三种非平稳信号时频分析的方法

讨论了当前常用的三种非平稳信号时频分析方法,即窗口傅立叶变换(Windowed Fourier Transform)、Wigner分布(Winger-Ville Distribution)和小波分析(Wavelet Analysis)的特点,及其适用的局限性.     

基于Chirplet变换的水轮机非平稳振动信号分析

首先应用调制移频和多采样率转换技术对水轮机过渡过程中的非平稳振动信号进行预处理,然后应用基于Chirplet的自适应信号分解方法和自适应Gauss Chirplet谱图对其进行时频分析。针对旋转机械的振动特点,改进了自适应Chirplet信号分解过程中Chirplet参数优化计算方法。分析结果与其他时频分析方法的对比表明：自适应Gauss Chirplet谱图时频分辨率高,而且没有交叉项干扰,适合于分析非平稳机械振动信号。     

基于时频分析的机械设备非平稳信号盲分离

针对传统的机械故障源分离方法忽略信号非平稳性的不足,结合时频分析和盲源分离的各自优点,提出一种基于时频分析的机械设备非平稳信号的盲分离方法,并与传统的机械故障源分离方法进行对比.实验结果表明,对于机械设备非平稳混迭信号,必须充分利用信号的非平稳性,才能达到很好的分离效果.文中的研究为机械设备非平稳混迭信号的分离提供一种新方法.     

非平稳空间域矢Wigner-Ville分布研究及其应用

大型旋转机械的转子运动是一空间运动.转子故障在发生或发展时,其运行过程具有明显非平稳特性的瞬态过程.通常针对单通道信息的时频分析并不能全面提取瞬态过程的特征信息.结合空间域矢谱(Vector-spectrum in spacedomain)分析和Wigner-Ville分布(Wigner-Ville Distribution,WVD)技术提出了空间域矢Wigner-Ville分布分析方法.它融合了转子同截面三通道图谱中各自存在的振动分量,能全面、准确地反映转子发生故障时的瞬态过程特征量变化.工程实践应用表明:空间域矢Wigner-Ville分布分析对于旋转机械故障诊断是一种新的、较为实用的信息融合方法.     

基于Wigner-Ville分布和Hilbert变换相结合的降噪解调法及应用研究

提出采用Wigner-Ville分布(WVD)和Hilbert变换相结合的办法。首先指出调制信 号WVD中零频处的交叉项包含有原信号的所有调制信息;然后,从理论上分析了它抵消平稳随机 过程中与信号不相关的加性随机噪声的机理;最后对其进行Hilbert变换,求得解调结果。仿真和 实验数据分析证明,该方法与直接解调法相比,噪声影响大幅减小,故障信息得以凸现。     

基于HHT的非平稳信号分析仪的研究

本文介绍了希尔伯特-黄变换（HHT）的原理，首先通过经验模态分解（EMD），信号被分解成一系列固有模态函数（IMF），再通过Hilbert变换得到每个IMF的瞬时频率（IF）和瞬时幅值函数，最终得到原始信号的IF分布和Hilbert谱。Hilbert谱是信号的时间-频率-能量分布。为使HHT能有效分析非平稳信号，引入了改进HHT的方法，即在HHT过程中，将小波包变换（WPT）作为预处理器，外加IMF的筛选。采用虚拟仪器开发技术研制了一台基于HHT的非平稳信号分析仪。最后以HHT去噪为例，介绍了基于HHT的非平稳信号分析仪的应用。     

非平稳振动信号分析中Hilbert-Huang变换的对比研究

Hilbert-Huang变换是一种信号分析新方法,特别适合于对非平稳信号进行分析。介绍该方法的基本理论,并利用它对一个典型的旋转机械非平稳振动信号进行分析。然后通过与利用短时傅里叶变换和小波变换所得到的分析结果的对比,研究Hilbert—Huang变换在分析一般非平稳振动信号中的优势和缺陷。最后结合实际应用中遇到的问题,简要论述Hilbert—Huang变换中的经验模态分解在分析频率成分非常靠近的复杂信号时的不足和原因。研究结果表明,Hilbert—Huang变换和其他方法相比,具有分辨能力强、自适应分解、物理意义清晰、信息完整、形式简洁和易于精确分析等优点;同时也存在具有端点效应、实时性稍差和难以将复杂信号中特别靠近的频率成分分解为独立的本征模分量的缺陷。     

用最大重叠离散小波包变换的Hilbert谱时频分析

在介绍基于最大重叠离散小波包变换(Maximal Overlap Discrete Wavelet Packet Transform,简称MODW-PT)的Hilbert谱方法的基础上,将基于MODWPT的Hilbert谱应用于非平稳信号的分析.采用MODWPT可将多分量的复杂信号分解为若干个瞬时频率和瞬时幅值都具有经典物理意义的分量之和,求出各个单分量信号的瞬时频率和瞬时幅值,再进行组合得到原始复杂信号完整的时频分布.对基于MODWPT和基于经验模态分解(Empiri-cal Mode Decomposition,简称EMD)的Hilbert谱,在不同类型非平稳信号下的时频分析效果进行了比较和分析,结果表明了基于MODWPT的Hilbert谱分析方法的有效性.     

基于阶次分析的非平稳工况下风力发电机组齿轮箱故障诊断

齿轮箱是风力发电机组的关键传动部件,长期承受复杂的非平稳负载,容易出现裂纹、断齿、磨损等齿轮故障,造成安全事故及经济损失,对其进行故障诊断意义重大。针对传统的频谱分析方法无法满足非平稳工况下风电机组齿轮箱故障诊断的问题,利用阶次分析的方法对齿轮箱进行了故障诊断研究。分析了阶次分析方法的基本原理,推导并总结了齿轮箱特征阶次,最后,利用阶次分析方法对真实风场数据进行分析,准确识别了齿轮箱中的故障。     

基于滑动统计特征的信号非平稳度评价和比较

对多种典型的信号整体和局部非平稳度计算方法及其局限性进行比较,在此基础上根据滑动统计分析的思想提出滑动均值、滑动方差以及滑动变异系数的概念和计算方法,以充分表征信号的时变细节和不同信号的差异。针对不同的机械故障信号和心电信号,对不同算法的平稳度评价能力和适用范围进行分析和比较。结果表明,相对于传统评价方法,基于滑动统计特征的信号非平稳度评价方法具有较突出的理论基础、精度和稳定性。