基于LMD结合WVD在瞬时频率测量中的应用

Wigner-Vill分布(WVD)能非常准确地测量单分量信号的瞬时频率,并具有很好的时频聚集性,但在测量多分量信号时会产生严重的交叉干扰项,混淆真实的频率成分。为消除WVD在测量非平稳信号瞬时频率时产生的交叉干扰项,并保存很好的时频聚集性,提出LMD和WVD相结合的方法测量非平稳信号瞬时频率。该方法使WVD同样适用于非平稳信号的瞬时频率测量中,极大地扩展了适用对象。通过实验及仿真分析表明:与直接用WVD测量瞬时频率相比,该改进方法能有效的消除测量过程中产生的交叉干扰项,且有效保留了WVD很高的时频聚集性的优点,从而更加精确的测量出原始信号的瞬时频率。     

基于Gabor展开的Wigner-Ville分布的交叉项消除

Wigner-Ville分布(WVD)具有最好的时频分辨率,但其固有的交叉项问题限制了其应用.根据旋转机械振动信号分析中的多分量非平稳信号的频率成分均与基频成倍数(阶比)关系,提出应用基于离散Gabor变换的迭代时变滤波和对Gabor系数的选择遮掩提取出感兴趣的各单阶分量,先分别计算各单阶分量的WVD,再将各单阶分量的WVD合并,可得到无交叉项的WVD时频谱图.仿真及实际测试试验结果表明,该方法可有效去除旋转机械多分量非平稳信号WVD分析中的交叉项干扰.     

具有最陡主瓣的最小方差时频分析

针对非平稳时间序列,基于最小方差谱估计提出自适应加窗的时频分析方法,所叠加的时间窗能够自适应地调整尺寸,使得所估计的谱具有最陡的瞬时主瓣以适应时频分析,从而获得满意的非平稳信号的时频分布。仿真结果以及与参考文献的方法比较表明,该方法能够提供更好的频率分辨率,时频分布性能更好。     

基于Kaiser窗的分数阶Fourier变换与时频分析

分数阶Fourier变换作为传统Fourier变换的推广,与传统Fourier变换分析平稳信号类似,在实现对非平稳信号的时频分析过程中往往出现同样的频谱泄漏问题。为了提高分数阶Fourier变换与时频分析的精度,依据Kaiser窗可自由选择主瓣和旁瓣宽度的特性,提出一种基于Kaiser窗的分数阶Fourier变换算法,论述了Kaiser窗在分数阶Fourier变换中的作用原理,从理论上推导出一般信号基于Kaiser窗的分数阶Fourier变换解析时频表达式以及特性,最终得到非平稳信号的时频分布与时变结构参数识别算法。通过任意线性调频信号的仿真算例以及非平稳激励三层框架结构振动台试验,对结构进行瞬时频率识别和算法的验证。结果表明,瞬时频率识别值与理论值和试验结果吻合良好,Kaiser窗可以提高分数阶Fourier变换算法时频分析的精度,体现出该方法有一定的鲁棒性。     

基于HHT的爆炸冲击波信号分布特性测试分析

爆炸冲击波的信号分析是研究其毁伤特性的关键,以某次空中爆炸试验获得的冲击波压力信号为研究对象,采用方法对信号进行时-频分析.方法可以有效获得非平稳信号的瞬时频率,表征信号的时频分布特征;利用该方法得到被测信号的分量、瞬时能量和能量谱,表征了时间、频率和压力的三维关系,确定冲击波载荷能量的分布及传播特征.对实测信号的分析结果表明,该时频分析方法能够提取空中爆炸载荷信号不同时段内的频率成分,准确确定冲击波信号在时间、频率和压力之间的关系,对综合评估爆炸冲击波的毁伤性能有重要意义.     

基于自动搜峰瞬时频率估计的自适应多阶比分析技术研究

提出一种利用自动搜峰的瞬时频率估计技术来实现旋转机械自适应多阶比分析(Adaptive Multiple Order Tracking,AMOT)的新方法。首先,通过时频分析得到振动信号的时频分布,根据频率峰值坐标自动选取搜峰起始点,自适应搜索出不同阶比分量的时频峰值。其次,利用最小二乘法将不同频率分量进行拟合实现瞬时频率估计,然后根据参考分量计算出重采样的鉴相时标对原始信号进行重采样,最后通过FFT变换实现阶比分析。该方法通过瞬时频率估计能够自动识别出所有阶比分量,实现优中选优,避免了传统算法中人为直观选取一个分量进行遮掩滤波提取分量的方法,减少了人为选取分量及起始点造成的误差,具有自适应性。并且无需同步采集转速信号,大大简化了应用条件,同时减少了人为因素,提高了分析精度,为旋转机械故障诊断提供了新方法。仿真实验和应用实例验证了方法的有效性。     

基于Crazy Climber的时频分析方法与应用

对于处理频率随时间变化的非平稳信号,传统的时域或者频域表示方法已经不能够满足需要。因此,时频分析成为分析时变非平稳信号的有效工具。基于Crazy Climber的时频分析方法对于一般时频分析方法的结果中出现的时频模糊现象具有明显的改进效果,有利于提高故障诊断过程中瞬时频率估计的准确性。尤其对于带有噪声的时频分布,可以在重新计算时频排列的过程中降低噪声的权值,使瞬时频率估计更加的准确。     

基于广义解调平滑能量分离算法的瞬时频率估计

平滑能量分离算法能够跟踪调幅调频信号的瞬时频率,结合广义解调和复解析Gabor滤波器的优点能够克服平滑能量分离算法只适用于单分量窄带信号以及对噪声敏感的局限性。理论分析了负频干扰对传统广义解调多分量分离方法的影响,在此基础上提出了一种新的基于广义解调的平滑能量分离算法,该方法利用广义解调将非平稳信号转化为准平稳信号,再通过复解析Gabor滤波器对其进行滤波以达到单分量信号分离的效果,分离出来的准平稳信号无需进行逆广义解调,直接采用平滑能量分离算法求取瞬时频率,经过频率补偿得到原始信号的瞬时频率。仿真和试验结果表明该方法能够克服负频率干扰,且比传统方法具有更高的解调精度,进一步扩大了平滑能量分离算法的应用范围。     

基于瞬时频率估计与Vold-Kalman滤波的铣削颤振识别

颤振严重制约了高速铣削加工效率。动态铣削力信号具有非线性、非平稳的特点,常规的信号分解方法难以处理该类信号。提出了一种基于瞬时频率估计和Vold-Kalman滤波的多分量信号分解方法,并运用该信号分解方法识别颤振。基于频谱集中性指标估计信号的瞬时频率参数;用Vold-Kalman滤波器提取对应参数的各信号分量;由于颤振时铣削力信号的能量分布在频域发生变化,由此引入能量熵的定义。采用分解得到的子信号能量熵变化来识别颤振。实验分析表明该方法有效可行。     

基于自适应时频滤波的变转速齿轮故障特征提取

针对变转速下齿轮的故障信号分离与故障特征提取,提出了基于线调频小波路径追踪(Chirplet Path Pursuit,CPP)与S变换的自适应时频滤波方法。该方法先采用CPP算法从原始齿轮振动信号中估计出齿轮啮合频率,同时,对原始振动信号进行S变换获取其时频分布;然后根据齿轮啮合频率设计自适应时频滤波器;再采用时频滤波器对信号的时频分析进行时频滤波,并将时频滤波结果进行S逆变换,即可得到包含齿轮故障信息的滤波信号;最后对滤波信号进行阶次分析,并根据阶次谱中的调制边频带诊断齿轮故障。对变转速下齿轮的局部故障进行了算法仿真和应用实例分析,结果表明,自适应时频滤波器可根据信号的频率变化特点自适应地改变中心频率和带宽,具有较好的信号分析自适应性,且滤取的信号无相位畸变,非常适合于变转速下的非平稳信号分析。