有效地进行特征提取,结果优于经典 DEMON 谱分析方法;该改进方法具有一定的实用性,有利于进行后续目标分类识别。     

FFT幅相联合的快速高精度频率估计方法

快速傅里叶变换（Fast Fourier Transform,FFT）常用于信号频率估计,采用填零的方法可降低幅度谱频率搜索间隔的量化误差,但是会使频率估计的计算量成倍增加。本文提出了一种FFT幅相联合的快速高精度频率估计算法,首先利用信号采样的频谱序列和尾首样本差确定幅度谱及峰值位置,然后由频谱序列在幅度谱峰值位置和信号采样的尾首样本差来确定频率搜索间隔的量化误差校正值。因此,所提方法同时利用了幅度谱峰值的位置信息与相位信息。分析结果表明,与仅基于幅度谱搜索的FFT算法相比,所提方法的计算复杂度更低,且定位精度更高。     

振动信号多重分形分析改进算法

针对振动信号的变化特点,提出一种用多重分形谱描述振动信号复杂性的新方法.给出了振动信号多重分形谱的改进算法,并对振动信号多重分形谱的变化规律进行了仿真和试验研究.结果表明:改进后的多重分形谱反映了振动信号的特征,能够对振动信号进行识别.     

基于非线性扫频的频率特性校准研究

在动态频率特性测量和校准应用中,传统的线性调频信号频谱均匀分布、可设计参数单一,难以同时兼顾测量精度与测量效率。本文提出了一种基于非线性扫频方式的动态频率特性校准方法,可广泛用于传感器与仪器仪表的频率响应校准与标定。非线性扫频信号可以实现激励信号能量在频域内的非均匀分布,从而在某些重要频段内实现较高精度测量的同时,在其他频段通过牺牲一定的测量精度来保证测量速度,从而进一步优化频率特性测量的整体性能。仿真结果表明,在相同的扫频时间内,非线性扫频方法相比于线性扫频方法,能够将特定频段内的测量精度进一步提高。     

基于改进变分模态分解的滚动轴承故障诊断方法

提出一种改进变分模态分解的轴承故障信号诊断方法。使用改进的奇异值分解降噪方法对信号进行降噪,然后对信号进行变分模态分解;利用分量信号的能量之和占原信号能量的比值,判断变分模态分解的分解效果,从而找出最佳分解层数;根据分量信号间的相关系数,判断中心频率相邻的分量信号是否来自信号中的同一调制部分;最后通过主要分量的包络谱找出故障特征频率,判断故障类型。通过对仿真信号和实际轴承故障信号进行处理,成功提取微弱频率特征信息,验证了该方法的有效性。     

基于小波改进阈值去噪和HHT的滚动轴承故障诊断

利用Hilbert-Huang变换（Hilbert-Huang Transformation,简称HHT）对滚动轴承进行故障诊断时,发现振动信号中包含的噪声对诊断结果影响较大。为克服此不足,提出了一种小波改进阈值法与HHT相结合的信号分析方法。该方法首先应用小波改进阈值方法对滚动轴承故障信号进行预处理,然后对去噪后的信号进行经验模态分解（Empirical Mode Decomposition,简称EMD）,接着选取含有故障信息的本征模函数（Intrinsic Mode Function,简称IMF）分量进行边际谱分析,从而提取出故障特征频率,并判断故障类型。仿真和实验结果验证了该方法的有效性。     

基于VMD和窄带包络相关的船舶辐射噪声改进DEMON分析

船舶辐射噪声的包络谱中蕴含着轴频和桨叶数等船舶固有特征信息,对船舶目标识别具有重要意义。为了提高船舶辐射噪声包络谱解调性能,提出了基于变分模态分解(Variational Mode Decomposition, VMD)和窄带包络相关的改进DEMON分析方法。首先利用VMD算法代替传统带通滤波器,将船舶辐射噪声信号分解为若干个子带;然后对各子带进行希尔伯特(Hilbert)检波并计算平均窄带包络相关系数,用于衡量信号的包络调制在频域上的非均匀性;最后提取各子带信号包络谱并按照平均窄带包络相关系数进行加权融合,从而得出宽带噪声信号的包络谱。利用该方法对实测不同类型和不同航速船舶辐射噪声信号进行了处理,结果均表明所提方法能有效提高包络谱解调效果,较传统方法更为有效。