基于小波变换的时变及典型非线性振动系统识别

用Morlet小波变换方法对时变振动系统和典型非线性振动系统进行参数识别。首先,通过Morlet小波变换提取振动响应的小波脊线,从而获得瞬时频率和瞬时幅值,然后,通过最小二乘曲线拟合即可估计系统的非线性阻尼和刚度系数。分别以时变阻尼自由振动系统、达芬有阻尼非线性简谐振动系统和范德波尔非线性自由振动系统为例子来说明小波变换方法对识别时变振动系统和非线性振动系统的有效性。     

应用改进复Morlet小波识别电力变压器绕组模态参数

为准确识别电力变压器绕组模态参数,据某10 kV实体变压器绕组轴向激振实验结果,采用复Morlet小波对自由振动信号进行时频变换;使用改进的Crazy Climber算法提取时频图中小波脊线,获得变压器绕组前四阶固有频率及阻尼比,并将计算结果与PolyMax频域识别方法结果对比验证。结果表明,该方法能准确识别出变压器绕组前四阶固有频率,能更清晰显示信号能量随时间频率分布。基于复Morlet小波变换的模态参数识别方法抗干扰性能力较强,适合识别变压器绕组类复杂结构模态参数。     

非线性系统识别的小波方法研究

利用小波变换时频分析的特点，用Morlet复小波函数对弱Duffing系统的有阻尼自由振动响应进行小波变换，通过脊线所对应的尺度可以计算出瞬时振动频率，通过脊线上的小波系数可以得到瞬时振幅。由系统的瞬时频率和瞬时振幅与时间的关系以及它们之间的相互关系，由曲线拟合可以得到系统的固有频率、阻尼系数和非线性系数。数值算例证实了此方法的正确性，计算表明非线性系数的识别精度与非线性程度和初始振幅大小有关。     

基于小波的非线性结构系统识别

提出了一个基于小波变换的方法用于非线性结构系统识别。采用复Morlet小波,对非线性结构自由响应信号进行连续小波变换,根据小波系数模极大值的方法提取小波变换的脊线和小波骨架。提取的小波脊线和小波骨架被用来识别结构的瞬时频率和振幅,得到非线性结构的骨架曲线。为降低噪音的影响,采用一个基于奇异值分解（SVD）的方法对识别的结构进行处理。最后通过一个具有非线性刚度结构的数值模拟验证了该方法的有效性。     

小波模态参数辨识的边缘效应问题研究

首先在应用Morlet小波变换进行模态参数识别的原理基础上,分析小波变换过程中产生边缘效应的原因及对模态参数识别准确性的影响。提出将支持向量机回归方法用于结构模态参数识别的数据预测延拓中。通过对单自由度和三自由度结构的数值仿真,并与对称延拓方法比较,验证该方法在抑制边缘效应方面的有效性及其在模态参数识别方面的准确性。     

轧机主传动系统在双源扰动作用下的动力学特性研究

针对轧制薄规格高强度带钢时引起轧机运行不稳的问题,基于传动系统受到轧制力矩和电磁力矩的共同作用,建立双源作用下的传动系统两自由度等效非线性动力学模型,通过平均法求解得出幅值、相位及非线性阻尼和刚度参数之间的函数关系。引入Morlet复小波变换理论,利用模极大值法提取小波脊线,对工业现场测试所得咬钢冲击信号进行非线性刚度和阻尼参数辨识,仿真结果表明两者拟合误差为2.5%;将辨识参数与实际参数用于双源扰动的非线性动力学研究,理论研究表明可以通过增加阻尼一次、三次项和减小刚度三次项等参数来抑制振动的强度。     

基于灰色小波核偏最小二乘的传感器网络数据预测融合研究

摘　要：针对如何降低传感器网络中采集的非平稳、非线性信号的数据传输量,提出了一种基于灰色Morlet小波核偏最小二乘(GMWKPLS)的预测融合模型。该模型把灰色模型预测的思想融入到核偏最小二乘(KPLS)中,采用构造的Morlet小波核函数进行数据变换,将输入映射到高维非线性的特征空间,在特征空间中,利用线性偏最小二乘方法构造预测融合模型。通过对齿轮箱断齿工况升速过程中的振动信号进行分析,结果表明,该模型使用滑动窗方法不断更新建模数据进行动态预测,预测精度高,可大大降低数据传输量,获得显著的节能收益。通过与灰色RBF核偏最小二乘(GRBFKPLS)和RBF核偏最小二乘(RBFKPLS)预测模型对比,GMWKPLS性能最佳,预测误差范围在±0.4%以内。     

基于雷达振动测试技术的时变索力识别方法研究EI北大核心CSCD

根据振动频率法索力测试原理,提出了基于连续复小波变换的分时段等值线法进行时变索力识别。将拉索的振动信号划分为多个较小的分析时段,对每个分析时段信号进行连续复Morlet小波变换得到小波系数,采用改进后的小波阈值去噪函数对小波系数进行降噪处理。通过等值线法在等幅值面上提取小波脊带,利用最邻近法对等值线进行拟合插值。然后把插值在频域进行均值化处理,识别出拉索的瞬时频率,进而计算出时变索力。以微波雷达为测试手段,设计了时变索力识别试验,试验结果表明:该方法能够提取到振动信号连续的瞬时频率,无论是索力呈线性变化还是正弦变化,均能准确的识别出索力变化规律,索力识别结果和实际索力误差最大仅为3.8%,且在信噪比较低的情况下仍表现出了较好的适用性。实桥应用结果表明,雷达测试手段结合时变索力识别方法,可以便捷、有效的获取拉索的索力时程。     

基于同步挤压小波变换的结构瞬时频率识别

对结构响应信号采用连续可逆的时频变换工具—同步挤压小波变换,能提高时频曲线频率精度,有效地识别出结构的瞬时频率。用Duffing弱非线性系统及两层剪切型建筑模型验证该方法的正确性。设计时变拉索试验,分别对索施加线性与正弦变化拉力,测出结构的加速度响应,用同步挤压复Morlet小波变换算法进行索的瞬时频率识别。数值模拟及试验表明, 同步挤压小波变换能有效识别时变结构及非线性结构的瞬时频率,该方法具有较好的稳定性。     

基于复Morlet小波变换的大跨空间结构模态参数识别研究

摘 要 探讨了基于复Morlet小波变换的结构频率及阻尼比的识别方法,推导了基于小波变换系数的振型识别原理。为提高识别密集模态的精度,提出了基于最小标准差的小波中心频率及带宽的自适应选择方法。针对大跨空间结构具有低频密集模态以及难以实现用力锤或激振器来激励等特点,提出了自然激励法与小波变换相结合的模态参数识别方法。数值仿真及奥运场馆国家游泳中心现场实测数据分析表明,基于复Morlet小波变换的方法能有效识别低频密集模态参数。     

基于量子高斯混合模型的振动信号降噪方法

由于机械设备振动信号受到背景噪声的干扰,造成机械设备故障状态特征不明显,因此提出了一种基于量子高斯混合模型的振动信号降噪方法。首先,对振动信号进行双树复小波包变换,对双树复小波包系数建立高斯混合模型,根据贝叶斯最大后验估计准则,得到双树复小波包系数收缩函数;然后,利用双树复小波包系数父代和子代的空间相关性,结合量子叠加态理论计算噪声信号和有用信号小波系数出现的概率值;最后,根据量子叠加态得到的概率参数值调节高斯混合模型中的小波包系数收缩函数,使小波包系数自适应非线性收缩,提高高斯混合模型的局部自适应性,实现机械振动信号的降噪处理。仿真信号和实测行星齿轮箱振动信号实验结果表明,该方法能够有效地去除振动信号中的噪声,凸显机械设备的故障状态特征。     

H型断面渐近发散振动气动力特征的数值模拟研究

基于计算流体动力学(CFD)数值模拟和连续小波变换的方法研究了渐近发散振动条件下H型断面的非线性气动力。采用二维非定常不可压缩雷诺平均N-S方程结合重整化群(RNG)k-湍流模型计算纯扭转或竖向渐近发散振动条件下的气动力。采用复Morlet小波对气动力进行连续小波变换,结合蛇形罚函数方法提取小波脊。由小波脊识别气动力的各瞬时频率及对应的瞬时振幅。研究表明:H型断面在大振幅振动条件下的气动力存在多倍于强迫振动频率的高次谐波,各频率成份的瞬时振幅与激励瞬时振幅间存在复杂的非线性关系。     

双树复小波和双谱在轴承故障诊断中的应用

针对非线性、非平稳且包含强烈的噪声的轴承故障振动信号难以有效提取故障特征信息进行故障识别的问题,提出基于双树复小波变换和双谱的故障诊断方法。首先利用双树复小波变换将故障轴承振动信号分解为若干个不同频带的分量,选择出包含故障特征的分量;然后对该分量进行希尔伯特包络解调;最后对包络信号求其双谱图,从而有效地提取出故障信号的特征频率,准确地进行故障识别。滚动轴承故障实验和工程应用表明,该方法能有效地提取故障轴承的故障特征频率,并且几乎可以完全抑制噪声,验证了方法的可行性和有效性。     

钢筋混凝土梁的非线性振动识别研究

通过理论推导和钢筋混凝土简支梁的锤击振动测试实验,证实了钢筋混凝土梁微幅弯曲自由振动存在弱的非线性,且近似为二次非线性,其振动频率随着振幅的减小而加大。利用小波变换时频分析的特点,用Morlet复小波函数对钢筋混凝土梁的自由振动响应进行小波变换,通过脊线所对应的尺度得到瞬时振动频率,通过脊线上的小波系数计算出瞬时振幅。由系统的瞬时频率和瞬时振幅与时间的关系以及它们之间的相互关系,由曲线拟合得到系统的固有频率、阻尼系数和非线性系数。通过实验发现梁的固有频率随着损伤的增大而减小,非线性系数随着损伤的增大而增大。     

基于解析小波变换的变压器绕组模态参数识别

电力变压器绕组的模态参数与绕组结构振动特性、动力特性优化设计及振动故障诊断密切相关,考虑到传统的模态识别方法在获取变压器绕组这类非线性系统参数时的局限性,在对某10 kV实体变压器绕组进行轴向激振实验的基础上,引入复小波变换法对测试得到的振动信号进行分析,同时使用Crazy Climber算法提取小波脊线,得到变压器绕组的前三阶固有频率及其对应的阻尼比。计算结果与目前通用的频域识别方法Poly Max法识别结果的良好吻合说明计算结果的正确性。此外,计算结果表明基于小波变换的模态参数识别方法具有较强的抗干扰性能力,适合于分析变压器绕组这类复杂结果的模态参数。     

连续小波变换在密集工作模态参数识别中的应用

为了研究小波变换对密集工作模态参数识别效果,构建一个含有密频成分的三自由度系统,应用窄带白噪声模拟环境激励,采用改进的Morlet小波作为连续小波变换的基函数。研究发现,降低小波函数带宽可以提高频率分辨率,解耦密集模态,但同时也加剧边缘效应问题,影响参数识别精度。为此,文章采用支持向量机（SVM）小样本预测技术对信号进行延拓,先增加信号的可用长度,变换之后再截取有用部分,使得边缘效应问题得到抑制。仿真结果表明,此方法可以得到较高的识别精度。最后,通过对磨机前两阶宻频模态进行识别,验证该方法的可行性与有效性。     

运用分量信号小波能量法识别时变结构损伤

在采用解析模态分解定理提取分量信号的基础上,对一阶分量信号进行复Morlet小波变换,并定义损伤前后一阶小波能量比值指标来识别时变结构的损伤位置,然后从损伤位置处的响应信号出发,引入滑动时间窗思想,提出归一化一阶小波能量变化指标,来预测结构损伤的演化过程。采用一个刚度突变和线性变化的三层剪切型建筑结构数值算例对提出的损伤指标进行验证,结果表明:该指标能够有效识别结构的损伤位置和时变损伤。     

基于最优Morlet小波和隐马尔可夫模型的轴承故障诊断

摘要：提出一种从信号时频域提取故障特征的新方法,先将振动信号作Morlet小波变换,再将小波系数顺序划分成多个子列,各子列协方差矩阵的特征值为所需的特征参数。为了更有效地提取信号的振动特性及周期性成分,使用了最小香农熵准则和奇异值分解技术选择Morlet小波参数,并用比较实验证明了参数优化的有效性。状态辨识使用了连续型隐马尔可夫模型,在三种故障程度下分别实现了轴承正常状态,滚动体故障,内圈和外圈故障的正确辨识,平均精度都大于93%。     

基于最优复Morlet小波的结构密集模态参数识别

针对结构密集模态参数识别精度不高的问题,提出了一种小波Shannon熵与最小标准差相结合来优化复Morlet小波参数的方法。首先理论推导了中心频率与带宽参数的取值范围,其次采用两个最小原则对中心频率与带宽参数同时进行优化,通过仿真算例和模型实验的参数识别,验证了参数优化后的Morlet小波可准确地识别结构的密集模态参数,并且具有一定的抗噪性能。     

基于小波变换的网络流量在线预测模型

在无抽取Haar小波变换的基础上,结合自适应AR模型和滑动窗口式多项式拟合方法,建立了一种基于小波变换的递推式高速网络流量在线预测模型.该模型首先用无抽取Haar小波变换把网络流量时间序列分解为细节信号和近似信号,然后对细节信号部分使用自适应AR模型预测,对近似信号部分则使用滑动窗口式多项式拟合方法预测,最后用小波重构获得原始时间序列的预测值.该模型不但提高了流量在线预测的准确性,而且通过模型参数的递推式自动调整,避免了参数的定期估计和更新.