小波基TVAR建模时频分析及在故障诊断中的应用

研究了非平稳信号的时变自回归建模方法,提出了应用小波基函数将非平稳时变参数的辨识转化为线性时不变问题的辨识,在此基础上,应用带遗忘因子的递归最小二乘算法进行参数估计,实现了信号的自适应时频分析。通过仿真算例将该法与短时傅里叶变换、Wigner分布的结果相比较,验证了该方法时频分辨率高的优越性。最后,将该方法应用于轴承的故障诊断,结果表明,该方法用于故障诊断的特征提取是有效的。     

转子裂纹AE信号特征提取的时频分析方法

转子裂纹的声发射(AE)信号是一种非平稳、非线性信号,对于非平稳、非线性信号,时频分析是有效的方法.由于小波包对时变信号具有多分辨分解和重构能力,以及伪Wigner-Vill时频分布对时变信号具有优良描述特性,可以将两者结合起来用以诊断早期裂纹故障.通过实验研究,说明该方法能够从微弱的早期裂纹AE信号中清晰准确地提取出裂纹故障特征,实现转子早期裂纹故障的精确诊断.     

第6届上银优秀机械博士论文奖——银奖 机械故障诊断的匹配时频分析原理及其应用研究

<正>本论文以航空发动机等关键机械装备运行安全保障的国家重大需求为驱动,针对传统时频分析方法无法有效满足机械故障诊断中强时变非平稳特征提取以及微弱故障特征增强的问题,本文从匹配机械振动信号中强时变非平稳信号时频结构的角度,深入研究了机械故障诊断的匹配时频分析原理。针对线性时频变换方法的基函数构造及其复杂参数空间估计问题,提出了匹配解调变换方法,采用匹配时频分析中的"匹     

TVAR在非平稳工况转子故障诊断中的应用

研究了基于BP网络（ANN）的时变参数自回归模型（TVAR）及其在非平稳工况旋转机械故障诊断中的应用。首先提出了一种基于BP算法的TVAR参数辨识方法，然后利用TVAR方法对一非线性调频仿真信号进行时频分析，并与典型时频分析方法短时傅里叶变换（STFT）及Choi—Williams分布（CWD）的分析结果进行比较。结果表明，TVAR方法具有时频分辨率高、无交叉干扰项及计算速度快等优点。最后利用TVAR方法分析了转子启动过程正常及故障工况下转子实验台的非平稳振动信号。研究表明，TVAR不但能够有效地分析非平稳振动信号，而且具有较强的故障特征提取和抗噪声能力，是在时频域上进行故障诊断的有效方法。     

基于时变多变量Prony法的时变振动系统模态参数辨识

在经典的Prony法理论的基础上,提出了可以同时处理多维非平稳信号的时变多变量Prony法,并将其应用于时变多自由度振动系统的模态参数辨识。对传统的递推最小二乘算法加以改进,解决了时变多变量参数模型中时变参数矩阵估计的难题。对时变平面两杆操作臂系统进行仿真和分析,得出了较满意的结果。证明该算法在时变结构模态参数辨识方面,具有有效、准确的计算能力和较强的过程跟踪能力。     

齿轮与轴承故障的Chirplet时频分析

机械故障信号通常具有非线性时频关系多分量信号,其频谱占有较宽的频带,且各分量的频谱往往相互交叠,给故障诊断带来了很大的障碍.首先,在分析Chirplet时频分解的理论基础上,对Chirplet基函数进行了增加曲率参数的改进,提高了基函数对非线性时变分量的匹配能力;然后,仿真试验对基函数改进后的自适应时频分布与其他各类时频谱进行了比较.结果表明,改进后的基函数能很好地匹配出非平稳信号中的各种线性或非线性时变分量,其对应的时频具有较高的时频分辨率,且无交叉干扰项;最后,将该方法用于轴承故障信号和齿轮故障信号的分析.分析结果证实,该方法不仅能对轴承与齿轮箱故障进行准确定位,而且为故障原因及故障程度提供可靠的判断依据.     

基于信号时频分析理论识别时变模态参数实验

为研究温度对结构模态参数的影响设计了一套温度可控的实验设备。在这套实验设备提供的可控温度环境中采集悬臂梁结构的加速度响应信号,利用基于信号时频分析的模态参数辨识算法处理实验数据,得到其时变模态参数,包括固有频率和振型,以此研究温度对其模态参数的影响。分析结果显示了基于信号时频分析的模态参数辨识算法在处理非平稳信号以得到结构的时变模态参数上的应用前景,更重要的是实验数据的分析结果较好地反映了温度对结构模态参数的影响,为热环境下结构振动特性分析提供了可靠而且有价值的分析方法和实验依据。     

基于信号时频分析理论识别时变模态参数的实验

为研究温度对结构模态参数的影响设计了一套温度可控的实验设备。在这套实验设备提供的可控温度环境中采集悬臂梁结构的加速度响应信号,利用基于信号时频分析的模态参数辨识算法处理实验数据,得到其时变模态参数,包括固有频率和振型,以此研究温度对其模态参数的影响。分析结果显示了基于信号时频分析的模态参数辨识算法在处理非平稳信号以得到结构的时变模态参数上的应用前景,更重要的是实验数据的分析结果较好地反映了温度对结构模态参数的影响,为热环境下结构振动特性分析提供了可靠而且有价值的分析方法和实验依据。     

基于隐Markov模型的机械振动源数估计方法

针对非平稳时变信号,提出一种基于隐Markov模型(HMM)的机械振动源数估计方法.该方法结合隐Markov模型理论与自相关测定,通过比较不同模型的信度来确定信源的个数.实验结果表明该方法能够有效地估计出非平稳时变信号的信源个数,为机械振动故障诊断中的振动源分析提供了方法保障.     

基于VKF-OT和DFA的齿轮时变状态特征提取方法

针对齿轮在时变工况下的振动具有非线性、非平稳的特性,提出Vold-Kalman阶比跟踪(Vold-Kalman filter based order tracking,简称VKF-OT)和去趋势波动分析(detrended fluctuation analysis,简称DFA)相结合的一种特征提取方法。该方法以齿轮转频和啮频作为VKF-OT的提取频率,获取任意时变工况下的两类阶比信号,减弱或消除转速变化所引起的频率调制干扰,通过求解复包络得到两种频率分量的精确幅值和相位以保留齿轮状态的瞬变信息。在此基础上,引入去趋势波动法分别处理原信号、转频和啮频阶比信号,消除负载变化所产生的幅值调制干扰,对比3种信号的双对数波动函数图,选定齿轮振动信号的特征向量。通过对齿轮不同工作状态下的150组振动信号进行实验,结果表明该方法所提取的故障特征可有效地区分任意时变工况下的齿轮早期局部微弱故障。     

SWT based separation method for periodic signal with non-stationary noise and its application in EMF

Periodic signal superimposed with strong non-stationary noise that follows an approximate 1/f distribution cannot be easily separated with traditional signal processing methods. Using the stationary wavelet transform, the noisy signal is decomposed into wavelet coefficients including both the detail and approximate coefficients. According to its periodic feature, detail coefficients on each scale are extracted to form the same-phase sequences which consist of coefficients with the same phase values in each cycle. The amplitude probability distribution functions of same-phase sequences follow approximate Gaussian distribution. Therefore, noise in the same-phase sequences can be removed with the non-linear median filter and moving average filter. Since non-stationary noise follows approximate 1/f distribution, the approximate coefficients on the lowest frequency level have strong non-stationary property. Due to spectrum leakage of different frequency sections, the leakage signal components are superimposed on the approximate coefficients. Three different filtering methods are proposed to process the approximate coefficients in order to extract the useful signal components and to reconstruct the periodic signal accurately. Finally the proposed method is used to process the output signal of electromagnetic flowmeter during slurry flow measurement under different slurry concentrations and different flow rates. Results show that the proposed method is effective in the separation of periodic signal and strong non-stationary noise which follows the approximate 1/f distribution.     

基于多尺度线调频基稀疏信号分解的轴承故障诊断

在线调频小波路径追踪算法和稀疏信号分解的基础上,提出一种基于多尺度线调频基的稀疏信号分解方法,并将其应用于非平稳转速下的轴承故障诊断。基于多尺度线调频基的稀疏信号分解方法,根据信号的特点,自适应地选择多尺度的线调频基函数对信号进行投影分解。由于基函数库多尺度特性,使得该方法比以往采用单一尺度库函数的稀疏信号分解方法更适用于分解频率呈曲线变化的非平稳信号。在非恒定转速下,当轴承出现故障时,振动信号中与故障对应的特征频率将会随转速变化而波动,采用基于多尺度线调频基的稀疏信号分解方法能准确获得非平稳转速下轴承故障特征频率随时间的变化情况,进而对其状态和故障特征进行识别,仿真算例和应用实例说明了此方法的有效性。     

基于参数自适应时频分布的瞬时频率估计

为了跟踪信号在不同时刻的频率变化情况，需要估计其瞬时频率。本文分析了瞬时频率与非平稳信号的时频分布之间的关系，提出了一种采用自适应信号子空间分解的参数自适应时频分布（PAD），以及基于PAD峰值检测的瞬时频率估计方法。数值仿真和对实测信号的瞬时频率估计实验结果表明，该方法对于调频类信号的估计性能优于其他常用的瞬时频率估计法，且抗噪声干扰能力强，为时变频率非平稳信号的瞬时频率估计提供了新的手段。     

基于双通道能量差的环网柜局放信号消噪方法

利用放电声音信号检测环网柜的局部放电具有信息量丰富、能够准确反映放电故障等特点而得到广泛应用,但放电声音信号的有效检测是一个难点.双通道录音在消噪领域中具有独特的优势,能够有效消除非平稳噪声,根据现场测量噪声干扰多为远距离的非平稳噪声,而局放信号为近距离声源的特点,提出了一种基于双通道能量差(PLD)的环网柜放电信号消...     

基于小波变换技术的发动机异响故障诊断

针对发动机异响故障信号呈非平稳时变特征并伴随有强烈的背景噪声,提出一种基于小波细节系数自相关性分析的分层阈值降噪法,该方法对信号进行离散小波变换,将信号分解为近似系数和细节系数,求出各层细节系数的自相关序列,根据序列是否呈白噪声自相关特性确定该层阈值。信号经过分层阈值降噪后,再进行连续小波变换,画出时频图,结合时域特征和频域特征确定故障类别。试验研究首先以模拟的信号模型为例,再针对实际的活塞敲缸响和曲轴轴承响两种常见异响故障进行比较分析,结果表明,分层阈值降噪法可以提高信噪比,恢复较高频率的有用信号,小波时频图可以清晰地呈现故障信号的时域和频域特征,为诊断提供一种切实可行的策略。     

旋转机械运行稳定性劣化的1.5维谱特征提取方法

风电机组是一种典型的大型旋转机械,其运行状态具有变工况、非平稳特点,运行中工况和负载等非故障因素的变化会造成信号能量产生变化,因此传统的基于能量的振动级值及功率谱方法难以有效实现运行稳定性劣化特征的提取。针对该情况,研究了高阶累积量运行稳定性劣化特征提取方法,提出了基于敏感性、趋势性、差异性、一致性判断特征提取方法的趋势预测适用性的方法,通过转子实验台多种劣化类型下不同劣化程度状态的实验研究,检验了1.5维谱方法对状态劣化的敏感性、趋势性、差异性、一致性,评估了该方法作为特征提取手段的性能,解决了风电机组传动系统运行稳定性劣化的状态诊断、劣化趋势预测中特征提取方法的选择缺少理论依据的问题。     

大跨径桥梁实时动态挠度信号的分离

由于经验模式分解(empirical mode decomposition,简称EMD)将非线性非平稳信号分解成为一系列线性、平稳的本征模函数(intrinsic mode function,简称IMF)信号,针对单通道大跨径桥梁挠度信号分离问题,结合盲源分离和经验模式分解各自优点,提出基于经验模式分解的盲源分离方法。利用奇异值分解(singular value decomposition,简称SVD)估计信号源数目,根据源信号数目将单通道挠度信号和其本征模函数重组为多通道输入信号,应用独立分量分析（independent component analysis,简称ICA）理论中的快速独立分量分析（fast independent component analysis,简称FastICA）算法对输入信号进行分解,实现桥梁挠度信号各分量的分离。仿真研究表明,该方法能较好地解决ICA模型源数估计和单通道挠度信号盲源分离难题。     

Sparse signal decomposition method based on multi-scale chirplet and its application to the fault diagnosis of gearboxes

Based on the chirplet path pursuit and the sparse signal decomposition method, a new sparse signal decomposition method based on multi-scale chirplet is proposed and applied to the decomposition of vibration signals from gearboxes in fault diagnosis. An over-complete dictionary with multi-scale chirplets as its atoms is constructed using the method. Because of the multi-scale character, this method is superior to the traditional sparse signal decomposition method wherein only a single scale is adopted, and is more applicable to the decomposition of non-stationary signals with multi-components whose frequencies are time-varying. When there are faults in a gearbox, the vibration signals collected are usually AM-FM signals with multiple components whose frequencies vary with the rotational speed of the shaft. The meshing frequency and modulating frequency, which vary with time, can be derived by the proposed method and can be used in gearbox fault diagnosis under time-varying shaft-rotation speed conditions, where the traditional signal processing methods are always blocked. Both simulations and experiments validate the effectiveness of the proposed method.     

卷积混合机械非平稳振动信号的二阶盲分离方法

针对机械振动信号具有非平稳和卷积混合的特性,文中将基于二阶统计量的盲源分离方法推广至卷积混合的模型,提出在信号子空间的频域中对机械振动信号的盲解卷积方法.仿真和实测数据实验结果表明,此方法充分考虑信号的非平稳以及卷积混合特性,能较好地实现机械振动信号的盲分离.与传统盲源分离算法比较,该方法更适合于机械振动信号的分析.