基于差分演化-MP的快速信号稀疏分解

针对传统的稀疏分解算法存在的计算量大和耗费时间长的缺点,利用差分演化算法具有鲁棒性强和全局收敛性好的优点,提出了一种基于差分演化的匹配追踪算法（DE-MP）.算法使用差分演化（DE）算法替换传统匹配追踪（MP）算法中的遍历搜索策略,优化了寻找稀疏分解最优原子的过程,从而大大降低了算法复杂度.此外,DE算法特殊的搜索策略很好地提高MP的全局收敛性,进一步提高了稀疏分解的准确性.通过对雷达仿真信号和语音信号仿真实验结果表明：与传统MP算法相比,差分演化匹配追踪算法（DE-MP）在计算速度提高了两个数量级,在收敛精度上也有明显提高,且收敛精度优于其他改进MP算法.

基于差分演化-MP的快速信号稀疏分解

利用差分演化算法具有鲁棒性强和全局收敛性好的优点,提出了一种基于差分演化的匹配追踪算法(DE-MP)。算法使用差分演化(DE)算法替换传统匹配追踪(MP)算法中的遍历搜索策略,优化了寻找稀疏分解最优原子的过程,从而大大降低了算法复杂度。此外,DE算法特殊的搜索策略很好地提高MP的全局收敛性,进一步提高了稀疏分解的准确性。通过对雷达仿真信号和语音信号仿真实验结果表明:与传统MP算法相比,差分演化匹配追踪算法(DE-MP)在计算速度上提高了两个数量级,在收敛精度上也有明显提高,且收敛精度优于其他改进MP算法。

基于量子进化的信号稀疏分解方法

稀疏分解将信号表达为冗余字典中少量原子的线性组合,其分解的精度对其广泛应用具有重要影响。提出了基于量子进化算法的稀疏分解方法,利用增强型量子比特概率幅对Gabor原子进行染色体编码,采用简化形式的梯度进化操作和逐代缩减的变异操作进行种群个体的更新,以稀疏分解的残余信号与Gabor原子的内积作为适应度函数,筛选出每次稀疏分解的最佳原子。通过两个仿真信号的稀疏分解实验和轴承振动信号的故障特征提取实验,验证了所提方法较其他方法具有更高的分解精度。

基于信号共振稀疏分解和最大相关峭度解卷积的齿轮箱故障诊断

当齿轮箱内旋转零件发生故障时,其振动信号中的故障脉冲成分易被箱体中其他旋转部件的谐波信号和背景噪声所淹没,故障特征难以被有效提取。针对这一问题,提出了基于信号共振稀疏分解和最大相关峭度解卷积的故障诊断方法。该方法首先通过信号共振稀疏分解将信号中的低共振冲击成分从谐波分量和噪声中分离,然后对低共振分量进行最大相关峭度解卷积计算,进一步突出低共振分量中的周期脉冲成分,最后通过包络谱分析进行故障诊断。算法仿真、实验分析和工程应用结果表明,该方法能够有效提取强噪声信号中的周期性冲击成分,凸显故障特征,从而提供准确可靠的诊断结果。

基于多尺度线调频基稀疏信号分解的包络阶次谱在齿轮故障诊断中的应用

提出了基于线调频基稀疏信号分解的包络阶次谱方法,并将其应用于变速齿轮箱故障诊断之中。采用基于多尺度线调频基的稀疏信号分解得到齿轮箱啮合分量的瞬时频率,由此得到转速信号,并据此对齿轮振动加速度信号的包络信号进行等角度重采样,然后对重采样信号进行频谱分析,得到包络阶次谱,从而进行齿轮故障诊断。该方法无须使用转速计拾取转速信号,用软件方法实现了包络阶次分析,仿真算例与应用实例说明了该方法的有效性。

基于多尺度线调频基稀疏信号分解的包络解调方法及其在齿轮故障诊断中的应用

提出一种基于多尺度线调频基稀疏信号分解的包络信号提取方法,并将其应用于转速剧烈波动情况下的齿轮箱故障诊断。基于多尺度线调频基的稀疏信号分解方法可以根据信号的特点,自适应的选择相应尺度对信号进行投影分解。其库函数的多尺度特性和线调频基函数中频率斜率参数的引入使得该方法比以往使用单一尺度库函数的分解方法更适合分解频率呈曲线变化的非平稳信号。当齿轮出现故障时,振动信号会出现啮合频率调制现象,在齿轮转速大范围波动情况下,载波频率和调制频率均随转速大范围波动。采用基于多尺度线调频基的稀疏信号分解方法,能同时有效提取变转速齿轮故障状态下载波频率和包络信号频率随时间的变化曲线,进而对齿轮箱故障进行诊断,解决经验模态分解方法和小波方法难于对转速剧烈波动情况下的齿轮故障进行诊断的问题。仿真算例和应用实例说明了此方法的有效性。

基于多尺度线调频基稀疏信号分解的电力系统非平稳振荡信号特征提取

随着电力电子装置在源-网-荷侧的大规模应用,电力系统功率振荡表现出较强的非平稳特性和模式耦合性。本文提出一种基于多尺度线调频基稀疏信号分解的电力系统非平稳振荡信号特征提取方法。多尺度线调频基稀疏信号分解方法能够在动态的时间支撑区内对信号进行投影分解,逐次获得能量最大的信号分量,具有良好的时频聚集性,特别适用于非平稳振荡信号的分解。电力系统的功率振荡信号本质上是一种多模态时变振动系统响应信号。首先通过多尺度线调频基稀疏信号分解方法得到多个单模态振动响应信号,然后根据单模态振动响应特性采用最小二乘法进行振荡特征的提取。仿真算例和实例证明了该方法在电力系统非平稳振荡信号特征提取中的有效性和适应性。

基于多尺度线调频基稀疏信号分解的广义解调方法及其在滚动轴承故障诊断中的应用

提出了一种基于多尺度线调频基稀疏信号分解的广义解调方法,并将其应用于非平稳转速下的滚动轴承故障诊断。该方法先采用基于多尺度线调频基的稀疏信号分解方法分解频率呈曲线变化的多分量信号,得到瞬时频率和瞬时幅值都具有物理意义的单分量信号及其相位函数,再基于获取的各分量信号的相位函数对原信号进行广义解调处理,从而将非平稳信号转化为平稳信号。当转速变化时,滚动轴承故障特征频率为曲线变化的非平稳信号,对其包络信号进行基于多尺度线调频基的稀疏信号分解,提取包络信号分量,再对包络信号分量进行广义解调,根据广义解调后分量信号频率成分与转频的关系即可判断滚动轴承的故障部位和类型。仿真信号与轴承内外圈故障振动信号分析结果表明,该方法比传统的包络信号分析方法能更有效地提取滚动轴承故障振动信号特征。

基于多尺度线调频基稀疏信号分解的齿轮故障信号阶比分析

针对变转速齿轮箱故障振动信号调制边频带难以识别的问题,提出一种基于多尺度线调频基稀疏信号分解的阶比分析方法。该方法先采用基于多尺度线调频基的稀疏信号分解方法对齿轮箱振动信号进行分解,提取齿轮的啮合分量与调制边频分量,由啮合分量的时频分布曲线得到瞬时转频估计,再基于获得的瞬时转频对啮合分量与调制边频分量之和进行等角度重采样,将非平稳的分量信号转化为平稳信号,对重采样后的信号进行阶比分析,诊断齿轮故障。与传统的直接对齿轮箱故障振动信号进行阶比分析的方法比较,结果表明,提出的基于多尺度线调频基稀疏信号分解的阶比分析方法抗噪性强,调制边频带识别效果好。仿真算例与应用实例验证了本方法的有效性。

基于多尺度线调频基稀疏信号分解的广义解调方法及其在齿轮故障诊断中的应用

在基于多尺度线调频基稀疏信号分解的基础上,提出一种基于多尺度线调频基稀疏信号分解的广义解调方法,并将其应用于非平稳转速状态下的齿轮故障诊断。广义解调可以将时频分布呈曲线变化的多分量非平稳信号转化为时频分布平行于时间轴的平稳信号,因此非平稳信号经广义解调后满足傅里叶分析对平稳性的要求,而如何获取多分量信号的广义解调相位函数是广义解调方法的关键和难点。对信号进行基于多尺度线调频基的稀疏信号分解,得到分量信号的相位函数,再对分量信号进行广义解调和频谱分析得到齿轮故障特征频率。该方法非常适合于分析转速波动齿轮的多分量调幅—调频振动信号,仿真算例和应用实例说明了方法对变速齿轮箱故障诊断的有效性。

基于多尺度线调频基稀疏信号分解的齿轮故障诊断

在线调频小波路径追踪算法和稀疏信号分解的基础上,提出了一种基于多尺度线调频基的稀疏信号分解方法,并将其应用于齿轮故障振动信号的分解。该方法采用多尺度的线调频基元函数对信号进行投影分解,由于基函数库的多尺度特性,使得该方法非常适用于分解频率呈曲线变化的非平稳信号。当齿轮发生故障时,其振动信号通常为随转速波动的多分量调幅-调频信号,采用该方法能准确获得非平稳转速下齿轮啮合频率和调制频率随时间变化的情况,进而对其状态和故障特征进行识别,仿真算例和应用实例证明了该方法的有效性。

基于FRFT的改进多尺度线调频基稀疏信号分解方法

针对全局搜索基函数计算量大的问题,提出了基于分数阶傅里叶变换(Fractional Fourier Transform,FR-FT)确定基函数的改进多尺度线调频基稀疏信号分解方法。通过解析信号的FRFT消除实信号FRFT结果中的对称项,两级搜索FRFT幅度谱确定信号的最佳基函数,检验该方法的计算效率和抗噪性能,并采用该方法分解频率呈曲线变化的多分量非平稳信号。试验结果表明:对解析信号进行FRFT能有效消除实信号FRFT结果中的对称项;基于FRFT确定基函数速度快、精度高、抗噪能力强,与频偏大小、频率变化快慢无关,不需先验知识,有效克服了全局搜索方法计算量过大的问题;基于FRFT的改进多尺度线调频基稀疏信号分解方法能快速、准确地分解频率呈曲线变化的多分量信号,适合于旋转机械瞬变工况下非平稳信号的瞬时频率估计与目标分量隔离分析。

稀疏信号分解-分段拟合逼近及其无转速计阶比应用

针对传统无转速阶比存在低阶拟合阶次模糊和高阶拟合频率积分方程难求解的问题,提出了一种基于稀疏信号分解和分段拟合积分逼近的无转速计阶比方法。根据啮合频率的稀疏信号分解动态时间支撑区对瞬时转频分段,并进行低阶多项式拟合,采用积分逼近方法代替求解方程,确定等角度重采样时刻,准确实现无转速计下的阶比分析。仿真和实测信号试验结果表明:基于啮合频率动态时间支撑区对瞬时转频分段,既能保证各段内频率变化简单,又能使分段最少;在各分段内采用2阶多项式就能准确拟合,解决了单个多项式整体拟合精度不高、缺乏自适应性的问题;积分逼近求解等角度重采样时刻,不需要求解方程,有效解决了方程无解、无实数解影响阶比结果的问题;基于稀疏信号分解和分段拟合积分逼近的无转速计阶比方法,为无转速计条件下旋转机械变转速过程信号阶比分析提供了一种新的有效途径。

基于多尺度线调频基稀疏信号分解的时变系统模态参数识别

在多尺度线调频基稀疏信号分解的基础上,提出一种时变系统的模态参数识别方法。该方法先采用多尺度线调频基稀疏信号分解方法对多自由度线性时变振动系统响应信号进行分解,将其分解成多个单模态振动响应信号并得到单模态振动响应信号的瞬时频率;再根据单模态振动响应信号的包络和瞬时频率识别系统的模态频率与模态阻尼比。多自由度线性时变振动系统模态参数的识别算例表明,与经验模态分解等时频分析方法比较,该方法能有效克服系统振动响应信号分解时的模态混淆问题,识别精度高,抗噪性能好,是一种有较大工程应用前景的多自由度线性时变振动系统模态参数识别方法。

基于多尺度线调频基稀疏信号分解的线性时变SDOF系统参数识别

对于参数时变的SDOF系统,提出一种基于多尺度线调频基稀疏信号分解的参数识别方法。该方法能将SDOF系统的强迫振动响应自适应地分解为稳态响应和瞬态响应。从系统的稳态响应可得到外部激振力的频率估计;对系统的瞬态响应用多尺度线调频基稀疏信号分解方法进一步分解,可得到系统的瞬时频率估计,进而可得到系统的刚度和阻尼,从而实现对SDOF系统的参数识别。刚度线性变化、刚度突变与刚度周期缓变3种情况下的参数识别仿真算例表明,本文方法能有效识别线性时变SDOF系统参数,具有重要的工程应用价值。

基于多尺度线调频基稀疏信号方法的结构损伤识别

引用了多尺度线调频基稀疏信号分解方法的概念,建立了五自由度剪切框架结构MATLAB模型,将模型应用于地震作用下结构的时程分析,得到了地震作用下无损伤和含损伤框架结构的响应,利用多尺度线调频基稀疏信号分解方法对结构在强震中的响应进行分析,通过结构瞬时频率的变化情况对结构是否出现损伤进行识别,通过一阶固有模态函数(IMF)特征能量比判断损伤发生的位置。

基于萤火虫算法的匹配追踪用于生态声音辨识

针对生态环境中背景噪声对声音辨识产生干扰的问题,提出利用萤火虫算法优化匹配追踪的方法进行生态声音辨识。利用匹配追踪(MP)稀疏分解声音信号,在保留信号主体结构的前提下对其进行重构,减小噪声的影响。使用萤火虫(GSO)算法优化搜索最佳匹配原子,实现MP快速分解。对重构信号提取Mel频率倒谱系数(MFCCs),MP时频特征及基音频率。结合支持向量机(SVM)对56种生态声音在不同环境和信噪比情况下进行分类识别。实验结果表明,与传统MFCC与SVM的方法相比,该方法对生态声音在不同信噪比下的识别性能得到不同程度的改善并且具有较好的抗噪性,尤其适合低信噪比(30 d B以下)噪声情境下使用。

基于RSSD和小波变换的滚动轴承故障诊断

滚动轴承故障被视作瞬态冲击成分,在信号共振稀疏分解中一般被分解到的低共振分量当中。由于噪声影响,低共振分量的希尔伯特解调包络谱中依然存在大量的干扰频率,使得故障特征提取有时不明显,或不易观察,因此本文提出了一种基于信号共振稀疏分解(RSSD)与小波变换相结合的故障诊断方法。在滚动轴承早期微弱故障的诊断中,采用小波分析技术对隐藏于低共振分量的故障特征进行提取,可以更加有效地凸显故障特征;通过对滚动轴承内圈和外圈单一故障振动信号的分析应用,成功提取了故障特征,验证了这一方法在滚动轴承早期故障诊断应用的有效性。

多阶FRFT自适应滤波及齿轮微弱故障特征提取

提出了一种基于稀疏信号分解的多阶分数阶傅里叶变换(Fractional Fourier Transform,FRFT)自适应滤波方法,用于分离加减速过程啮合频率包络调制信号,提取微弱故障特征。首先提出基于两级步长FRFT确定基函数来改进多尺度线调频基稀疏信号分解方法,然后根据分解信号将分析信号分成具有较好LFM特性的信号段,采用确定基函数时保留的最佳阶次和分数阶域聚集点对各段信号进行单阶FRFT滤波,实现多阶FRFT自适应滤波。采用该方法对变速器加减速过程振动信号进行滤波解调分析。试验结果表明:基于两级步长FRFT确定基函数,速度快、精度高、抗干扰能力强;该滤波方法计算效率高,不需要选择和设置复杂滤波器,解决了信号频率呈曲线变化时,单阶FRFT滤波失效和多阶FRFT滤波各阶次难以确定的问题,能有效剥离出啮合频率包络调制信号,滤波分量的解调谱能有效提取出早期齿轮故障微弱特征。