广义解调时频分析方法在调制信号处理中的应用

介绍了一种新的信号处理方法-基于广义解调的时频分析方法,并将这种方法应用于调制信号的处理。广义解调时频分析方法采用广义解调将时频分布是曲线的信号变换为时频分布是平行于时间坐标轴的直线的信号,然后采用最大重叠离散小波包变换（Maximal overlap discrete wavelet packet transform,简称MODWPT）对广义解调后的信号进行分解,得到若干个瞬时频率和瞬时幅值都具有物理意义的单分量信号,再对各个单分量信号进行逆广义解调,进一步求出瞬时频率和瞬时幅值,从而得到原始信号完整的时频分布。采用广义解调时频分析方法对调幅-调频信号进行了分析,结果表明该方法能有效地提取调幅-调频信号的调制信息。     

基于复解析小波变换的瞬时频率分析方法

提出了利用基于复解析小波变换的瞬时频率分析的新方法。复解析小波变换将Hilbert变换与小波分析紧密结合在一起，具有自适应分析能力。对信号作复小波解析变换得到信号的瞬时频率，通过瞬时频率的功率谱分析就可提取信号特征。通过对齿轮故障振动信号的分析，表明该方法能有效地诊断齿轮局部故障，且与传统的频域方法相比具有更好的分析效果。     

改进经验小波变换的齿轮箱故障诊断新方法与应用

针对经验小波变换在频谱划分时检测的边界过于集中在频谱中幅值较大频率段的问题,对经验小波变换在频域内利用检测极大值来进行频谱划分的方式进行研究,提出基于频谱趋势的改进型经验小波变换,利用仿真信号和汽车座椅水平驱动器振动信号进行测试。研究结果表明,该方法能够使啮合频率及其谐波与边频带作为一个模态被分解出来。通过对分量信号进行Hilbert变换解调分析,实现对齿轮箱故障的定位。     

基于小波包的调频波解调软件方法

提出了基于小波包的调频波解调方法 ,通过对各种调频信号进行时频分析 ,给出了信号的时间—频率谱图 ,能有效地检测到瞬时频率和获取调频信息 ,该方法可广泛应用于动态测试和软件无线电等领域     

瞬频特征的谐波小波域提取与应用

为了能精确提取出复杂信号中特征分量的瞬频特征,提出了谐波小波域内的分量瞬频估计方法。该方法首先在分析谐波小波变换的基本原理及其优良特性的基础上,对谐波小波进行加窗光滑处理,改善了谐波小波的时域衰减特性。然后,针对在传统瞬频估计方法的不足之处,将线性回归、自适应滤波、曲线平滑、重采样等方法应用到瞬时相位函数的处理中,提高了瞬时频率特征的提取精度。最后,通过仿真实验与工程实践验证了该方法在信号分量瞬频特征提取中的可行性与有效性。     

基于改进经验小波变换的滚动轴承故障特征提取方法研究

针对振动信号的非线性、非平稳性和早期故障特征信号难以提取的特点,提出一种基于改进经验小波变换的故障特征提取方法。通过包络分析和对包络曲线进行阈值分割修整的方法来确定经验小波变换分解的模态数和频率边界,解决传统经验小波变换需要预先设置分解模态数和难以对信号频谱进行适当分割问题,以实现对振动信号故障信息更准确的描述。实验表明,该频谱分割方法能够有效检测信号最佳模态分解数,使得信号的频谱分割更为容易、可靠。相比传统EWT和EMD,改进经验小波变换的滚动轴承内圈、外圈Hilbert变换时频图对振动信号的故障相关特征描述更为清晰,在滚动轴承故障特征提取方面表现更为优越。     

基于多小波包-能量算子解调的滚动轴承复合故障诊断

针对滚动轴承单通道振动信号的复合故障识别易出现漏诊、误诊的问题,提出多小波包与能量算子解调相结合的方法。该方法首先利用多小波包变换在全频率范围内分解原始信号;其次将排列熵作为多小波的单支信号特征的评价标准,分别重构符合标准的单支信号,实现信号的降噪及复合故障分离;最后采用能量算子解调方法解决信号的调制问题,完成故障信息的识别。滚动轴承内、外圈故障信号分析结果证明该方法的有效性。     

基于广义解调时频分析的多分量信号分解方法

广义解调时频分析方法是一种新的信号处理方法，该方法将广义解凋和最大重叠离散小波包变换相结合对复杂信号进行分解，得到若干个瞬时频率和瞬时幅值都具有物理意义的单分量信号，从而获得原始信号完整的时频分布。本文在介绍广义解调时频分析方法的基础上，将该方法用于多分量信号的分析，对该方法进行了改进，给出了由改进的广义解调时频分析方法分解多分量信号的具体步骤，从而由改进后的广义解调时频分析方法不仅可以得到原始信号中各个分量的时域波形，而且还可以得到相同的时频分布。采用改进后的广义解调时频分析方法对仿真信号进行了分析，同时和其它时频分析方法进行了比较，结果表明了该方法的有效性。最后，对广义解调时频分析方法中的相位函数选择问题进行了讨论。     

复解析小波变换与振动信号包络解调分析

阐述解析小波变换用于振动信号包络解调分析的理论基础。在解析小波傅氏频谱为一实值函数的条件下,论证一个解析小波的虚部是其实部的Hilbert变换,因而简洁地推论出“Morlet组合小波、谐波小波、谐波组合小波也是一类解析小波,它们的实部和虚部构成一对Hilbert变换对”,可用于故障调制振动信号的包络解调分析;另外,还论证了“解析小波变换系数的实部与虚部构成一对Hilbert变换对”的结论。最后,以谐波组合小波为例分析滚动轴承故障振动信号。     

滚动轴承故障诊断的研究

针对滚动轴承故障信号的非平稳和调制特点,使用小波分解,对包含故障信息的信号进行分解、重构。应用Hilbert变换进行解调和细化频谱分析,提取了故障特征频率,判断出滚动轴承故障模式。小波分解和Hilbert变换结合对滚动轴承局部损伤故障的检测是有效的。     

基于Daubechies小波的图像边缘检测技术

利用Daubechies正交小波变换的性质,通过Mallat多尺度分析方法对图像进行小波变换,把图像分解成低频轮廓,水平高频、垂直高频和斜线高频四个部分。针对图像边缘主要集中在高频部分,该文先保持小波变换后的高频小波系数,同时对低频小波系数进行再次小波变换,提取出次高频信号的边缘信息。最后对保留下来的高频小波系数和次高频小波系数进行逆变换获取最大边缘信息。     

噪声和振动信号的谐波小波时频表示

谐波小波变换的时频表示方法应用于持续时间、带宽和采样率差别很大的多种目标的噪声和振动信号处理当中,将其结果与基于STFT方法的结果进行了比对,并给出了其在不同应用场合的参数。结果表明,谐波小波方法用于信号的时频表示,具有很好的灵活性和突出的性能优点,有较好的应用前景。     

基于小波变换的轧机振动信号降噪技术研究

由于轧机振动信号受到强烈的噪声干扰,给故障特征的有效识别和准确提取带来很大困难。直接采用频域分析方法诊断早期故障的收效甚微。利用小波分析的“带通滤波”特性,可以将信号按照特定的频段进行分解,分解后的单层重构可以将噪声与可用信号进行成功分离;根据预先设定的阈值对高频分解系数处理后进行全局重构同样可以达到消噪的目的。对于现场采集的轧机振动信号,多种方式的消噪结果表明,含有故障特征的低频信息被成功提取。     

含裂纹故障的齿轮系统动力学特性研究及其故障特征分析

考虑齿轮的时变啮合刚度、传动误差和轴承支撑刚度的影响,建立含齿根裂纹故障的齿轮系统多自由度力学模型,基于动力学方法对其故障机理进行研究。通过材料力学的方法计算齿轮在正常和含裂纹两种情况下的啮合刚度,对比两种刚度曲线的变化趋势,便于进行精确的动力学特性分析;对建立的模型求解系统的动态响应,结果表明当齿根存在裂纹时,其时域波形中会出现周期性的冲击现象,频谱中在啮合频率的基频及其倍频等地方形成一系列等间隔的边频谱线,其间隔大小等于故障齿轮的转频;这些边频成分幅值较低,能量分散且分布不均匀,在不同频带的幅值大小存在差异。针对上述特点,通过正交小波包方法对信号的频带进行分解,应用倒频谱分析各子频带信号的边频成分;结果表明,该方法能够有效的提高信号的信噪比,有助于识别和提取信号中由裂纹故障引起的边频成分。     

基于多尺度降维的柴油机信号信息熵增强方法

针对柴油机曲轴轴承磨损故障信号特征微弱,易被噪声湮没且不同故障程度信号较难区分的特点,提出了一种基于压缩小波和局部保持投影的柴油机信息熵增强方法。利用压缩小波对信号多尺度重构减弱噪声干扰,通过局部保持映射对多尺度信号进行降维,消除冗余信息并增强信号的冲击特性,最终以时域、频域以及时频域的三种信息熵表征信号特征。仿真和实例信号表明,该方法对故障信号特征增强明显,依据信息熵值实现了曲轴磨损状态的分类识别。     

振动故障信号奇异性指数的统计特征研究

基于信号奇异性检测的小波变换理论，利用时间分辨率优化的Gabor小波变换工具，对几种典型故障的波形和轨迹信号的奇异性特征进行了研究。研究表明，不同类型的故障信号，不仅奇异性指数的数值大小有明显的不同。而且奇异点在时间上的分布特征也有显著差异，这种差异对轴心轨迹信号尤为明显。因此．利用奇异性指数的统计量特征可以有效地区分不同类型的故障。     

谐波窗方法及其在裂纹故障识别中的应用

分析了谐波小波的优点。在研究谐波小波的频段分解的基础上，提出了不分层分析的谐波窗方法。推导了谐波窗的频段分析表达式，并给出了实现过程。该方法显示了小波分析的窗口伸缩功能．但避免了在基于二进的小波变换过程中，由于隔点采样导致的信息丢失现象。利用该方法对3个数字信号进行分析，体现了该方法对近频信号和微弱瞬态信号的识别能力，也体现了该方法对淹没在强噪声中微弱周期信号的提取能力。利用该方法，对某汽车齿轮箱的裂纹故障产生的原因进行振动信号的频域识别，得到了满意结果。     

小波分析和相平面在声发射信号处理中的应用

为了精确地获取声发射源信息,必须采取有效手段对声发射信号进行分析。小波分析同时具有时-频局部化的优良特性,用小波自适应地对声发射信号进行多分辨率的分解,在相平面中绘制系数能量图可以同时直观地观察声发射信号的频率、时间、能量等信息。同时,相平面系数能量图也为小波重构声发射信号提供了理论依据,在此基础上重构的声发射信号排除了其它信号的干扰,更能表征声发射源信息,对声发射源的分析有重要的意义。     

基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法

为实现风电机组齿轮箱及时有效地监测和维护,提出基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法。该方法针对齿轮裂纹振动信号为转速频率对啮合频率及其倍频调制的特点,利用小波包分解来识别振动信号中的故障特征,通过小波包频带能量监测得到故障部位的啮合频率范围;考虑到倒频谱可以分离和提取难以识别的密集调制信号的周期成分,基于倒频谱识别故障部位的转速频率,综合利用两种频谱分析方法得到的啮合频率和转速频率,能诊断故障部位和类型。实验研究表明,该方法能精确地诊断齿轮裂纹故障,并可以实现对风电机组齿轮在复杂环境中退化状态的监测,预防断齿等重大故障的发生。     

全矢小波包-包络分析方法及其在齿轮故障诊断中的应用

在旋转机械故障诊断中,针对传统单源信息采集的不全面性,提出了一种基于全矢谱技术的小波包-包络分析方法。首先对同源双通道信息分别采用小波包分解,根据需要选择频段的信息,并对提取的信号进行重构。然后采用全矢Hilbert解调分析方法对重构信号实现包络解调,并与两单源信息的包络解调相比较,说明了仅以单源信息为诊断依据的不足。利用全矢谱技术进行融合的全矢小波包-包络解调技术,不仅继承了小波包-包络分析方法的优势,而且更加全面地反映出了信号的真实性。最后通过仿真信号对其算法的可行性进行了验证,同时又以齿轮的故障振动信号为例,进一步表明了该方法在故障诊断中的有效性。