基于小波阈值和ACMD的滚动轴承瞬时转频估计

针对变转速工况下滚动轴承瞬时转频估计精度受噪声影响大的问题,提出一种基于小波阈值和自适应chirp模式分解(ACMD)的转频估计方法。该方法首先利用小波阈值对原始信号做降噪处理,然后对降噪后的信号做ACMD,得到高时频分辨率时频谱,最后利用峰值搜索算法从时频图中估计瞬时转频。通过对轴承仿真信号和实测信号的分析,证明了该方法能准确估计出瞬时转频,同时增强了噪声鲁棒性,为后续变工况轴承无转速计诊断工作奠定了基础。     

一种高时频聚集性的方法在非平稳信号分析中的应用

非平稳信号广泛存在于自然界及工程实践中,时频分析是处理非平稳信号的有力工具。时频聚集性是评价时频分析方法的重要指标,传统时频分析方法在时频聚集性上已经不能满足要求,同步压缩小波变换将小波系数在频率方向进行压缩,能够有效提高时频聚集性。本文将此方法分别用于不同信噪比下的单分量及多分量信号分析,并与传统方法对比。结果表明该方法具有较强的噪声鲁棒性,对于复杂多分量信号仍能保持高时频聚集性。最后用于变转速滚动轴承故障信号分析,进一步验证了此方法的实用性。     

弹道导弹目标回波信号建模与雷达特征分析

介绍了弹道导弹运动目标特征提取和雷达识别的研究概况,针对锥顶不动、进动角固定的匀速进动锥形弹头目标,对其典型运动进行建模,给出了回波的解析表达式,利用数值解的方法,对回波信号进行了频谱分析和时频分析,提取了频谱调制特征和微RCS特征,使用Wigner-Ville分布峰值检测法,提取了回波信号的微多普勒特征,给出了使用雷达微动特征识别弹道导弹弹头的途径.最后给出了回波信号时频分布、微多普勒、多普勒谱和微RCS的仿真结果,证明了理论分析的正确性.     

阶次跟踪在行星齿轮箱非平稳信号故障诊断中的应用

齿轮箱行星轮系复杂的结构导致常规的频谱和解调方法在分析此类振动信号时,频谱会出现"模糊"现象,不能有效提取齿轮箱行星轮系故障特征频率。为此,提出了一种阶次跟踪新方法,把时域非平稳信号在角度域进行等角度重新采样,变成角度域平稳信号,再对角度域平稳信号进行傅里叶变换可得到阶次谱。考虑转速对故障频率的影响,总结了齿轮箱太阳轮、行星轮和内齿圈的故障阶次特征表。通过对风电齿轮箱振动信号的阶次分析,实现了变转速工况下的故障诊断。结果表明:阶次跟踪方法能够识别时变工况下齿轮箱行星轮系故障特征频率并对故障进行准确定位,体现了阶次跟踪技术在时变工况下故障诊断的优势。     

基于多重同步挤压变换与深度脊波卷积自编码网络的滚动轴承故障诊断

利用传统故障诊断方法对滚动轴承进行诊断时,存在故障特征提取困难以及故障模式难以辨识的问题。针对此问题,提出了一种基于多重同步挤压变换以及深度脊波卷积自编码网络的智能故障诊断方法。首先,利用多重同步挤压变换处理含噪信号能力强、具有优越的时频分解特性的特点,将采集的轴承故障信号进行MSST处理,得到分辨率较高的时频图像。然后,利用深度脊波卷积自编码网络自身泛化性能强、能够有效挖掘数据特征的特点,建立深度脊波卷积自编码网络识别模型。将降维至适当大小的时频图像输入到该模型系统中,进行自动特征提取和故障识别。实验结果表明,该方法提取故障特征信号能力较高,并能够有效地识别出不同的故障类型。     

基于同步提取变换和DRSN的滚动轴承故障诊断研究

针对旋转设备在复杂运行工况下,滚动轴承故障信号特征难以准确提取及识别的问题,结合深度残差收缩网络(depth residual contraction network,DRSN)的优势,将同步提取变换(simultaneous extraction transformation,SET)和深度残差收缩网络结合的故障诊断方法应用于轴承故障诊断。首先利用同步提取变换时频分辨率高的特点,对采集到的滚动轴承外圈信号进行模态分解和处理,得到分解后的时频图像:然后对图像进行灰度处理,并进行降维,以适合DRSN模型输入,最后进行故障特征识别,实现滚动轴承故障诊断。实验结果表明,该方法有效实现了复杂工况下对滚动轴承故障信号的特征提取,提高了故障识别率。     

基于转速信号的旋转机械故障诊断方法研究

轮毂电机作为电动汽车四轮独立驱动系统的动力源,其运行状态直接关系着整车安全。为了逐步实现对轮毂电机运行状态的监测,提出一种新的方法——阶次自分离方法,以适应其复杂多变的行驶工况。本方法克服了传统阶次跟踪方法需同时采集转速信号和振动信号的局限性,仅针对转速信号进行研究,并提取其中蕴藏的非正常波动成分,同时借鉴传统阶次跟踪方法对时域非平稳信号的处理方式,对波动成分进行角域重采样和傅里叶变换,凸显出蕴藏于转速信号中的故障特征,进而实现对轮毂电机的故障诊断。结合Matlab仿真分析和轮毂电机漏电故障实验,结果表明:阶次自分离方法可有效识别轮毂电机漏电故障特征。     

一种多层经验小波变换与多指标交叉融合的列车轮对轴承故障诊断研究

列车轮对轴承在长期使用过程中极易产生各类故障,但恶劣的工况导致其故障诊断较为困难,针对这一问题,提出了一种基于多层经验小波变换(multi-layer empirical wavelet transform, MLEWT)与多指标交叉融合的列车轮对轴承故障诊断方法。所提MLEWT方法在划分信号频谱边界过程中,不再以局部极值点作为频谱区间划分依据,而是通过设定频谱区间个数来对整个信号频谱进行多层分解,得到多个模态分量信号。提出了一种基于交叉融合峭度、平滑因子、稀疏值和峰值系数4个统计量指标的故障稀疏度大小评价方法,该方法将多个统计量指标综合考虑,有效克服了单一指标存在的不足,自适应搜寻信号MLEWT后最优的模态分量信号。通过对最优模态分量信号进行包络解调分析诊断出轴承故障。仿真信号和实际轮对轴承故障信号的分析结果表明：所提方法可以有效提取轴承故障特征信息,诊断效果优于传统的谱峭度和EWT方法。     

基于DFB光纤激光拍频解调的高分辨率声发射检测技术

提出了一种结构简单的基于分布式反馈(DFB)光纤激光器的拍频解调系统,该解调系统的应变分辨率可以达到6.4×10~(-3)με,动态范围可以达到400 MHz。提出的基于DFB光纤激光拍频解调技术的应变分辨率高于基于匹配光栅、线性滤波器和阵列波导光栅滤波器波长解调技术。动态范围大于基于可调谐激光器的相移光纤布拉格光栅强度解调技术和基于光纤干涉仪的光纤激光相位解调技术。整个系统的2个激光相互拍频得到拍频信号,通过基于虚拟仪器的信号采集处理系统进行处理。由高采样率的数据采集卡采集数据,通过基于LabVIEW的软件系统进行信号分析,得到拍频信号的频谱图。由频谱图得到拍频信号的带宽,再根据波长与频率的关系,DFB光纤激光器的灵敏度得到解调系统的应变分辨率。根据NI数据采集卡的采样率得到解调系统的动态范围。采用短时傅里叶变换法的时频分析方法提高应变分辨率。提出的DFB光纤激光拍频解调的声发射检测技术能够以较高的应变分辨率实现对由磨损或断裂等故障引起的高频声发射信号的检测。     

基于EMD模态相关和形态学降噪的齿轮故障诊断研究

为了从齿轮振动信号中提取出包含有故障信息的特征频率,针对现有EMD(Empirical Mode Decomposition)降噪算法中的IMF重构问题,提出了基于EMD模态相关和形态学降噪的齿轮故障诊断方法。首先采用EMD将目标信号分解为若干个IMF分量之和,利用模态相关分选准则选取噪声主导分量和信号主导分量的分界点,并利用各个IMF分量的自相关函数来验证该准则的正确性;然后将选到的噪声主导分量进行形态学滤波,利用峭度准则优化形态学结构元素尺度,自适应的寻求最优解;最后将滤波后的噪声分量与剩余分量进行重构,得到滤波重构信号,通过频谱分析识别齿轮故障特征频率。仿真数据和齿轮裂纹故障实验测试数据的分析表明,该方法滤波效果理想,能更有效地提取出齿轮故障特征。     

定轴齿轮箱故障振动特性仿真及实验研究

以单级定轴齿轮箱为研究对象,通过多体动力学软件LMS Virtual. Lab建立定轴齿轮箱刚柔耦合模型,研究了定轴齿轮箱平稳型故障和冲击型故障振动响应频率特征。仿真中考虑了故障及故障引起的转速波动对箱体振动加速度的影响,并通过频谱图分析了箱体振动响应信号频率特征。最后实验模拟了平稳型故障和冲击型故障,实测振动响应信号频率特征能够验证仿真分析结果,从而说明了仿真模型的合理性,为定轴齿轮箱故障诊断提供了理论依据。     

基于线性正则变换的时频信号分离方法

时频信号分析是当今信号处理领域研究的一个热点问题,各种时频分布函数得到了广泛的研究和应用。线性正则变换是一种重要的时频分析工具。文中研究了线性正则变换与传统时频分布函数的关系;并基于这些关系,提出了一种新的时频信号分离方法,能够把在时频面上互不重叠、但在时域和频域均存在较强耦合的多分量合成信号有效地分离。仿真实例表明了该方法的正确性和实用性。     

基于邻域相关性小波去噪的滚动轴承包络解调及故障分类

将邻域相关性的冗余第二代小波应用于滚动轴承信号降噪,用Hilhert包络解调法提取的故障特征频率,比较不 同转速和载荷下的提取效果,提出包络幅值峭度指标,并将其输入BP神经网络进行故障诊断。结果表明：基于邻域相关 性的冗余第二代小波降噪方法能很好的抑制噪声,保留原信号的信息;降噪后的故障信号经过Hilbert包络解调能找到 特征频率及其倍频,其效果优于原始信号的包络解调分析。工况会影响分析效果,且速度对提取效果的影响大于载荷。 包络幅值峭度指标能很好区分不同工况的故障信号,结合BP人工神经网络诊断正确率为100%。     

小波变换在电压闪变信号检测中的应用

配电网中较大负载的炼钢电弧炉在运行过程中会对公用电网产生较大的冲击和干扰,本文基于小波变换具有良好的时频局部化特性,提出一种更为有效的电压闪变分析方法,利用小波变换的多分辨率分析方法,对电压闪变信号进行检波与分解,提取出电压波动信号的频率和幅值,从而得出反映电压闪变的参数.仿真实验证明小波变换是一种有效的电压闪变分析方法.     

基于随机共振的微弱高频CW信号检测技术研究

针对强噪声背景下基于时频分析的高频CW信号检测算法性能严重下降,提出一种基于非线性双稳随机共振的微弱CW信号检测方法。该方法将CW信号调制到低频端,借助随机共振模型进行滤波,再进行WVD变换与Hough变换,从而将CW信号的检测问题转换为参数空间(ρ,θ)的峰值检测问题。实验结果表明,该方法能够在强噪声背景下有效提取CW信号,可用于指导高频CW电报自动接收设备的研制。     

用M带小波变换实现图像的边缘检测

小波变换是一种时频域信号分析理论，是信号分析处理的一种强有力的新工具。文中根据小波变换特点和边缘的时频空特性，在Ｍａｌａｔ关于小波边缘提取理论的基础上，将二通道小波变换的边缘提取问题推广到Ｍ通道小波变换的边缘提取，讨论和分析了如何利用Ｍ带小波来获取边缘的方法和实现步骤     

改进非平稳信号的分析方法

研究了WVD和短时傅里叶变换两种时频分析方法的优势和局限性,从两种方法的定义出发,分析了两者间存在的联系,通过构造窗函数,提出一种改进的非平稳信号分析方法,并进行了相应的计算机仿真,结果表明信号的时频特性得到了改善,该方法还适用于多分量非平稳信号的分析。     

PSO-COT与EEMD的变转速滚动轴承故障特征提取

针对滚动轴承在变转速工况下微弱故障特征难以提取的问题,提出了PSO-COT与EEMD的变转速滚动轴承故障特征提取方法。首先,通过粒子群优化算法(particle swarm optimization, PSO)寻找最优过采样率,对采集到的滚动轴承振动信号进行过采样;然后,利用计算阶比跟踪(computed order tracking, COT)将过采样后的时域信号转变成角域的平稳信号;最后,通过集合经验模态分解(ensemble empirical mode decomposition, EEMD)去噪,经过阶次谱分析滚动轴承故障特征阶次。实验表明该方法具有较好的故障特征提取精度,可以有效提取变转速工况下滚动轴承故障特征信息。     

调速用旋变编码器误差分析与校正

旋变编码器受误差因素影响,会在转速位置测量时引入周期性波动,不利于运动控制。对此提出了基于电压矢 量和转速的误差校正方法,采用电压矢量计算直流偏置和幅值偏差并对其进行校正;采用转速谐波幅值计算相位偏差并 对其进行校正。实验结果表明转速位置波动得到了很好的抑制。该方法能有效校正旋变编码器误差。     

基于变速工况稀疏调频字典的齿轮复合故障诊断

针对变转速工况下齿轮箱故障信号成分复杂、难以有效分离提取的问题,提出了一种基于时域稀疏调频字典的齿轮复合故障诊断方法。构造的调频字典考虑了时变转速信息和分布型故障机理,有利于从复杂信号中准确提取出分布型故障分量,同时大幅度提升剩余信号中冲击成分的信噪比,保证了后续局部型故障分量的重构精度。对剩余信号采用基于单位脉冲响应函数构建的冲击型字典提取局部型故障,即可完成复合故障信号的分离诊断。仿真验证了所提方法的有效性并与基于角域准平稳调制字典的重构方法进行了对比,结果表明:所提方法具有更高的幅值重构精度,并进一步验证了该方法对于复合故障诊断的有效性。