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.     

迭代能量算子机械故障诊断研究

旋转机械元件的故障振动信号通常为多分量调幅调频信号,针对此类信号的故障特征提取问题,介绍一种基于迭代能量算子的机械故障诊断方法。首先阐述迭代能量算子对多分量信号的各分量信号进行幅值包络提取和平滑瞬时频率估计的基本原理;然后通过仿真试验给出与Hilbert-Huang变换的比较,表明该方法解调精度很高且速度较快;最后给出滚动轴承故障诊断实例,证明基于迭代能量算子的多分量调幅调频信号解调方法能有效地提取机械故障振动信号的故障特征。     

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。     

齿轮故障振动啮合调幅调频信号分离方法

齿轮故障时振动信号中同时存在调幅调频信号。基于齿轮故障振动啮合调制信号数学模型,利用平方幅值解调和基于调频信号与第一类贝塞尔函数之间关系的频率解调方法,分别建立关于调幅和调频参数的非线性方程组;再应用最小二乘优化算法求解参数,提出一种调幅调频信号准确分离的新方法。并将离散频谱校正技术用于提高该分离方法的准确性。仿真结果表明：该方法精度高,抗干扰能力强;分离出的调频信号比希尔伯特变换和基于能量算子解调求解的调频信号精度高。实验分析表明,不同故障分离的调幅调频信号存在明显的特征和差异,从而为齿轮箱故障提供了一种新的诊断方法。     

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。     

广义解调时频分析方法在调制信号处理中的应用

介绍了一种新的信号处理方法-基于广义解调的时频分析方法,并将这种方法应用于调制信号的处理。广义解调时频分析方法采用广义解调将时频分布是曲线的信号变换为时频分布是平行于时间坐标轴的直线的信号,然后采用最大重叠离散小波包变换（Maximal overlap discrete wavelet packet transform,简称MODWPT）对广义解调后的信号进行分解,得到若干个瞬时频率和瞬时幅值都具有物理意义的单分量信号,再对各个单分量信号进行逆广义解调,进一步求出瞬时频率和瞬时幅值,从而得到原始信号完整的时频分布。采用广义解调时频分析方法对调幅-调频信号进行了分析,结果表明该方法能有效地提取调幅-调频信号的调制信息。     

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。     

齿轮振动中调频信号的解调方法及仿真计算

齿轮发生裂纹故障时其振动信号会产生调制现象，包括幅值调制和频率（相位）调制两部分。目前调幅信号的解调分析已经比较成熟，但对于调频信号的解调方法研究还不够完善。全面系统介绍了近年来处理调频信号中最常用的希尔伯特相位解调和循环平稳解调两种方法，并通过仿真指出了这两种方法各自的优缺点和局限性。     

变步长频率加权能量算子在轴承故障诊断中的应用

通过包络解调可以提取调制信号中的周期成分来实现轴承故障的早期诊断与预警。但在进行包络解调时,需要解调信号必须为单调幅调频信号,且解调效果容易受到其他干扰信号的影响。频率加权能量算子较包络解调具有更高鲁棒性,但频率加权能量算子在离散化时使用的中点平均差分方法对中心频率较低的调制信号进行解调时鲁棒性较差。因此变步长频率加权能量算子通过改变步长参数来增强其在中心频率较低时的鲁棒性。通过分析与试验验证表明,变步长频率加权能量算子在整个频带都具有较好的解调效果。变步长频率加权能量算子可以在信号未经分解的前提下实现不同共振频带的解调,所以具有更强的工程应用价值。     

基于ASTFA和SDEO解调的行星齿轮箱故障诊断方法

针对行星齿轮箱故障信号的调制特点,提出基于自适应最稀疏时频分析(Adaptive and Sparsest TimeFrequency Analysis,ASTFA)和对称差分能量算子(Symmetric Difference Energy Operator,SDEO)相结合的解调方法,用于提取故障信号的瞬时幅值和瞬时频率信息。采用ASTFA方法分解行星齿轮箱故障信号,得到若干个单分量信号,采用SDEO进行解调,得到各单分量信号的瞬时幅值和瞬时频率,并计算得到包络谱。采用该方法分析行星齿轮箱故障仿真信号和故障实际信号,结果表明,该方法能准确地提取故障特征,实现行星齿轮箱故障诊断。     

一种新的估计瞬时频率的方法—经验包络法

常用的求取瞬时频率的方法,希尔伯特变换,会出现无法解释的负频率和明显的端点效应。标准希尔伯特变换克服了希尔伯特变换出现负频率的缺点,但仍然有端点效应。为了避免希尔伯特变换,基于信号的经验调幅调频分解,论文提出了一种新的求取瞬时频率的方法—经验包络法(empirical envelope method,简称EE）。经验包络法本质上是先通过经验调幅调频分解获取纯调频信号,然后对其求导,再对求导的结果进行经验调幅调频分解,提取出包络信号,便可获得原信号的瞬时频率。论文首先给出了经验调幅调频分解的详细过程,然后给出了经验包络法的原理和具体步骤,最后采用仿真信号将经验包络法与希尔伯特变换、标准希尔伯特变换和反余弦法进行了对比,分析结果表明了经验包络法的优越性     

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。     

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。     

振动调频信号的时延二次变换解调研究

调频信号在频谱上具有与调幅信号相同的频率分布特征，然而，轴承和齿轮故障诊断中常用的解调方法却只适用于调幅信号，不能分析调频信号。基于以上问题，从确定调频信号频率分量幅值的贝塞尔函数的性质出发，分析了平方解调法不能对调频信号进行解调的原因。分析过程中发现由于贝塞尔函数的一些特殊性质，使得常用的解调方法不再适用于调频信号。针对这个原理，本文提出利用时延二次变换（信号与时延信号的乘积）打破调频信号边频分量的贝塞尔函数的特殊性，使得变换之后的信号中包含有调制频率，从而实现了对调频信号的解调。     

基于广义解调平滑能量分离算法的瞬时频率估计

平滑能量分离算法能够跟踪调幅调频信号的瞬时频率,结合广义解调和复解析Gabor滤波器的优点能够克服平滑能量分离算法只适用于单分量窄带信号以及对噪声敏感的局限性。理论分析了负频干扰对传统广义解调多分量分离方法的影响,在此基础上提出了一种新的基于广义解调的平滑能量分离算法,该方法利用广义解调将非平稳信号转化为准平稳信号,再通过复解析Gabor滤波器对其进行滤波以达到单分量信号分离的效果,分离出来的准平稳信号无需进行逆广义解调,直接采用平滑能量分离算法求取瞬时频率,经过频率补偿得到原始信号的瞬时频率。仿真和试验结果表明该方法能够克服负频率干扰,且比传统方法具有更高的解调精度,进一步扩大了平滑能量分离算法的应用范围。     

时延自相关解调频原理及其在齿轮故障诊断中的应用

当齿轮发生故障时,调幅和调频现象往往同时存在,但是传统方法通常只适用与解调幅,而不能解调频。同时振动信号中常含有大量的噪声,严重的影响了解调结果。由于高延迟的自相关函数具有受噪声影响比较小的特点,已有文献用时延自相关法解调幅,但是用做解调频还鲜有研究。为此,从理论上分析了调频信号和调幅调频信号的自相关函数,得出调频信号的自相关函数是调幅信号,调频调幅信号的自相关函数仍然是调幅调频信号,且其调制频率不变。这样就从理论上说明了时延自相关解调法是解调频和解调频的通用方法。最后通过仿真实验和实例分析,表明了时延自相关解调法不仅能有效的解调频,而且具有较好的抗噪性。     

非线性调频分量分解的转子油膜涡动信号分析研究

转子轴承系统的振动信号常呈现非线性调频特征且信号分量在频域混叠,传统的频谱分析方法难以处理该类信号。基于参数化解调的非线性调频信号分解方法来分析油膜涡动、油膜振荡特征信号能够有效分解频域混叠的非平稳信号。首先通过优化频谱集中性指标来估计信号瞬时频率参数并用估计到的参数将非线性调频信号解调为平稳信号,最后用带通滤波器提取解调信号。仿真及实验信号通过该方法分析后的结果证明,所用非线性调频分量分解的信号分解方法能够有效提取转子轴承系统的油膜涡动、油膜振荡故障特征,从信号时频图及提取分量的时域图可以清晰看到油膜涡动、油膜振荡的发生发展过程,为早期油膜涡动判定提供依据。     

基于LMD自适应多尺度形态学和Teager能量算子方法在轴承故障诊断中的应用

为了从故障轴承信号中提取包含故障信号的特征频率,提出了基于LMD自适应多尺度形态学和Teager能量算子解调的方法。首先,采用LMD将目标信号分解成有限个PF（Product function,PF）分量,分别对其进行多尺度形态学滤波,利用峭度准则优化形态学结构元素尺度,自适应寻求最优解,最后用Teager能量算子计算各PF分量的瞬时幅值,通过瞬时Teager能量的Fourier频谱识别轴承的故障特征频率。为了验证理论的正确性,进行了数字仿真实验和轴承故障模拟实验,并与EMD形态学和包络解调方法进行了比较,结果表明该算法明显优于其他两种方法,对滚动轴承外圈、内圈和滚子故障的检测精度更高,能够清晰地提取出故障信号的频率特征。     

基于广义解调时频分析的包络阶次谱在齿轮故障诊断中的应用

提出了基于广义解调时频分析的包络阶次谱方法,并将它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具有物理意义的单分量信号的瞬时频率,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恰巧表现为多分量的调幅-调频特征,在基于广义解调时频分析的包络阶次谱方法中,首先采用广义解调时频分析方法将多分量的齿轮振动信号分解为若干个单分量信号,其次对各个单分量信号进行包络分析,然后对包络信号进行角域重采样,最后对重采样后的信号进行频谱分析,得到包络阶次谱,从而判断齿轮的工作状态.采用该方法分别对仿真和实验信号进行了分析,结果表明了该方法的有效性.     

应用Hilbert变换和ZFFT提取变速器齿轮故障特征

变速器故障齿轮振动信号,调幅现象和调频现象同时存在,其频谱中包括啮合频率及其谐波、调制产生的耦合频率。Hilbert变换无法提供足够高的频率分辨率解调低频调制信号,为此提出复调制细化谱分析方法。通过变速器齿轮故障模拟实验,采集齿轮正常、轻微磨损和严重磨损时的稳态振动信号,对其进行Hilbert变换得到信号的包络,对包络信号进行复调制细化谱分析,得到齿轮轴转频基波及其谐波幅值。随着齿轮磨损程度的增加,齿轮轴转频基波及其谐波幅值明显增大,可作为齿轮磨损故障特征参数。