基于小波包和HHT变换的声发射信号分析方法

针对声发射管道泄漏检测过程中的噪声干扰问题,对基于小波包和经验模态分解(EMD)的声发射信号处理方法进行了研究.采用小波包分解算法和经验模态分解都可以对管道泄漏声发射信号进行分解,但分解结果却存在一定区别.EMD是近年来非平稳信号分析领域的一个突破,对管道泄漏声发射信号进行EMD分解后,选择包含声发射特征的若干固有模式函数(IMF分量)进行重构,可以提取到管道泄漏声发射信号的本质特征,消除噪声信号的干扰.相对小波包分解方法而言,对根据IMF分量重构的声发射信号进行相关分析计算,得到的管道泄漏点的位置更为精确.     

自适应改进双树复小波变换的齿轮箱故障诊断

针对双树复小波变换存在频率混叠以及参数需自定义的缺陷,提出自适应改进双树复小波变换的齿轮箱故障诊断方法。首先,利用双树复小波变换将信号进行分解和单支重构,采用粒子群算法将分解后分量峭度值作为适应度函数,选择双树复小波的最优分解层数;其次,对重构出的低频信号进行频谱分析提取故障特征,将单支重构后的各高频分量进行变分模态分解,通过峭度值获得各高频分量经变分模态分解后的主频率分量信号;最后,分析各主频率分量信号的频谱,识别齿轮箱的故障特征。结果表明,该方法与双树复小波变换和变分模态分解相比,不仅消除了频率混叠现象,提高了信噪比和频带选择的正确性,而且还提高了从强噪声环境中提取瞬态冲击特征的能力。     

粒子滤波在机械密封声发射信号降噪中的应用

机械密封声发射信号容易受到环境噪声的干扰,信噪比很低。提出一种基于互补集合经验模态分解(CEEMD)和粒子滤波(PF)相结合的降噪新方法(CEEPF)。该方法首先对采集的声发射信号进行CEEMD分解,利用相关系数原理识别出高频IMF分量后对其进行重构;然后对重构后的信号建立ARIMA模型,将其作为信号的状态方程,再利用小波分解重构思想提取测量噪声,并建立测量方程;最后对重构信号进行粒子滤波,将滤波结果与各低频IMF分量一起重构得到降噪后的声发射信号。结果表明:基于CEEMD与PF的机械密封声发射信号降噪方法能够很好地滤除背景噪声,并且能最大程度保留有效信息。对仿真信号和实验信号分别进行CEEMD小波阈值、标准粒子滤波、CEEPF降噪,发现CEEPF降噪在降噪效果上明显优于其他2种方法。     

侵彻弹体频率特性分析及过载信号处理

为解决硬目标侵彻过载信号降噪问题,提出融合总体经验模态分解（EEMD）和小波变换（WT）的联合滤波方法。首先对实测信号进行总体经验模态分解,获得信号的本征模态函数（IMF）分量,然后计算各分量功率谱并与原信号比较,得出信号的有效分解尺度和弹体的过载响应频率,接着对高频IMF分量采用小波阈值降噪,最后将降噪后的高频分量与分解后的低频分量组合重构获得侵彻特征信号。实验证明,这一方法可以有效提取弹体响应频率,消除侵彻过程中弹体的高频振动信号和外部噪声,且处理后的加速度曲线具有更高的信噪比,积分所得速度和位移时程曲线也与实验结果相近。     

基于CEEMD与小波阈值的机械密封声发射信号自适应降噪方法

针对机械密封声发射信号容易受到环境噪声干扰,难以有效地从背景噪声中分离的问题,提出将互补集合经验模态分解(CEEMD)与改进小波阈值降噪方法相结合的声发射信号自适应降噪方法。根据白噪声经经验模态分解(EMD)后其固有模态函数分量的能量密度与其平均周期的乘积为一常数的特性,自适应地判定CEEMD信噪分量的分界点;为避免小波原阈值函数的缺陷,应用改进小波阈值函数对高频IMF分量进行降噪处理,然后同其余的IMF分量进行信号重构,完成降噪过程。对仿真信号和采集的机械密封声发射信号的降噪结果,证明了该降噪方法的有效性和可行性。     

小波变换与EMD分析在滚动轴承故障诊断中的应用

针对滚动轴承故障信号的非平稳和调制特点,将小波变换与一种新的信号分析方法EMD(经验模态分解)相结合用于滚动轴承故障诊断。该方法首先利用小波分析技术对检测的信号进行分解,并对含有故障特征的信号进行重构。然后对重构信号进行EMD分解,选取能够反映故障特征的IMF分量进行边际谱分析,得出滚动轴承故障信号对应的频谱,由此确定轴承的故障模式。实验研究结果表明该方法正确有效。     

基于小波包的经验模态分解法的研究及应用

针对多频信号经验模态分解中的模态混成现象，提出了一种经验模态分解与小波包分解相结合的新方法。经验模态分解方法基于信号的局部特征时间尺度，把复杂的信号函数分解为有限的固有模态函数之和。利用最小Shannon熵准则，对出现混成模态的固有模态函数进行小波包分解，并根据小波包分解后各频带信号的频率分布特征，选择能量比重较大的频带信号进行重构，将重构信号作为新的固有模态函数分量。仿真信号和齿轮箱故障实测数据表明，新方法能将不同的频率成分提取出来，从而提高了经验模态分解的分解能力。     

结构声发射的数值模拟及实验研究

由于声发射源产生的瞬态弹性波会在传播过程中产生各种频率和模态的声发射信号,这给应用声发射技术进行无损检测带来一定困难。针对声发射信号在实际介质中传播的复杂性,为了研究弹性波的传播对波形的影响,提出了利用有限元方法模拟声发射信号在薄铝板的传播及几何形状边界反射过程,得到声发射波形的时域特征,进一步分析了声发射信号在铝板中的传播特性;搭建了与有限元模型相应的声发射断铅实验系统来采集断铅信号。试验及研究结果表明,利用声发射断铅实验系统获得的信号与有限元计算方法得到的模拟信号基本吻合,说明有限元数值计算方法可以作为分析声发射信号传播过程的一种手段;该结果为基于声发射的结构缺陷检测技术提供了数值模型,同时声发射技术用于无损检测也有了更精确的理论基础。     

基于光纤光栅和支持向量机的声发射定位系统

利用光纤光栅传感器和边缘滤波原理构建传感系统,结合小波分解与重构和支持向量机算法,对铝合金板声发射定位进行了研究。根据划分区域进行声发射实验,探索声发射源所在区域与信号特征之间的关系。在对声发射信号进行小波分解的基础上,使用近似系数和细节系数进行重构,并对重构后的各信号计算其振荡能量作为信号特征,进行声发射区域识别。以重构信号的振荡能量作为输入、声发射区域位置类别作为输出构建支持向量机多分类模型,实现了声发射区域定位识别。实验结果表明,在400mm×400mm×2mm的铝合金板上对36个测试样本进行了多次声发射区域定位识别,在180次模拟实验中实现了176次声发射区域准确定位,正确率达到97.78%,声发射区域识别精度为30mm×30mm。该研究结果为机械结构的声发射区域定位检测提供了有效方法。     

刀具声发射信号的组合去噪及特征分析

针对刀具切削加工过程产生的声发射信号进行噪音滤除,以有效监测刀具磨损情况,提高工件加工质量。研究形态滤波与集合平均经验模态分解(EEMD)的有效组合方法,在时域和频域对信号进行降噪处理。首先采用加权级联形态滤波,滤除声发射信号的尖峰脉冲干扰;进而采用EEMD分解处理后的信号,计算所得本征模态分量(IMF)的相关性以去除虚假分量,达到去噪效果。仿真实例分别对模拟加噪声发射信号和实测刀具声发射信号进行处理,并提取去噪前后信号频率特征进行比较,仿真结果说明了此方法的有效性。     

基于双树复小波与完全集合经验模态分解的滚动轴承故障诊断方法

针对滚动轴承振动信号故障特征不易提取的问题,提出了基于双树复小波与完全集合经验模态分解的滚动轴承故障诊断方法。首先,对信号进行双树复小波分解与重构,达到初步降噪的目的;然后,通过完全集合经验模态分解与互相关系数分析获得典型模态分量并进行信号重构;最后,分析重构信号的时、频域信息并与轴承故障特征频率对比完成轴承故障类型识别。仿真及试验结果表明,与小波降噪和集合经验模态分解相比,该方法有更好的降噪效果,能更准确地判断滚动轴承的故障状态。     

基于EWT-SVM的雨量识别方法

为了从雨声信号中识别出雨量的大小,提出了一种基于经验小波变换和支持向量机的雨量识别算法。对于采集到的雨声信号先进行去噪,接着对信号进行经验小波变换分解,分解后得到数个经验小波函数分量,然后通过Matlab编程对各个经验小波函数分量进行特征提取,在时域和频域范围内组成评价特征矩阵,最后通过SVM对特征矩阵进行分类识别。通过仿真实验发现,对于同一个信号,经验小波函数相较于经验模态分解有更好的自适应性并且克服了经验模态分解的混叠现象和端点效应。实验结果表明基于经验小波变换和支持向量机的雨量识别方法在雨量识别领域具有良好的效果,研究方法为雨量识别、智能雨量计的发展奠定了良好的基础。     

基于小波阈值-经验模态分解法的裂纹声发射信号降噪研究

声发射作为一种无损检测技术已被应用到多个领域的产品质量检测中。对小波阈值法和经验模态分解法进行分析和比较,并结合两种方法对声发射信号降噪的优点,形成小波阈值-经验模态分解法。对应用这一新降噪方法前后的信号进行对比,确认降噪效果显著,信号保真度良好。     

基于主成分分析与SVM的碳纤维复合材料损伤声发射信号模式识别

针对碳纤维复合材料损伤过程中所产生的声发射信号的非平稳性等问题,提出一种模式识别方法,可用于纤维断裂、基体开裂及界面分层损伤声发射信号的有效提取。采用声发射技术进行了典型损伤类型声发射监测试验,利用经验模态分解方法(EMD)实现纤维断裂及基体开裂声发射信号的分解与重构;并提取分解后固有模态分量(IMF)的特征频率集,对特征频率集进行主成分分析法(PCA)数据维度优化。最终,采用支持向量机(SVM)对两类信号进行模式识别。结果表明,该方法能有效避免复合材料损伤声发射中的模态混叠现象,并去除冗余属性,进而提高不同损伤类型声发射信号的识别准确率。     

一种基于经验小波变换的齿轮副故障诊断方法

齿轮是机械设备的重要零部件之一。针对于齿轮副的在线故障检测问题,提出了一种基于经验小波变换的齿轮副故障检测方法。基于紧支撑的框架,该方法将信号通过经验小波变换分解为若干个不同的内部经验模态。较之传统经验模态分解,该方法能够更准确的提取出其模态信号,且混叠成分更小。将该方法应用于具体的齿轮副机构中,通过经验小波分解对系统噪声和环境噪声干扰中的振动信号进行故障特征识别。实验结果验证了该方法的有效性,能够有效的提取齿轮裂纹的特征信号。     

Q235钢拉伸过程声发射能量谱与奇异性指数特征提取

为明确试样拉伸损伤过程声发射信号的变化规律,选取Q235钢试样开展轴向拉伸实验,并进行声发射信号的稳定连续采集。通过小波包分解与重构,提取声发射信号的小波包能量谱及信号幅值的奇异性指数特征。结果表明:信号能量在低频段较为集中,低频段中各频段能量占比随频段增加而降低,而高频段中则相反。随着损伤程度增加,高频能量占总能量比例不断减小,低频能量的总能量占比不断增加,奇异性指数不断下降。当拉伸速率增大时,高频能量在各拉伸损伤阶段的总能量占比不断下降,而低频能量占比和奇异性指数均升高。最后结合拉伸断口进行了宏、微观形貌特征分析。     

基于形态滤波与EEMD组合方法的声发射去噪

针对声发射信号传递和采集过程中干扰噪声多态性、随机性等问题,研究形态滤波与集合平均经验模态分解(EEMD)的组合方法,从空间域和时频域不同角度对信号进行降噪处理。首先采用加权级联形态滤波,对闭开和开闭运算进行适当搭配,通过权值调整有效滤除声发射信号的尖峰脉冲干扰;然后应用EEMD对处理后的信号进行分解,依据相关系数去除虚假分量并重构信号,提取信号特征信息。对模拟声发射信号和实测声发射信号的仿真结果说明了此方法的有效性。     

基于改进双树复小波变换的轴承多故障诊断

针对双树复小波变换产生频率混叠的缺陷,提出了改进双树复小波变换的轴承多故障诊断方法,该方法综合利用了双树复小波包变换和经验模态分解技术。首先,利用双树复小波变换将振动信号分解成不同频带的分量;然后,将各小波分量进行经验模态分解,获得各小波分量的主频率分量信号;最后,计算各小波分量的主频率分量信号的包络谱,根据包络谱识别齿轮箱轴承的故障部位和类型。通过仿真信号和齿轮箱轴承多故障振动实验信号的研究结果表明,该方法不仅消除了频率混叠现象,提高了信噪比和频带选择的正确性,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效识别轴承的故障类型。     

小波基最优化在齿轮箱振动信号中的应用分析

为了提高齿轮箱低频振动信号准确表征其运行状态和高频振动信号表征故障特征的效果,通过对小波原理及小波基优化理论进行分析,选取适用于处理齿轮箱振动信号的小波基进行小波变换,将均方根误差及信噪比作为除噪性能的评价标准,获取最优小波基。基于小波变换对振动信号多层分解的特性,将最优小波基运用其中,分别重构出近似齿轮箱运动状态的低频信号,以及能够表征故障细节特征的高频信号。实验结果表明:最优小波基的应用有利于提高齿轮箱低频信号表征其运行状态频率的准确率和高频信号细节特征提取的效果,为工程实际中齿轮箱的故障诊断提供了理论基础。     

机械密封端面接触状态的声发射监测方法

针对机械密封运行过程中反映密封端面接触状态的工作参数(端面开启时间、膜厚等)测量困难的问题,提出基于声发射信号的机械密封端面接触状态监测方法。根据密封端面产生的声发射信号具有时变非线性且突发性强的特点,采用经验模态分解(EMD)法对原始信号进行分离提取。EMD法能够将信号分解为不同时间尺度和不同频带的一系列固有模态函数,然后根据能量分布特征对伪分量进行剔除,得到"近源"声发射信号,抽取其信号特征运用Laplace小波相关系数法实现对密封端面接触状态的准确识别。通过机械密封测试试验证明,声发射监测技术能准确地识别机械密封装置动静环之间的接触状态和摩擦形式,能够在工业现场推广使用。