基于改进时变自回归模型的滚动轴承故障诊断

针对现有的时变自回归(Time-Varying Autoregressive, TVAR)模型应用于滚动轴承故障诊断中的问题,提出了一种前向估计与后向估计相结合的改进模型。该模型在引入时变遗忘因子的基础上,定义了前后向联合估计的均方误差并对基函数的加权系数求偏导,得到了加权系数的计算公式,然后利用递推最小二乘(Recursive Least Squares, RLS)方法推导了该计算公式的递推形式。针对滚动轴承内圈故障的仿真和实验信号,使用改进前后的模型进行时频分析。仿真和实验结果表明,改进后的模型有效地克服了现有模型无法获得初始时刻频率估计的缺点,具有更高的时频估计精度,更强的抗噪声能力,能够更加有效地提取滚动轴承的故障特征频率。     

应用时频分析方法辨识时变系统的模态参数

应用Gabor展开及Hilbert变换进行时变线性系统模态参数的辨识。利用非平稳信号的Gabor变换将结构响应信号表示在时频面上，并通过Gabor展开重构分离模态分量，建立每一阶模态的时变线性模型。对单模态时变线性模型应用Hilbert变换来辨识随时间变化的模态频率和阻尼。通过对刚度和阻尼慢变的两自由度系统模态参数的仿真辨识验证辨识方法的有效性。仿真结果表明：本文方法为时变线性系统的模态参数辨识提供了一条新的途径。     

基于改进形态滤波与TLS-ESPRIT算法的电力系统低频振荡模态辨识

针对广域测量低频振荡辨识过程中的噪声干扰和定阶问题,提出一种高精度低频振荡模态辨识方法。该方法基于粒子群优化算法(PSO-GA)设计广义形态滤波器的加权参数,改进后的滤波器可以较好去除噪声;将低频振荡信号通过该滤波器滤波后再使用改进总体最小二乘法-旋转不变技术(TLS-ESPRIT)算法进行模态辨识,可以准确获得各个模态参数。对于辨识算法的定阶问题,把奇异值差值与最大奇异值比值引入到TLS-ESPRIT算法中,采用该方式进行系统定阶,不仅计算量和受主观因素影响小,而且还可以提高辨识效率以及辨识的准确性。通过系统模型仿真以及电网实际案例证明提出的方法能够较快速准确地辨识低频振荡参数,且在抗噪性及辨识精度方面有较大的优势。     

《Gabor变换在模态参数辨识中的应用》

对Gabor时频变换在模态参数辨识中的应用进行了探讨,将基于Gabor系数展开的时频滤波方法作为参数辨识的前处理手段之一,该方法对于平稳、非平稳信号都适用。根据信号在时频域内的分布特征,可以直接观测系统的频率分布情况、模态密集程度、能量聚集性、各通道响应信号所含特征量的多少等信息,从而对响应信号的特征构成进行初步判断,并通过剔除、截取等操作实现对响应信号的滤波,更有利于模态参数的辨识。     

基于时频滤波的时变模态分解方法

应用非平稳信号的时频滤波进行多自由度时变线性系统的模态分解。将基于Gabor展开的时频滤波 方法引入多自由度线性时变结构模态参数辨识中,提取单模态响应分量。对线性时变系统在白噪声激励下振动响 应的单模态响应进行提取,通过对附加质量随时间连续变化的悬臂梁的单模态响应分离来验证分解方法韵有效 性。实验研究结果和理论计算结果表明:方法为参数时变的线性系统的模态分解提供了一条新的途径。     

从响应信号辨识斜拉桥模型的模态参数

针对斜拉桥模型在平稳随机激励下的模态参数辨识问题，研究了提高子空间方法参数辨识精度和可信度的有效途径。在矩阵奇异值分解的基础上，文中使用信号特征分量的能量指标来估计模型阶次，同时给出一种特征频率随拟合数据变化的稳定图。在虚假特征显示能力以及降低数值运算量等方面，这种形式的稳定图与能量指标的结合具有正更大的优越性。在斜拉桥模型的模态参数辨识中，物理模态和寄生模态得到了很好的分离，而且斜拉桥模型在分析频带内的物理模态被全部识别出来。辨识结果的比较说明了给出的辨识方法是有效的。     

时变参数模型及其在非平稳振动分析中的应用

对时变参数模型TVAR（Time-varying Autoregressive Model）进行了研究，并将其应用于转子实验台非平稳振动信号的分析。TVAR是模型参数随信号统计特性而变化的变参数AR（Autoregressive Model）模型，适用于分析非平稳信号。利用TVAR对调频仿真信号进行分析并与典型时频分析方法进行比较，结果表明TVAR具有时频分辨率高、无交叉干扰项以及对噪声不敏感等优点。基于TVAR分析了转子实验台正常及故障工况下连续变速过程中采集的振动信号，实验表明TVAR能够有效地分析非平稳振动信号，并具有较强的信号特征提取能力，为非平稳工况下转子故障诊断及模态分析等提供了一种有效的分析方法。     

改进VMD及其在时变结构地震响应瞬时频率识别中的应用

强地震动作用下,结构动力特性因损伤将随时间变化,变分模态分解（Variational Mode Decomposition,VMD）可用于分析结构地震响应的瞬时频率变化规律,揭示地震过程中结构的损伤状态。针对人为预设分解模态数K和二次惩罚因子α参数不准确导致VMD非平稳响应出现模态混叠的问题,提出了一种改进的VMD(Improved VMD, IVMD)算法,结合Hilbert变换（HT）可准确识别非平稳地震激励下时变结构的瞬时频率。采用多重信号分类（Multiple Signal Classification, MUSIC）算法确定分解模态数K,基于整体正交系数和能量比系数构建综合目标函数,并采用樽海鞘算法（Slap Swarm Algorithm, SSA）优化确定二次惩罚因子。在优化确定K和α参数的基础上,结合IVMD和HT识别时变结构地震响应瞬时频率。典型模拟信号和地震激励下4层时变框架结构数值模拟响应表明,相比VMD算法,IVMD算法识别得到的瞬时频率精度更高;12层钢筋混凝土框架结构模型地震模拟振动台试验数据验证了所提方法的实用性。     

《AR与Prony法的时变系统模态参数识别》

本文研究基于AR和Prony法的线性时变振动系统的模态参数识别。在经典Prony法的基础上,提出了可以处理非平稳信号的时变Prony法。采用递推最小二乘算法估计模型参数,并讨论了基函数的选择,其中以时间多项式基、离散长球面基以及离散余弦基下所识别的效果较好。为验证本文方法的有效性,进行了数字仿真和附加质量随时间连续变化的悬臂梁的模态分析试验,试验结果和理论结果比较表明了本文提出的线性时变系统的模态参数识别方法有效、可行。     

修正的ARMA模型在微悬臂系统辨识中的应用

在力学显微镜和光力学的研究中,微悬臂是一种被广泛使用的微机械器件。为了了解微悬臂的模态信息,采用ARMA模型对微悬臂进行系统辨识和模态参数识别。针对观测噪声会使时间序列模型辨识精度变低的问题,研究如何将带有观测噪声的ARMA模型转化为无观测噪声的ARMA模型。得到微悬臂的ARMA模型后将其转化为连续系统的传递函数,再从传递函数中求出微悬臂的各模态参数。为了减小微悬臂对外力的延迟响应时间,根据系统辨识得到的模型,构造一个复原滤波器,微悬臂的位移信号通过这个复原滤波器后得到作用力信号。仿真及实验结果证明了所用的系统辨识、模态参数识别及信号复原方法的有效性。     

基于矩阵分式多项式时变结构模态参数最小二乘辨识

基于时间相关矩阵分式多项式传递函数模型,给出线性时变结构时频域参数化模型。以时频域参数化模型为基础,将现有广泛用于时不变结构模态参数辨识的最小二乘复指数法拓展到时频域,提出基于矩阵分式多项式模型的时频域线性时变结构模态参数最小二乘辨识方法;针对时频域最小二乘对计算资源庞大需求问题,给出基于缩减正则方程的最小二乘问题求解方法。通过对两质量连续变化三自由度时变结构仿真算例,说明最小二乘中待估参数约束对模态参数辨识影响,阐述所提线性时变结构模态参数辨识方法特点,说明方法的有效性及潜在实用性。     

基于结构加速度误差最小化的声学预测模型修正

针对FEA（有限元分析）声学预测方法,提出了基于结构加速度响应误差最小化的声学预测模型修正方法。以模态迭加法为基础,结合模态应变能模态阻尼识别和频域载荷识别原理,重构了FEA声学预测模型,通过遗传算法优化结构损耗因子,使结构加速度响应计算值与实验值误差最小化,从而识别系统模态阻尼比及激励力,实现对声学预测模型参数的修正。将该方法与传统计算方法预测结果对比,结果表明：该方法可以精确识别系统模态阻尼和激励力,提高模型预测精度。     

线性回归模型中的递推辨识及其应用

摘要：因机械系统振动响应离散差分方程可以改写为关于结构模态参数的线性回归形式,对于此线性回归形式中的结构模态参数的辨识问题可转化为系统辨识理论中线性回归模型的未知参数矢量的辨识估计问题。当系统对象在白噪声激励下,常规的最小二乘辨识法可以给出参数估计的无偏估计。当系统对象在有色噪声作用下,在常规最小二乘辨识法的基础上提出一种新的可分离迭代最小二乘辨识法。在缺乏关于噪声的统计先验信息,仅有噪声为未知但有界的情况下,提出一种带死区的最小二乘辨识法,该辨识法不仅能给出未知参数矢量的一致性无偏估计,而且还能保证参数估计值逐渐向真值靠拢,任何相邻两估计值之间的逼近程度远远小于噪声的上界。在有界噪声出现的情况下,该算法的鲁棒性可以通过在参数修正方程中引入死区的方法来增强。最后用理论上的仿真算例和弹簧-质量-阻尼系统的振动响应来验证两方法的有效性和可行性。     

Adaptive Time-Frequency Distribution Based on Time-Varying Autoregressive and Its Application to Machine Fault Diagnosis

The time-varying autoregressive （TVAR） modeling of a non-stationary signal is studied. In the proposed method, time-varying parametric identification of a non-stationary signal can be translated into a linear time-invariant problem by introducing a set of basic functions. Then, the parameters are estimated by using a recursive least square algorithm with a forgetting factor and an adaptive time-frequency distribution is achieved. The simulation results show that the proposed approach is superior to the short-time Fourier transform and Wigner distribution. And finally, the proposed method is applied to the fault diagnosis of a bearing , and the experiment result shows that the proposed method is effective in feature extraction.     

两种新的基于子空间跟踪的时变模态参数快速辨识算法

该文研究了基于子空间跟踪的时变模态参数快速辨识算法的过程。对更新的输入/输出数据的预处理后, 时变模态参数辨识的主要问题转化成子空间跟踪, 引入NPI 和API 子空间跟踪算法替代PAST 形成两种新的时变模态参数快速识别算法。通过对移动分布质量-悬臂梁这一典型的时变结构系统以及两自由度弹簧-质量系统的时变模态参数识别验证了新算法的有效性并且比较分析了这3种基于不同子空间跟踪算法的时变模态参数识别算法的辨识能力。     

GARTEUR飞机模型模态参数识别

对GARTEUR飞机模型进行模拟环境激励下的模态实验,同步采集多通道时域响应数据,基于MATLAB软件平台,采用小波变换的方法对响应数据进行处理和分析;在密集模态分离和小波脊线提取方面,提出了能量阈值法和局部能量极大值法相结合的新方法,最终利用线性拟合及最小二乘法求解飞机模型的模态参数,并与使用其他方法识别的模态参数结果进行比较,验证其可行性．     

时变AR模型的一种定阶方法

自回归（AR）模型的定阶对其分析结果的准确性、效率和可靠性具有重要影响。对时变AR模型的定阶问题进行了深入研究,提出了一种基于采样频率以及分析频率之比的定阶方法。对一质量随时间变化的悬臂梁进行了有限元建模,运用计算所得到的振动响应建立了梁的时变AR模型,利用所提方法进行了该模型的定阶,采用递推最小二乘法对梁的模态频率进行了估计。对一质量时变的悬臂梁进行了试验,对采集的振动响应信号建立了时变AR模型并识别了其振动模态频率。模拟计算和试验结果都表明,提出的时变AR模型定阶方法是有效且可行的,且识别算法具有一定的抗噪性。     

双线性时间序列模型的参数辨识

导出了双线性时间序列模型参数预报误差估计的递推算法，采用伴随常微分方程的稳定性分析方法分析了双线性模型的ｍ－可逆性对可预报误差估计算法收敛性的影响，并给出了相应的仿真示例。     

大型桥梁模态参数识别的一种方法

提出一种综合运用经验模态分解(EMD)与随机减量技术(RDT)来识别大型桥梁模态参数的方法。首先利用EMD将桥梁在环境激励下的非平稳响应分解成一系列准平稳的本征模函数(IMF)分量,然后用RDT从中提取自由衰减响应,最后将该自由响应表达为一般解析形式,综合运用参数识别理论、最优估计理论识别出桥梁结构的多阶模态参数。利用南京长江大桥实测动力响应识别该桥的模态参数,并将识别结果与有限元分析结果及有关实测值进行比较,表明该方法具有很好的识别精度,适用于大型桥梁的模态参数识别。     

水轮机轴系支承刚度识别

本文用时间序列分析的方法,在不测量输入信号的前提下,利用ARMA模型拟合测量响应信号,对运行中的水轮转子在转轴接近为刚性的情况下,求得水轮机系统的轴系特征值与特征向量,进而求出其支承刚度.并用一仿真模型作了检验,结果证明本方法具有较好的在线识别应用价值.