基于频谱细化和相位差校正的全息谱研究

针对全息谱在频谱密集情况下精度会降低的问题,提出了基于频谱细化和相位差校正的全息谱分析方法。该方法采用复解析带通滤波器选带细化方法对以阶次频率为中心的局部区间进行细化分析,通过提高频率分辨率来消除密集频谱对精确获取幅值、相位信息的影响,运用相位差法对细化区间内的最大谱峰进行频率、幅值、相位校正,准确地提取出各阶次的幅值、相位信息,最后合成全息谱图。仿真及对柔性转子试验台振动信号的分析结果表明,基于频谱细化和相位差校正的全息谱能有效提高其分析精度,更加精确有效地诊断旋转机械的故障。     

基于Rife-Vincent窗衰减信号插值离散傅里叶变换

频谱泄漏和栅栏效应是影响衰减信号离散傅里叶变换精度的主要因素。为了提高多频衰减信号离散傅里叶变换频谱参数的校正精度,提出一种加窗两点矢量插值校正算法。对信号加M阶余弦窗并计算加窗后信号的离散傅里叶变换,利用真实频率附近的两根谱线的矢量比建立方程,通过求解方程获得频率偏移量和衰减因子,利用上述获得的两个参数计算出信号的频率、幅值和相位。余弦窗的最大旁瓣衰减特性能有效的降低频谱泄漏的影响,两点矢量频域插值可以消除栅栏效应,两者结合极大地提高了算法的参数校正精度。仿真和试验结果表明,算法具有较高的参数校正精度和稳定性,且计算效率较高,适用于实时处理及对计算资源要求苛刻的场合,为多频衰减信号的特征提取提供了一种可选的方法。     

FFT+FT离散频谱校正法参数估计精度

研究用FFT谱连续细化傅里叶变换分析法进行离散频谱校正时的参数估计误差。分析无噪声情况下频率﹑相位﹑幅值的估计误差随细化倍数的变化规律,估计精度随细化倍数的增大而提高,当细化倍数大于40时,最大估计误差几乎可忽略不计。在高斯白噪声的影响下,细化后频谱序列最大值找错的概率随细化倍数的增加而增加,综合考虑频率分辨率对频率估计精度的影响及频谱序列最大值找错的概率,提出用归一化频率估计综合误差和归一化频率估计最大可能误差两个指标评价此校正法对频率的估计精度,并基于此给出不同信噪比条件下的最优细化倍数。采用非线性最小二乘拟合法对噪声影响下的FFT谱连续细化傅里叶变换分析校正法进行改进,通过仿真模拟验证改进后该校正方法具备更高的校正精度和抗噪能力。     

基于双窗全相位FFT双谱线校正电力谐波分析

基于快速傅里叶变换的电力谐波分析在非同步采样情况下存在频谱泄露,影响测量精度。为抑制频谱泄露对谐波分析的影响,分析对比了双窗全相位FFT与传统加窗FFT在抑制频谱泄露方面的特点,并通过计算证明了双窗全相位FFT在电力谐波分析中的独特优势。针对全相位频谱分析通常采用的时移相位差法存在计算量大、实时性差及存在相位模糊现象等不足,提出了一种基于双窗全相位FFT双谱线校正的谐波分析算法,利用基波频点附近的两条谱线幅值计算基波频率,进而推导了简洁实用的谐波幅值校正公式。该算法实现方便,且实时性优于相位差法。通过与传统加Hanning窗、Nuttall窗插值FFT的仿真对比验证了新算法具有更高精度,基于该算法的实验结果也验证了算法的有效性。     

基于双窗全相位FFT双谱线校正的电力谐波分析

基于快速傅里叶变换的电力谐波分析在非同步采样情况下存在频谱泄露,影响测量精度。为抑制频谱泄露对谐波分析的影响,分析对比了双窗全相位FFT与传统加窗FFT在抑制频谱泄露方面的特点,并通过计算证明了双窗全相位FFT在电力谐波分析中的独特优势。针对全相位频谱分析通常采用的时移相位差法存在计算量大、实时性差及存在相位模糊现象等不足,提出了一种基于双窗全相位FFT双谱线校正的谐波分析算法,利用基波频点附近的两条谱线幅值计算基波频率,进而推导了简洁实用的谐波幅值校正公式。该算法实现方便,且实时性优于相位差法。通过与传统加Hanning窗、Nuttall窗插值FFT的仿真对比验证了新算法具有更高精度,基于该算法的实验结果也验证了算法的有效性。     

基于采样逼近的准同步改进算法研究

准同步算法在和离散傅里叶变换结合求取周期信号的幅值和相位时,由于被测信号频率未知或仅知道被测信号的频率变化范围,在求解傅里叶系数时只能将采样频率作为被测信号频率带入造成傅里叶系数计算产生理论近似,尤其是在求解各次谐波初相角时频偏越大,求解相位误差相应增大。本文首先基于准同步测频差原理求出被测信号的实际频率,重新选取采样点使其逼近整周期采样点数,再将计算频率代入傅立叶变换中的基函数频率,最后迭代求取傅里叶系数。计算结果表明这种基于频率代入并采样逼近的改进准同步算法可以极大地提高准同步谐波算法的准确度。     

基于LabVIEW的双馈风力发电机组在线谐波分析研究

针对双馈风力发电机组在并网运行时,其电力电子变流装置将向电网注入大量谐波电流的问题,将基于LabVIEW的在线谐波分析技术应用到双馈风力发电机组的谐波监测分析中。开展了针对双馈风力发电机组注入电网谐波的傅里叶分析和小波包分析,提出了将傅里叶变换与小波包变换联合使用的方法;在LabVIEW上搭建了仿真平台,对双馈风力发电机组可能存在的谐波进行了仿真分析试验。试验及研究结果表明,对于平稳信号与非平稳信号进行谐波分析时,将傅里叶变换与小波包变换联合使用,两者的效能得到明显的提高,优于单独使用傅里叶变换或小波包变换,且可更准确地获取基波和谐波的实时波形与频域特性,谐波定位更准确,为谐波补偿提供了更可靠、准确的信息。     

谐波小波包方法及其对转子亚频轴心轨迹的提取

转子轴心轨迹,特别是亚频轴心轨迹的提取,在转子故障识别中是十分重要的。分析了谐波小波的优势,在研究了谐波小波的频段分解基础上,提出了谐波小波包变换的频段分析表达式,并给出了实现方法,实现了谐波小波的任意频段“任意细化”能力。对转子振动信号进行了频域细化分析,并用谐波小波包变换对实际的高速转子振动信号进行了分析,在得到细化频谱的同时,直接实现了常规方法难以实现的转子亚频信号的轴心轨迹提取,得到了满意结果,为转子故障信号的分析创造了条件。     

结合复小波包变换及频谱校正的机械转子碰摩故障诊断方法研究

针对机械转子系统中碰摩故障发生时故障特征微弱及识别困难的问题,提出一种结合双树复小波包变换及频谱校正的故障诊断方法。首先对于振动位移信号中工频基波成分,采用频谱加矩形窗的频谱校正方法识别其谐波信息,通过构造补偿信号进行对消,以减少其对后续特征提取的影响。其次通过双树复小波包对补偿过的信号进行多尺度分解;最后对小波包子空间信号进行希尔伯特包络解调分析,通过瞬时幅值及瞬时频率信息诊断转子的动静碰摩故障。在转子实验台上进行了实验验证,结果表明提出的方法能有效提取转子碰摩产生的微弱故障特征。     

小波包时频分析及其特性

在两种典型的非平稳信号分析方法--小波包变换与短时傅里叶变换的基础上,综合两种方法的优点,提出了小波包时频方法.建立了相应的小波包时频分量谱、小波包时频分量幅度谱、小波包时频谱、小波包时频幅度谱等概念.证明了小波包时频分析的能量守恒性,形成了一套较完善的分析体系.算例表明,该分析方法在诊断奇异、检测信号深层次细节等方面具有一些独特性质.     

基于改进经验小波变换的行星齿轮箱故障诊断

行星齿轮箱振动信号具有复杂多分量和调幅-调频的特点。幅值解调和频率解调方法能够避免传统Fourier频谱中的复杂边带分析,有效识别故障特征频率。经验小波变换通过对信号Fourier频谱的分割构造一组正交滤波器组,能提取具有紧支撑Fourier频谱的单分量成分,再对单分量成分运用Hilbert变换即可实现信号的解调分析。经验小波变换能够有效分离出调幅-调频成分,不存在模态混叠现象,具有完备的理论基础,自适应性好、算法简单、计算速度快。将改进的经验小波变换应用于行星齿轮箱振动信号的解调分析;提出了一种单分量个数的估算方法,解决了经验小波变换中的Fourier频谱划分问题;给出了对故障敏感的信号分量的选取方法,提高了分析的针对性。将改进方法应用于行星齿轮箱振动仿真信号和实验信号分析,验证了该方法的有效性。     

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。     

A new approach based on OMA-empirical wavelet transforms for bearing fault diagnosis

Amplitude demodulation is a key means of diagnosing bearing faults. The quality of demodulation determines the effectiveness of spectrum analysis in detecting defects. However, the quality of the demodulated signal depends on the frequency band selected for demodulation. In this paper, a new method combining the empirical wavelet transform (EWT) and operational modal analysis (OMA) is proposed. EWT acts like a filter bank in which the support boundaries of the filter are defined using OMA. The proposed method (OMA–EWT) decomposes the signal into multiple components and kurtosis values are used to select automatically the components for performing the envelope spectrum in order to extract the frequency related to the defect. The method is validated on two test benches and a comparative study is conducted with the kurtogram. The results show that the combined OMA–EWT method can improve EWT for decomposing the signal into multiple components. Using OMA–EWT, a selection of all the components excited by the defect gives more accurate diagnostic results.     

Anti-Noise Performance of the FT Continuous Zoom Analysis Method for Discrete Spectrum

As a discrete spectrum correction method,the Fourier transform(FT) continuous zoom analysis method is widely used in vibration signal analysis,but little effort had been made on this method's anti-noise performance.It is widely believed that the analysis accuracy of the method can be substantially improved by increasing the zoom multiple,however,with the zoom multiple increases,the frequency estimation accuracy may decline sometimes in practices.Aiming at the problems above,this paper analyzes the sources of frequency estimation error when a harmonic signal mixed with and without noise is processed using the FT continuous zoom analysis.According to the characteristics that the local maximum of the zoom spectrum may be wrongly selected when the signal is corrupted with noise,the number of wrongly selected spectrum lines is deduced under different signal-to-noise ratio and local zoom multiple,and then the maximum frequency estimation error is given accordingly.The validity of the presented analysis is confirmed by simulations results.The frequency estimation accuracy of this method will not improve any more under the influence of noise,and there is a best zoom multiple,when the zoom multiple is larger than the best zoom multiple;the maximum frequency estimation error will fluctuate back and forth.The best zoom multiple curves under different signal-to-noise ratios given provide a theoretical basis for the choice of the appropriate zoom multiples of the FT continuous zoom analysis method in engineering applications.     

VXI射频实时频谱分析仪模块数字中频技术研究

介绍了实时带宽为 10 MHz的 VXI射频频谱分析仪模块数字中频技术 ,采用高速 ADC直接数字化射频中频信号 ,基于一种新颖的模数混合自适应前馈 AGC技术扩展测量动态范围 ,基于大规模 FPGA专用芯片实现数字下变频、可程控带宽分辨率滤波器 ,基于 DSP实现 FFT频域分析以及相关时域分析 ,并可扩展 FPGA数字检波器支持数字扫频分析功能 ,通过VXI总线以及中断通信方式实现数据高速传输 ,从而大大简化电路构成 ,有效减小模块体积 ,真正实现射频中频信号实时、快速、宽带频谱分析。文中给出了相应实现方案与实验结果。     

Fault diagnosis of a gearbox based on the analysis of a fractional energy gathering band

To extract the weak fault feature of the accelerating process from a gearbox, a fractional energy gathering band time–frequency aggregated spectrum (FETFAS) is proposed to achieve a fast time–frequency analysis of a large signal and to highlight target components. The best order of the fractional Fourier transform (FRFT) is determined according to the rotating speed signal and transmission ratio. The vibration signal from the accelerating process of a gearbox is processed using the best order FRFT. The energy gathering band (EGB) is determined from the modulus spectrum of the FRFT. Then, the result of the FRFT within the EGB is analyzed using time–frequency analysis, and the energy from this result is aggregated to form the FETFAS. The experimental results show that the method to determine the best order of the FRFT from the rotating speed signal is fast and accurate. The time–frequency analysis of the FRFT’s results in the EGB requires less computation and has a high resolution. The FETFAS has the ability to focus and zoom and is able to highlight the target components and restrain noise. Therefore, the FETFAS is an effective method to extract weak fault feature from the signal of gearbox’s accelerating process.     

基于S变换的时域边际谱及其应用

为了更好地处理非平稳、非线性振动信号,依据Hilbert-Huang变换边际谱的思想,提出一种基于S变换的时域边际谱,并给出了利用该时域边际谱进行频谱分析的具体方法。对仿真信号的处理结果说明,该方法对振动信号中的冲击能量比较敏感,能够很好地提取冲击的特征频率,同时具有抑制信号高频成分和突出信号低频成分的特点。利用该方法对实际的振动信号进行处理,对滚动轴承故障的成功识别说明该方法能够提取微弱冲击特征频率,体现了其在振动信号频谱分析中的价值。     

基于改进双树复小波的光谱去噪算法研究

为了消除可见光近红外光谱噪声,提高利用光谱曲线进行信息提取的精度,提出一种改进双树复小波变换(DTCWT)的后验估计及广义形态滤波的光谱去噪方法。首先对带噪信号进行双树复小波分解,将信号的高频部分和低频部分进行分离。然后分别采用最大后验(MAP)估计算法和广义形态学滤波(GMF)对高频系数和低频系数进行去噪处理。最后对去噪后的高频系数和低频系数进行DTCWT反变换,得到去噪光谱。对USGS光谱库中的植被光谱以及铁铝榴石光谱进行实验,结果表明该方法易于实现,去噪效果理想,是一种很好的可见光近红外光谱去噪方法。     

基于ITD-形态滤波和Teager能量谱的轴承故障诊断

针对强背景噪声下滚动轴承振动信号故障特征信息难以提取的问题,提出了结合固有时间尺度分解(ITD)-形态滤波和Teager能量谱的滚动轴承故障特征提取与诊断方法。首先对滚动轴承振动信号采用ITD方法分解,得到若干个固有旋转分量;考虑到噪声主要分布在高频段,取前2个高频的固有旋转分量进行形态滤波,并将滤波后的信号与剩余固有旋转分量重构;对重构信号计算Teager能量算子并绘制Teager能量谱,从Teager能量谱中可以识别出故障特征。将本方法应用于滚动轴承的内圈故障和外圈故障诊断,结果表明ITD-形态滤波可以有效去除振动信号中的背景噪声并保留冲击特征,Teager能量谱可以直观并准确显示出故障特征。