基于变分模态分解和同步提取变换识别时变结构瞬时频率EI北大核心CSCD

针对同步提取变换(SET)不能分离频率成分间隔相近的多分量信号的问题,提出了一种结合变分模态分解(VMD)和同步提取变换识别时变结构瞬时频率的方法。首先,通过傅里叶变换确定预设模态数量,利用VMD对多分量信号进行分解得到多个模态分量;然后,采用SET对每个模态分量进行时频分析获取瞬时频率;最后,将各模态分量的时频谱图叠加得到完整的多分量信号时频谱图。针对多分量时变信号和两自由度时变结构自由振动响应信号的瞬时频率识别结果,验证了基于VMD和SET结合方法识别时变结构瞬时频率的有效性和正确性。结果表明,该方法具有较好的噪声鲁棒性和能量聚集性,克服了SET处理频率成分间隔相近的多分量信号的不足,能有效识别具有近距离频率成分的时变结构瞬时频率。索力线性和正弦变化时拉索瞬时频率识别的试验验证了该方法的适用性。     

时频面上基于瞬频估计的信号提取方法

针对多分量非平稳信号的噪声抑制和信号分离问题,提出了一种新的时频滤波法.采用FMmlet自适应分解将被分析信号在时频空间内展开,得到无交叉项干扰、时频聚集性很强,且能反映信号的线性或非线性结构的时频特性的时频分布.根据时频面内能量脊与瞬时频率的对应关系,采用谱峰检测和时频加窗轮流迭代的方法,估计出信号分量的瞬时频率.在瞬时频率精确估计的基础上,设计适当的时频滤波函数,对被分析信号的Wigner-Ville分布(WVD)进行时频加窗处理,得到单分量信号的修正WVD,然后采用 WVD反变换进行信号分量的时域重构,达到从非平稳信号中分离有用分量的目的.理论分析和仿真实验表明,利用该方法从复杂非线性时变信号中提取出的信号分量失真度小.该方法在非平稳信号的深层特征提取中具有良好的应用前景.     

基于改进多重同步压缩算法的斜拉索时变索力识别

斜拉索时变索力的识别是斜拉桥结构状态评估和健康诊断的重要内容，然而目前此问题尚未得到很好的解决。基于改进多重同步压缩算法和高效脊线提取算法，提出一种斜拉索时变索力识别新方法。该方法利用拉索振动加速度响应获得时频谱，通过提取时频谱中的时频脊线得到拉索的瞬时振动频率，并根据张紧弦理论计算拉索时变索力。通过典型斜拉桥数值案例和拉索试验对该方法的适用性和精度进行验证。结果表明，在数值案例中，在10%噪声水平下时变索力识别平均误差在1.99%以内，最大误差为5.09%;在试验案例中，时变索力识别平均误差在2.52%以内，最大误差为8.77%。初步检验结果证明了所提方法具有较好的识别精度和噪声鲁棒性。     

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。     

基于解析模态分解的时变与弱非线性结构密集模态参数识别

对于时变与非线性的结构系统,由于结构模态响应信号的瞬时频率并不等同于结构本身的瞬时频率,因此推导了单自由度与多自由度体系在自由振动和受迫振动下模态响应信号的瞬时频率与结构本身瞬时频率的关系,理论结果表明,对于时变的线性结构和弱非线性结构,模态响应的瞬时频率缓慢变化的部分与结构系统的瞬时频率近似相等。通过对一杜芬系统的数值模拟和对一调整索力变化而使其频率变化的斜拉索自由振动实验,验证了理论结果的正确性。对于具有密集模态的时变与非线性的多自由度体系,提出了把解析模式分解方法扩展到时变与非线性结构的模态分解。该方法通过小波变换选取二分时变截止频率,对结构的时变模态响应进行分离,从而实现多自由度结构时变参数识别。最后,对一具有密集模态的两层框架时变系统受白噪声激励和地震激励进行数值模拟,结果表明,提出的方法能有效的分解时变系统的密集模态响应并能较好的识别出结构系统的瞬时频率。     

时频脊融合方法及时变工况行星齿轮箱故障识别

行星齿轮箱的瞬时频率(转速)精确提取是行星齿轮箱时变运行工况下故障诊断的关键。现有一些时频脊提取算法在提取瞬时频率时受到振动信号幅值变化以及时频变换结果中噪声成分的干扰,存在鲁棒性问题。为了解决这一问题,提出了一种双向搜索时频脊融合方法,并且将其进一步推广到多时频脊融合的概念中。然后,应用提出方法提取实际工程中时变工况行星齿轮箱高速轴的瞬时转速。再通过与现有两种方法对比以及阶次分析,验证了时频脊融合方法提取高速轴转速的可靠性与准确性。最后,在行星齿轮箱转速提取的基础上,利用阶次分析以及推导出的行星轮轴承故障频率的计算式,识别出了行星齿轮箱中的行星轮轴承内圈存在故障。     

基于重分配配算法和奇异值分解的多小波脊线提取

小波脊线能较好地揭示信号瞬时频率变化情况。针对目前多小波脊线提取方法存在的问题,提出了一种多小波脊线提取的新方法。该法通过连续小波变换得到小波尺度谱后,利用重分配算法对其进行处理,再通过奇异值分解降噪,然后通过求小波系数的模极大值点来提取各分量的小波脊线。与其它方法相比,该法更加适合于某些分量具有较大载波频率的低信噪比多分量AM-FM信号的小波脊线提取。在齿轮故障特征提取中的应用结果也验证了所提方法的有效性和实用性。     

应用小波时频脊提取和自适应滤波进行时变系统参数识别

提出了同步压缩小波时频脊提取结合自适应时域滤波的时变系统参数识别方法。同步压缩小波相比传统小波具有优异的时频分辨率,基于该小波时频脊提取可以获得时变结构的瞬时模态频率,在此基础上可构造各阶分量信号的载波矩阵,并应用自适应时域滤波求解分量信号的幅值包络,进而识别结构的阻尼比。该方法能对时变系统结构响应进行各阶分解,相比经验模态分解方法具有优异的时频提取能力、较强的抗噪性能和识别复杂时变问题的能力。在理论推导基础上,首先通过一个3自由度时变仿真算例验证了方法的正确性和抗噪性,再应用该算例构造了一个复杂时变算例(分量信号在频域重叠且突变),以此验证方法对各类复杂时变情况的适用性和准确性。     

基于同步压缩短时Fourier变换的信号瞬时频率提取方法

利用同步压缩短时Fourier变换(SSTFT)方法,改进了其非线性非稳态多成分信号的瞬时频率提取方法。其主要思想是将短时Fourier变换(STFT)之后的时频谱在时频平面上进行压缩重排,重排之后对时频谱上的能量脊线进行提取,再利用压缩重排逆变换,将各脊线对应的时域信号恢复出来,通过时频最优连接,改进了脊线提取不完整的缺点,将零碎曲线连接成完整的频率曲线,并利用该方法提取出了信号的瞬时频率成分。利用改进的SSTFT方法对多成分的模拟信号和高速列车轴箱振动加速度信号进行了分析。结果表明,该方法能有效分离信号的各个成分,并能够完整得到具有物理意义的瞬时频率。     

基于改进多重同步挤压广义S变换的结构瞬时频率识别研究

为改进结构瞬时频率的识别效果,提出一种新形式的改进广义S变换(improved generalized S-transform, IGST),并通过能量集中度(concentration measure, CM)推导了IGST窗函数的参数选择方法,最后结合同步挤压算法提出了改进多重同步挤压广义S变换(improved multi-synchrosqueezing generalized S-transform, IMSSGST);该算法的核心思想是将IGST的时频分布按一定的范围向时频脊线处进行多次同步挤压变换。数值模拟方面,采用两层剪切框架时变结构验证了该方法的准确性;试验方面,对七层钢筋混凝土(reinforced concrete, RC)剪力墙结构进行了瞬时频率识别,验证了该方法在实际工程中的实用性。数值模拟和试验结果表明该方法能有效改善时频分析的能量聚集性,提高瞬时频率的识别精度。