振动台功率谱复现算法

传统的振动控制技术将初始辨识的系统频率响应函数贯穿使用于振动控制的过程中;针对液压振动台系统的时变特性,提出使用基于最小均方误差(least mean square,简称LMS)的自适应算法在线辨识系统的频响函数.平滑周期图功率谱估计法相对现代谱估计法分辨率较低,提出自回归(auto-regressive,简称AR)模型法对振动系统响应信号进行功率谱估计,利用尤利-沃克(Yule-Walker)方程求解AR模型参数,并给出AR模型阶次确定的方法.利用自行开发的基于DSP和ARM多处理器信号处理系统对功率谱复现进行软硬件仿真.结果表明,此方法对振动台功率谱进行复现,复现精度优于传统功率谱复现算法.     

语音增强技术的对比研究

语音增强技术一直是语音信号处理中的重要课题之一,语音增强的目的是从有噪声的信号中尽可能完好地恢复原始声音。目前常用的增强算法很多,本文对传统的基于短时谱估计的增强算法和近年来发展起来的基于小波变换的增强算法进行仿真实验比较研究。     

基于经典谱估计改进方法的涡街流量计

针对涡街流量计高精度、高量程比的要求,在分析涡街信号及其噪声特点的基础上,提出一种采用自适应采样频率和Welch功率谱估计相结合的涡街信号分析处理方法。该方法首先使用经典功率谱估计的FFT算法计算出信号频率的区间范围,然后将信号通过相应截止频率的低通滤波器以防止发生混叠现象,采用信号抽取的方法降低采样频率从而减小频谱的最小频率分辨率,最后采用Welch功率谱估计的方法进行谱分析提高信噪比、减少谱失真。仿真及实验结果表明:所提出的涡街信号处理方法能有效地抑制噪声,实现高精度的功率谱计算,对于提升和改进涡街流量计的性能有良好的效果。     

基于自回归(AR)谱估计的高精度超声晶粒尺寸估计技术的研究

由于ＤＦＴ（离散Ｆｏｕｒｉｅｒ变换）谱估计方法的谱“泄漏”，导致基于这种谱分析的超声晶粒尺寸估计结果误差较大。本文采用自回归（ＡＲ）谱估计方法，克服了传统ＤＦＴ方法的缺点，精确地重构材料特征函数功率谱，提高了晶粒尺寸估计精度，尤其在材料晶粒局部特性定量评价方面，本文方法具有很高的实用价值。计算机仿真结果证实了上述结论     

轨道交通扣件系统时频特性测试与分析

为了得到安装在不同扣件系统下钢轨的振动特性,室内以WJ 7型扣件为样品,采用力锤激振法对其进行动力测试。基于MATLAB软件信号分析处理平台,利用线性短时傅里叶变换,非线性Page变换和Zhao Atlas Marks变换对振动信号的时频特性进行对比分析。研究结果表明：钢轨轨脚振动主要集中在中高频,其中在2 250 Hz振动能量最大,且持续时间最长;短时傅里叶变换(Short-time Fourier transform,简称STFT)具有较高的时间和频率分辨率,可以将轨脚的时域、频域和时频域的固有属性一一对应起来;非线性Page时频分析在能量较高的高频段具有较好的分辨率,而在低频段显得无能为力;非线性Zhao-Atlas-Marks分布时频分析在低频段效果较好,在高频段不是很理想。该分析结果可为轨道结构的振动噪声控制提供依据。     

基于高分辨率谱估计的早期转子断条故障诊断

以快速傅里叶变换(FFT)为基础的电机电流信号特征分析(MCSA)具有频率分辨率低的固有缺陷,从而严重影响了鼠笼电机早期转子断条故障的诊断性能。为解决这一问题,提出基于高分辨率谱估计的早期转子断条故障诊断方法。首先利用Hilbert变换和离散小波变换对单相定子电流信号预处理,然后采用扩展Prony算法对预处理后的信号进行定性/定量分析。运用该方法对不同故障严重程度、不同负载条件下的3 k W电机稳态定子电流信号进行分析,并与FFT分析结果做对比。实验结果表明,即使在短时数据条件下所提方法仍然能够准确诊断出早期转子断条故障,验证了该方法的有效性和优越性。     

基于DSP的AR谱估计的实现

为实现实时在线谱分析,将数字信号处理(DSP)技术应用到AR功率谱分析中.利用Burg算法对AR模型进行参数估计,建立AR模型与数据之间的关系,并通过编程实现模型自动定阶.在旋转机械故障模拟实验平台上对齿轮箱进行实测,通过与B&K公司Pulse Labshop分析系统的FFT谱对比试验.结果表明:AR谱和FFT谱所得结果一致,并且AR谱具有较好的分辨率、谱峰突出等优点,在机械故障诊断中具有较好的前景.     

改进WMRA在滚动轴承故障诊断研究中的应用

针对滚动轴承初期故障诊断时故障特征信号微弱,且传统的包络谱分析方法需要预先依靠经验确定出分析频段的问题,提出了基于经验模态分解(EMD)和改进的小波多分辨率分析(WMRA)的诊断方法。首先通过对滚动轴承故障振动信号进行EMD分解,利用峭度系数和振动固有频率特征参数对分解后的本征模态函数(IMF)分量进行了分类,筛选出了最佳IMF分量,然后通过希尔伯特变换(HT)计算得到了所选IMF分量的包络信号,最后利用改进后的WMRA对包络信号进行了重构,所得到的包络谱明显地突出了故障特征频率。实验结果表明:相比单独的EMD或传统的WMRA,该方法有效地提高了信号分析的准确性。     

感应电机轴承故障检测方法研究

分析了感应电机轴承发生故障时的振动信号的特性,利用带通滤波器和希尔伯特变换,对感应电机轴承振动信号进行处理,然后采用高分辨率谱估计算法--MUSIC（Multiple Signal Classification）算法对包络信号作谱分析,再从包络信号的MUSIC谱中提取故障特征频率分量.研究结果表明,该方法频率分辨率更高,故障检测更为准确.将该方法应用于电机轴承故障诊断,可准确提取轴承故障特征分量.     

小波变换在旋转机械故障检测中的应用研究

详述了Fourier变换与小波变换的本质区别,分析了Fourier变换和短时Fourier变换应用于故障检测的不足;介绍了小波变换及其应用于故障检测的优点;指出了小波变换应用于故障检测的理论和方法。     

Instantaneous Frequency Estimation for Motion Echo Signal of Projectile in Bore Based on Polynomial Chirplet Transform

Microwave interferometer is one of the devices for measuring the movement travel–varying or time-varying velocity of projectile in bore. Microwave interferometer first obtains the Doppler echo signal including the motion information of the projectile in bore, then the velocity is measured based on instantaneous frequency estimation (IFE) of the processed and transformed signal. The parametric time-frequency analysis method can make spectral energy of nonlinear frequency modulation (FM) signal concentrate at some range in the new transform domain. As the motion echo signal of projectile in bore (MSPB) is a nonlinear FM signal, it could be described by polynomial chirplet, one of polynomial FM signal modes, which is used to construct transform kernel for the signal. In this paper, Polynomial chirplet transform (PCT) method is proposed to analyze the simulation and experiment echo signals of projectile in bore. The estimation error and Renyi entropy are used to measure quantify of the time-frequency distribution. Compared with short-time Fourier transform (STFT) method and Wigner-Ville distribution (WVD) method, our results show that the PCT method has most powerful anti-interference performance and highest accuracy of instantaneous frequency estimation for the simulation signal, and lowest Renyi entropy of the instantaneous frequency estimation for the experiment signal. In general, the PCT method has powerful anti-interference performance and high time-frequency concentration and accuracy of instantaneous frequency estimation for the motion echo signal of projectile in bore.     

Study on denoising filter of underwater vehicle using DWT

In the step processing a digitalized signal,noises are generated by internal or external causes of the system.In order to eliminate these noises,various methods are researched.Among these noise elimination methods,Fourier fast transform （FFT） and short-time Fourier transform （STFT） are widely used.Because they are expressed as a fixed time-frequency domain,they have the disadvantage that the time information about the signal is unknown.In order to overcome these limitations,by using the wavelet transform that provides a variety of time-frequency resolution,multi-resolution analysis can be analysed and a varying noise depending on the time characteristics can be removed more efficiently.Therefore,in this paper,a denoising method of underwater vehicle using discrete wavelet transform （DWT） is proposed.     

高速列车转向架区气动噪声分离研究

提出了一种基于快速路径优化的自适应短时傅里叶变换时频分析方法，并将该方法用于行星齿轮箱的故障诊断。该时频分析方法通过使用快速路径优化获得瞬时频率变化规律，在短时傅里叶变换过程中自适应的改变时窗长度，从而获得更恰当的时频分辨率。针对行星齿轮箱运行状态不稳定的特点，通过使用笔者提出的时频分析方法可以有效地提取出行星齿轮箱的转速信息，利用参考转速对故障信号角度域重采样和阶次分析，从而实现变转速情况下的行星齿轮箱故障诊断。仿真分析表明，与传统短时傅里叶变换相比基于快速路径优化的自适应短时傅里叶变换得到的时频分布能量更加集中；试验分析证明了基于快速路径优化的自适应短时傅里叶变换方法在行星齿轮箱故障诊断中的有效性。     

基于改进型峰值搜索法的变速箱振动阶比分析

基于传统内燃机汽车发动机引起振动噪声阶次特征明显的特点，运用短时傅里叶变换（short-time Fourier transform，简称STFT）进行转速估计，结合阶次追踪法，对汽车加速工况变速器振动信号进行阶次分析。首先，利用STFT对加速工况变速箱振动信号进行时频分析；其次，利用改进型峰值搜索法提取特征阶次所对应的瞬时频率值，进一步计算得到发动机转速信号表达式；然后，根据发动机转速信号表达式对振动信号在角域重采样，进行阶次分析；最后，利用本研究方法对变速箱加速过程振动信号进行阶次分析，并与商用软件LMS.Test.lab分析结果进行对比。结果表明，本研究方法无需布置转速传感器即可对变速箱振动信号进行阶次分析，为整车振动噪声试验分析提供参考。     

基于OSF的SET信号重构方法及故障诊断应用

同步提取变换(synchroextracting transform, 简称SET)通过提取短时傅里叶变换(short-time Fourier transform, 简称STFT)在瞬时频率位置的时频系数可获得较理想的时频谱，该方法提高了时频分辨率，减少了交叉项的影响，一定程度上抑制了噪声对STFT时频谱的干扰。针对在SET时频谱的基础上进行信号分量的重构与故障诊断拓展方面的应用，提出了一种基于顺序统计滤波器(order statistics filter, 简称OSF)的SET信号分量重构方法。首先，利用边际谱表征SET时频谱中信号的幅值在整个频率范围内随频率变化的情况；其次，采用顺序统计滤波器分割边际谱，将分割所得边界映射至SET时频谱后，利用SET逆变换重构信号分量；最后，利用峭度指标筛选包含丰富故障信息的分量并进行包络分析，提取故障特征。仿真信号及滚动轴承内圈故障信号的处理结果证明了该方法的有效性。     

基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别

针对液膜密封状态监测领域无损监测开发不足、信号特征评估困难以及摩擦状态判别智能化特性缺乏的问题,提出一种基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别方法。该方法将声发射无损监测技术应用于液膜密封的摩擦状态监测,卷积神经网络作为液膜密封摩擦状态自主决策的实现手段,声发射信号的时频信息作为卷积神经网络的特征输入,分析短时傅立叶变换、 S变换以及小波变换3种时频分析方法对卷积神经网络识别性能的影响。结果表明：对于液膜密封的声发射信号,3种时频分析方法与卷积神经网络结合的优选顺序为：短时傅立叶变换、 S变换、小波变换;基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别方法准确率较高,相比其他识别方法取得了较好的识别效果。     

S变换用于滚动轴承故障信号冲击特征提取

为从低信噪比的滚动轴承故障信号中提取出冲击特征,以便于进行轴承故障诊断,引入S变换的信号处理方法。以短时傅里叶变换（short time Fourier transform,简称STFT）以及连续小波变换（continuous wavelet transform,简称CWT）为理论基础,分别推导得出了连续S变换的定义式,并利用快速傅里叶变换（fast Fourier transform,简称FFT）实现S变换离散化计算。S变换克服了STFT时频分辨率固定的缺点,弥补了CWT缺乏相位信息的不足。仿真信号研究表明,S变换在信号整个频带上具有良好的时频分辨率和时频聚集性,能够提取低信噪比信号中的冲击特征,且性能优于STFT和CWT。最后对一组实际的滚动球轴承故障振动信号进行S变换处理,结果表明,S变换能够方便有效地从中提取出周期性的冲击特征,从而指导滚动轴承相关故障的诊断。     

瞬变信息提取与机器诊断

机器的二次信号往往因机器故障产生大量的冲击、摩擦以及运行转速的不稳定、负荷的变化导致非平稳信号的产生.对非平稳信号分析,付氏变换效果不佳,需要研究这类信号的局部时频特征,提取瞬变信息方能准确地诊断.本文介绍处理非平稳信号的新型工具——小波分析、短时付氏变换两种时频分析方法.最后用小波分析、短时付氏变换和付氏变换对机器的实测振动信号进行分析.说明了小波分析、短时付氏变换作为时频分析方法对处理非平稳信号比付氏变换优越.