VMD-Hilbert变换在扬声器异常声检测中的应用

针对基于时频分析的扬声器异常声检测方法中短时傅里叶变换、小波包变换存在的不足,提出了一种基于变分模态分解-希尔伯特(Variational Mode Decomposition and Hilbert,VMD-Hilbert)变换的扬声器异常声检测方法。首先通过仿真信号分析,研究了VMD-Hilbert变换的时频特性,并与其他三种时频分析进行了对比,结果表明VMD-Hilbert变换具有更好的自适应性、能量聚焦性与时频分辨率。然后,对实测扬声器声响应信号进行VMD-Hilbert变换,求得被测扬声器单元的时频矩阵与标准时频矩阵之间的特征距离,并与其它三种时频分析下的特征距离进行对比。实验结果表明,VMD-Hilbert变换下的类间特征距离的离散度较大,便于更好地设定阈值,从而验证了VMD-Hilbert变换能更好地表征异常声的时频特征,以及其在处理非线性、非平稳的扬声器声响应信号时的优越性。     

融合CNN和ViT的声信号轴承故障诊断方法

针对轴承故障诊断任务数据量少、故障信号非平稳等特点,提出一种短时傅里叶变换、卷积神经网络和视觉转换器相结合的轴承故障诊断方法。首先,利用短时傅里叶变换将原始声信号转换为包含时序信息和频率信息的时频图像。其次,将时频图像作为卷积神经网络的输入,用于隐式提取图像的深层特征,其输出作为视觉转换器的输入。视觉转换器用于提取信号的时间序列信息。并在输出层利用Softmax函数实现故障模式的识别。试验结果表明,该方法对于轴承故障诊断准确率较高。为了更好解释和优化提出的轴承故障诊断方法,利用t-分布领域嵌入算法对分类特征进行了可视化展示。     

基于时频分析的CFRP分层缺陷识别研究

为了实现碳纤维复合材料(CFRP)构件分层缺陷的检测,提出了时频定量分析方法.利用短时傅里叶变换(STFT)、魏格纳变换(WVD)和平滑伪魏格纳变换(SPWVD)3种时频分析方法对超声回波信号进行分析和对比,从信号时频表示中的各种特性,如时频聚集性、主体能量、交叉干扰项等,选出了对超声回波信号比较适合的时频分析方法—SPWVD,随后对其时频谱进行降维特征提取.结果表明,采用SPWVD时频分析方法有效降低了干扰对识别准确性的影响,对CFRP构件分层缺陷检测具有可行性.     

STFT和HHT在风力机轴承故障诊断中的应用

对异常工作风力机进行振动测试,获取振动测试信号,选取额定风速时采集的一段信号分别进行时频域分析、短时傅里叶变换分析、希尔伯特黄变换分析,提取故障特征信号。结果表明,短时傅里叶变换具有较好的时频分辨率,能够较好的提取故障特征信号,较为适合非线性、非平稳信号的分析;希尔伯特黄变换是一种很好的自适应信号处理方法,非常适合于非线性和非平稳信号的分析。希尔伯特黄变换对于风力机滚动轴承的故障诊断取得了很好的效果,准确提取了故障信号特征。对风力机故障诊断技术的发展具有较大的意义。     

基于多分辨分析的时频分析

短时傅里叶变换由于采用固定宽度的时域窗，在缓变与瞬变信号共存的宽频带信号分析中，其时间与频率分辨力矛盾突出。采用Mallat算法的小波变换能够将信号正交分解成多尺度的信号分量，然而所提供的时频信息不很直观，难以识别其时频谱。通过对短时傅里叶变换和小波变换在时频分析中的优缺点分析，发现两者具有互补性。因此本文提出基于多分辨分析的短时傅里叶变换（取名为WAVSTFT），即采用Mallat算法将信号分解成多个尺度信号分量，再对各分量分别做与其尺度相适应的短时傅里叶变换，最后把得到的各时频谱在同一个不相平面上叠加，从而得到信号的总体时频构造。经理论分析与实例验证，该方法有效可行，为工程测试中的时频分析提供了一种有效的手段。     

自适应广义S变换在内燃机气缸盖振动特性研究中的应用

提出了一种基于时频分辨率最优化的自适应广义S变换,并通过仿真试验,比较了自适应广义S变换与短时傅里叶变换和S变换的时频分析结果,证明了自适应广义S变换具有更高的时频分辨率。对某4缸4冲程汽油机气缸盖的振动信号进行时频分析,结果表明自适应广义S变换得到的时频分布比S变换具有更高的时频分辨率,能够较为准确地分辨出气缸盖振动的主要激励源及其时频特性,研究结论可为低振动噪声内燃机改进设计提供指导。     

基于短时傅里叶变换的油膜振荡故障识别

油膜振荡具有典型的"惯性效应",应用短时傅里叶变换对转子降速信号进行故障分析,不仅提取出了故障特征信息而且监测到其特有的"惯性效应",从而识别出油膜振荡.试验中,通过转子实验台模拟油膜涡动及油膜振荡故障.并基于LabVIEW平台开发出了基于短时傅里叶变换的故障分析系统,进行故障特征识别,得到了较好的分析结果.实践证明:用基于短时傅里叶变换的瀑布图来分析非平稳信号,具有分辨率高、特征提取结果更为精确的特点.     

时频分析法在锅炉承压管线泄漏检测中的应用研究

准确检测锅炉承压管线泄漏是保障锅炉安全运行的关键技术,音频分析法是检测承压管线泄漏故障的主要手段,提出一种基于联合时频分析(Joint Time-Frequency Analysis, JTFA)研究锅炉背景声和承压管线泄漏声的时频特征,判定泄漏故障的方法。设计了由前置放大、程控滤波、增益补偿处理的双通道音频信号采集电路;采用快速傅里叶变换获取信号广义谱特征,采用程控滤波对采集信号加动态频率窗,再采用短时傅里叶变换对采集信号时间加窗,多角度分析信号的时频特征,以判定承压管线运行是否存在泄漏故障。相比于传统的RC滤波加快速傅里叶变换分析方法,这种动态加双窗的时频分析法能够提高泄漏信号采集的灵敏度和泄漏故障判定的准确性。     

基于频率-波数分析的激光Lamb波传播特性试验研究

Lamb波的频散和多模态特性,使得利用Lamb波信号的时域或频域特征实现缺陷的定量检测具有一定的困难。提出了一种在频率-波数内分析激光Lamb波传播特性的方法。基于全光学型激光超声检测系统,脉冲激光在固定位置激励,连续激光一维线扫描接收,获得时间-空间波场信号,可直观地显示激光Lamb波信号的传播特性以及激光Lamb波与缺陷之间的作用规律。采用二维傅里叶变换将波场信号从时间-空间域转换到频率-波数域,可有效识别信号中包含的各模态信息。为了保留空间信息,借鉴短时傅里叶变换的思想,采用短空间二维傅里叶变换得到沿扫描路径上波数的分布,从中可直观看出缺陷的位置。采用带通滤波结合连续小波变换的方法对短空间二维傅里叶变换的结果进行了优化。分别在有、无缺陷铝板中进行了试验研究,试验结果验证了该方法的有效性。     

基于EEMD-Fast ICA-STFT的车用起动电机噪声源识别

提出基于集成经验模态分解(EEMD)、快速独立分量分析(Fast ICA)和短时傅里叶变换(STFT)的噪声源识别方法,对起动电机噪声信号进行声源识别研究。首先采用集成经验模态分解法将单一通道的电机噪声信号分解为一系列本征模态分量,随后用Fast ICA算法提取独立成分,最后利用短时傅里叶变换良好的时频分析特性,对Fast ICA分离结果进行时频分析,结合时频分析结果和电机噪声的先验知识,确定了各独立分量与电机不同噪声源的对应关系。