基于瞬时频率的窗宽递增寻优的短时傅里叶变换

讨论了窗函数在时频分析中的作用,分析了S变换的缺陷,指出了依据分析频率调整窗宽和使用窄窗均严重影响时频分析效果.以短时傅里叶变换为基础,提出了一种窗宽根据信号自身时变特征进行自主调节的时频分析方法,该方法以瞬时频率的变化作为判断信号频谱结构发生变化的依据,通过在瞬时频率变化之前逐次递增窗宽,使窗函数能够覆盖信号中的局部平稳区域的大部甚至全部,从而可对信号中的各局部平稳段得到最佳的时频分辨率.通过对线调频信号、时变信号和含噪声信号的分析和比较可知,本方法可准确描述信号的时间分布特征,并可同时获得最佳的频率分辨率,且对噪声不敏感,具有一定的先进性和实用性.

基于听觉模型ZCPA的故障诊断特征提取方法研究

将一种听觉模型——ZCPA模型引入机械故障诊断特征提取中。介绍了该模型的基本原理,并根据故障诊断中振动信号分析的特点对模型的具体实现方法进行了一定的调整。利用S函数取代对数函数对耳蜗内毛细胞进行模拟,将频率箱按照频率范围等比递增的方式在频率轴上进行分布;同时,利用Gammatone滤波器组进行耳蜗基底膜的建模。利用ZCPA模型对四种转子故障进行了特征提取试验验证,结果表明,该模型只使用少量特征数据(如16个)即可有效表征不同故障,同时,对同一类型故障的特征提取结果具有很好的稳定性和一致性,具有一定的工程应用前景。

基于神经网络和主元分析的特征集生成方法

能够实现线性可分并易分的特征集对模式分类具有重要意义,而特征计算方法的有限性和固定性往往导致构建此类特征集存在一定困难。为此提出一种基于神经网络和主元分析(Principal component analysis,PCA)的特征集构建方法,该方法利用神经网络对已有特征集进行非线性映射生成新的特征集,继而利用PCA方法对新特征集进行降维处理,在满足信息保留率大于85%的条件下只取第一主元方向投影数据,并判断线性可分和易分性。设计在第一主元方向上判断新特征集是否满足线性可分和易分的判据算法和准则,给出利用不对称交叉遗传算法进行网络寻优的具体步骤。数值仿真和试验验证表明所提出的方法性能稳定、分类准确,而且泛化能力较强,具有一定的工程应用价值。

基于两被联件振动信号概率密度和PCA的螺栓松动识别方法研究

螺栓松动是一种常见且具有潜在危害的机械故障。考虑到螺栓松动会导致被联接件结合部动力参数发生变化,提出了一种基于两被联接件振动信号的松动识别方法。所提方法首先计算两信号的概率密度,并对概率密度曲线进行网格化处理生成概率矩阵,继而对概率矩阵进行主元分析(PCA),在合并两路信号经主元分析后所得投影矩阵之后,再次进行主元分析和投影。设计了两种识别方式,方式1首先按上述过程进行已知样本训练以得到各松动状态投影点,识别时根据所得投影点与各状态投影点间的欧式距离进行判断;方式2使用螺栓紧固状态时所得样本数据和现场实测数据直接按上述过程进行计算,并根据PCA特性设计了松动判别条件。试验验证表明所提方法能够准确区分不同松动状态,且识别方式2操作简便,无需故障样本,易于实际应用。

基于复值过程高阶累积量谱的轴心轨迹分析的研究

用复值过程表示轴心轨迹,将复值过程高阶累积量理论引入轴心轨迹分析这一研究领域。结合轴心轨迹的形状讨论了轴心轨迹复值过程的频域特点。证明了混杂在轴心轨迹中的高斯复噪声和实虚部非相关随机噪声的高阶累积量为零,定性说明了该理论亦可有效抑制宽带和窄带噪声。定义了双谱的工频切片和半工频切片。给出了利用双谱幅值谱及其工频切片分析轴心轨迹的计算方法,并将该方法用于转子不对中故障轴心轨迹的分析,验证了该方法同时具有对轴心轨迹的提纯和特征提取的功能。利用工频切片方法对多种故障的轴心轨迹进行了特征提取,其结果表明该方法可将不同故障的轴心轨迹转化为量值的组合,符合机械故障智能诊断的需要。

基于实测冲击响应的转子碰摩故障特征提取方法

提出基于被测系统实测冲击响应的碰摩故障特征提取方法。以归一化实测冲击响应为基函数对振动信号进行分析,可提取出冲击响应成分。在此基础上,提出针对冲击响应成分的信号分析方法—周期序列变换,该方法可有效识别出是否存在周期性冲击响应和冲击响应出现的周期。考虑到在检测方便性和信号成分简单性上静子振动信号较转子振动信号有诸多优越性,提出同时检测转静子两种振动信号对碰摩故障进行诊断的方法。试验验证结果表明所提出的理论方法和试验技术是可行和高效的。

带有裂纹轴的齿轮耦合系统的扭转振动特性

建立了从动齿轮轴带有开裂纹的啮合型齿轮耦合系统动力学模型·对齿轮系统的啮合刚度、传动误差和节线冲击等主要参数进行了讨论·研究了齿轮耦合条件下裂纹轴(从动齿轮轴)和无裂纹轴(主动齿轮轴)的扭转振动特性·基于齿轮系统参数众多的特点,以传动比为主线,研究了两齿轮轴扭转振动特性与裂纹深度、转速和传动比之间的关系·分析结果表明,频率为旋转频率2倍和4倍的谐波成分是带裂纹齿轮轴扭转振动的主要特性,传动比和转速是影响裂纹引发振动的能量及其在两齿轮轴上分布情况的主要参数·

机械振动信号的听觉谱表达及其特性研究

人类听觉系统具有非凡的信号分析、处理和识别能力,因此,建立人类听觉系统的数学模型并将其应用于各种动态信号分析场合具有一定的可行性。引入听觉模型ZCPA(模型输出为听觉谱),通过对各种实测信号的分析,检验了听觉谱对平稳、非平稳和带有瞬时突变成分的振动信号的描述效果,揭示了听觉谱表达振动信号时的基本特性,并阐述了其内在机理。各种分析检验结果表明,听觉谱可以用很少的点数大体描述信号的频率结构,尤其是对于中高频区间的微弱信号具有很好的描述效果,并且在表征信号中的瞬时突变方面具有明显优势。

呼吸裂纹故障动力特性及特征提取方法的研究

提出了故障行为特征提取的概念。对呼吸裂纹转子系统进行了以故障诊断为背景的动力学分析。提出了呼吸裂纹的界定方法。建立了呼吸裂纹转子系统的集总化模型 ,并利用数值方法对其求解。对开关函数和时变刚度的物理性质进行了深入讨论。用幅值谱对处于相对于裂纹不同位置处的振动响应进行了分析比较 ,根据差异 ,提出多测点信号幅值谱比较和构造复信号进行瞬时频率分析的特征提取方法 。

基于主元分析的频谱整体识别方法

根据频谱的整体数据进行模式识别和分类时必须考虑如何降低识别过程中的计算量问题,提出了一种基于PCA的频谱整体识别方法.该方法将N点频谱视为N维空间中的点,首先利用已知频谱样本建立数据矩阵,继而进行PCA处理并确定满足信息保留率门限值的主元方向个数,实现高维数据的降维,并计算各类频谱在低维空间投影点的中心,得到数据模板.在方法的识别应用中以距离最小为判据准则进行识别归类.数值仿真和语音识别实验结果说明所提方法性能稳定,识别准确率较高,具有一定的实际应用价值.

基于极值点概率密度和听觉模型的瞬态信号提取方法研究

零件间的碰撞会诱发瞬态振动信号成分,所以发现和提取瞬态信号有助于设备故障的识别。人类听觉系统对于突发声音具有本能的敏感性,因此,基于听觉系统的运行机制提出了一种瞬态信号提取方法。提出了信号极值点幅值概率密度曲线中存在小幅值局部波动这一含瞬态成分信号的重要特征,并结合频带连续性和起始同步性做为瞬态信号提取的线索。基于三种线索,首先对信号进行Gammatone带通滤波、相位调整和极值点提取,继而计算各滤波信号极值点的幅值概率密度,并判断各滤波信号中是否存在瞬态成分,根据判断结果提取可能与瞬态成分有关的极值点,但因背景信号和干扰噪声的影响,所提取到的极值点会有一部分与瞬态成分无关,因此,将无关点分为四类并设计了相应的筛选方法。最终,利用筛选后所得极值点生成瞬态信号。数值仿真和实测数据验证的结果表明,所提方法对于瞬态信号提取具有良好的性能,且在干扰噪声和背景信号较强时也可实现较好的提取效果。

基于听觉神经同步振荡网络的时频结构描述方法

人类听觉系统具有优良的非平稳信号分析能力,在听觉系统中,由耳蜗基底膜对信号进行类似于带通滤波的时频分解,并由内毛细胞、传入神经和听觉中枢的神经网络对时频分解结果逐步进行特征信息提取和压缩。鉴于此,参照Wang-Brown模型,建立一种可描述信号时频结构特征的听觉模型,该模型包括基底膜、内毛细胞、中级听觉和听觉中枢等子模型,听觉中枢模型由单层听神经振荡网络构成。略去Wang-Brown模型中随机项和侧抑制项,简化内毛细胞模型,设计听神经元的活跃准则和神经元间的联接方式。信号经基底膜、内毛细胞和中级听觉模型处理后,由听神经振荡网络进行信息综合,使得信号中时频结构相似的区域所对应的听神经元进行同步振荡,从而可利用同步振荡神经元的分布情况描述信号的时频结构。进行故障转子升降速试验和风力发电增速机稳速运行试验,试验所得信号的分析结果表明,所建模型能够有效描述信号的时频结构特征及其变化情况,对信号的瞬态变化较为敏感,且数据量相对较小,易于智能识别。

一种双耳听觉模型及其在轴心轨迹分析中的应用

人类听觉系统利用双耳信号的时间差和强度差进行声源定位。对于机械振动信号,难以利用声源定位的方法进行振源定位,但可以参照听觉系统的工作机理对两路信号进行特征提取。以轴心轨迹为分析对象,提出了一种双耳听觉模型,该模型由两个相同的单耳模型构成,按工作顺序,单耳模型包括基底膜模型、内毛细胞模型和侧抑制模块三个主要部分。两路信号分别由两单耳模型处理后,统计两单耳模型输出信号在各频段上的时间差和强度差,并作为双耳听觉模型的最终输出。利用所建模型分析了五种不同形状的轴心轨迹,所得的时间差和相位差对于不同轴心轨迹具有良好的可区分性,且在保证特征信息冗余性的前提下,数据量适于进行智能识别。同时,试验验证的结果也表明双耳听觉模型具有一定的表征和提取微弱信号的能力。

改进的GA算法及其在反共振机设计中的应用

在满足工况要求的基础上,为使下质体振幅为小量,对振动机的动力参数进行多目标优化。结合反共振振动机的特点,提出了列表参数集遗传算法,该算法将由某一目标所得的参数集以列表形式表示,继而只对各参数的编号进行编码进行遗传优化。同时,使用对标准遗传算法中的交叉操作的改进方式,扩大了每一代的搜索范围,提高了收敛速度。利用所提算法对反共振振动机的动力参数进行了优化,优化结果满足要求且说明算法使有效和实用的。

频谱校正中频率-幅值估计的一种新方法

指出了导致频谱误差的根本原因是标准DFT计算中的频率初始点为零,并由此提出一类新的频谱校正方法——初始频率扫描法,包括单频率估计方法和全频段估计方法.该方法以幅值最大为判据准则,以一个频率分辨力为寻优区间,通过调整DFT计算的初始频率点实现对频率和幅值的最优估计.验证结果表明,该方法估计精度较高,能够稳定保持在10-3数量级,且估计精度对信号点数的要求不高,同时,噪声的强烈程度对估计精度影响并不显著,说明该方法具有很强的实用性.

基于连续频段的杜芬方程一类混沌解的分析

混沌信号的频谱中存在连续频段,这一特点通常归因于混沌的伪随机性,对连续频段的成因和特性却少有关注。基于两类杜芬方程,在其众多的解中发现一大类具有相同频域特征的混沌解,并对这类混沌解频谱中的连续频段的成因和特性进行研究。总结出连续频段在频域的位置和形状特征以及不同连续频段间的相互关系。针对连续频段,基于复解析小波对混沌解进行分析,发现混沌的调制特性和调制相似性,这两个特性有助于进一步揭示混沌解连续频段的成因以及同一混沌解不同连续频段间相似性的原因。进一步将混沌的调制特性和调制相似性与奇怪吸引子相结合,揭示奇怪吸引子的区域集中性和不同局部形状相似性。

基于单一小波的时变信号最优分解方法

针对常规的小波变换并不能保证对信号实现最优分解。以时频性能优良的Morlet小波为单一基函数,并扩大了基函数的参数空间,确定了满足小波容许条件的参数空间边界,提高了用其分解信号的灵活性。对实数编码遗传算法进行了改进,改进后的算法免除了独立的变异操作,提高了算法的搜索速度、收敛性和准确性。以互信息最小化为寻优的判据准则,给出了基于改进的遗传算法和改造后的Morlet小波的信号最优分解的具体步骤。对时变信号的仿真分析表明所提方法是有效和可行的。

一种基于同步性的听觉滤波信号关联度分析方法

受听觉系统运行机制的启发,提出一种以同步性为线索的信号分量间关联度的分析方法.首先对信号进行带通滤波、逆序滤波和半波整流,继而提取一次、二次和三次极值点,并生成三种单位序列.基于单位序列分别计算相邻滤波通道同步性和一、二次极值点同步性,这两种同步性可描述信号分量间的波形吻合程度和波动关联性.分析了带有侧隙的齿轮振动信号,结果表明所提方法可发现具有较高关联性的信号分量,有助于缩减数据量和揭示被测对象的动力行为特性.

基于实测冲击响应的转子碰摩力方向识别方法

提出了基于实测冲击响应的转子碰摩故障诊断特征提取方法.实验表明,该方法能够克服已有方法的缺点,可以准确提取信号中的冲击响应成分,且易于实际应用.在此基础上,提出了确定转子碰摩方向即静子碰摩位置的方法,该方法将转子轴心轨迹中的冲击响应成分投影到各初始相位不同的旋转坐标系中,进而以初始相位为参数,以投影能量最大化为目标进行寻优,从而确定碰摩力方向.并通过实验验证了方法的可行性.

基于倒变异高阶谱的周期性突变识别方法

分析了带有周期性突变成分信号的频域特征,提出了识别周期性突变的倒变异高阶谱方法,该方法首先对信号的FFT所得数据进行调整,并根据周期性突变的特点设计了新的高阶谱频率函数,由频率函数可得到变异高阶谱,进而对变异高阶谱的某些频率取纵向切片计算倒谱,得到倒变异高阶谱.基于倒变异高阶谱的周期性突变识别方法可充分利用FFT所得的正负频率域的所有数据,扩充了高阶谱的生成空间,提高了对周期性突变的识别效果.试验表明所提方法可准确识别周期性突变和突变的周期,具有一定的实际应用价值.