基于同步挤压变换和深度迁移学习的GIS隔离开关故障诊断

为实现气体绝缘组合电器(GIS)隔离开关机械故障的智能诊断,基于GIS隔离开关分合闸过程中的振动信号,提出了基于深度迁移学习的GIS隔离开关机械故障诊断方法。首先应用二阶同步挤压傅里叶变换(FSST2)获取GIS隔离开关振动信号的时频分布,然后基于深度迁移学习的思想构建预训练模型并进行优化,建立了GIS隔离开关机械故障智能诊断模型。对某GR角型GIS隔离开关正常和典型机械故障状态下的振动信号的分析结果表明,基于FSST2得到的GIS隔离开关振动信号时频表示具有较好的能量聚集性,所建立的GIS隔离开关机械故障智能诊断模型识别准确率高且模型复杂度低,可用于GIS隔离开关机械故障的高效诊断。

同步挤压S变换与τ⁃p变换联合的微地震信号消噪方法

微地震监测是指导页岩气开采水力压裂作业和评价压裂效果的常用手段。地面监测所采集的微地震信号能量弱、信噪比低,微地震事件识别困难,严重影响定位的准确性。针对低信噪比地面微地震监测资料,联合使用同步挤压S变换、谱分解和τ⁃p变换,提出一种新的消噪方法。首先对监测资料进行时差校正,将微地震信号的同相轴校平;之后使用同步挤压S变换对校平后的资料进行谱分解获取单频切片;再对每个单频切片进行τ⁃p变换,并根据τ⁃p变换的结果获取微地震信号位置;最后根据信号的位置在时频域完成消噪。实际低信噪比地面微地震监测数据的处理结果表明,新方法可以获得理想的消噪结果。

最大系数多重同步挤压变换识别结构瞬时频率

针对多重同步挤压变换及其改进算法存在的未重排点问题,提出了一种基于最大系数的多重同步挤压变换(maximum coefficient based multi-synchrosqueezing transform,简称MCMSST)方法来识别时变结构非平稳响应信号的瞬时频率(instantaneous frequency,简称IF)。首先,引入傅里叶频谱来辅助多分量响应信号选取截止频率;其次,对响应信号进行短时傅里叶变换(short time fourier transform,简称STFT),针对短时傅里叶变换系数求取针对时间的偏导,从而获得估算的瞬时频率;然后,在对瞬时频率的估算值进行多次迭代的基础上,仅保留时频系数模值最大处所对应的估算瞬时频率,并将其余位置的瞬时频率值归零;最后,对时频系数模值最大处所对应的瞬时频率进行时频重排即可得到细化后的瞬时频带。由于基于MCMSST方法提取的是瞬时频带,故采用时频系数模极大值法在限定的频带范围内提取瞬时频率曲线。通过2组数值算例和1个铝合金悬臂梁质量突变试验,验证了所提方法的有效性。研究结果表明,MCMSST方法不仅彻底解决了未重排点问题,而且提高了瞬时频率的识别精度和抗噪能力。

基于同步挤压小波变换和Transformer的轴承故障诊断模型

针对采用神经网络对滚动轴承进行故障诊断时,故障信息利用不充分,特征提取困难的问题,提出了一种基于同步挤压小波变换(SST)-Transformer的滚动轴承智能故障诊断方法。首先,以同步挤压小波变换作为信号处理模块,将一维振动信号转为时频图;接着,设计了一种最大程度保留故障信息的时频图分割方式,将时频图分割为一系列图像块序列;然后,将序列输入到具有强大的处理序列数据能力的Transformer模型中,进行了特征提取;最后,将特征数据输入分类器进行了分类,对比了不同的时频图分割方式的诊断效果,并将SST-Transformer模型与基准算法相比较。研究结果表明:相较于其他分割方式,基于SST-Transformer的滚动轴承智能故障诊断方法的诊断准确率提升了3.45%,并大幅提升了模型训练的收敛速度;相比于其他基准算法,该方法的平均准确率至少提升了1.05%。该方法有较高的诊断准确率和较好的稳定性。

同步挤压小波变换在矿山微震监测系统中的应用

微震监测技术是一种保证矿山安全、高效、可持续发展的重要地压监测手段。矿山传感器获取的微震数据容易受到宽频带非平稳噪声的影响,导致微震监测缺乏可用的高质量数据。本文介绍了一种新的频谱分析方法——同步挤压小波变换,它提供了一种将数据同时分解到时域和频域的方法,且比小波变换等方法的时频分辨率更高,可以在时频谱上更为清晰地展示微震信号。同时,本文还比较了Morlet小波基和Bump小波基对微震波形的影响程度,并通过现场微震监测波形验证了Morlet小波基的相对可靠性。采用基于噪声水平的硬阈值滤波方法对其进行分别处理,结果表明,基于Morlet小波基的同步挤压小波变换在从原始数据中提取微震信号方面具有更大的实用价值,能够有效地提高信号的信噪比。

基于同步挤压小波变换的并网逆变器故障自诊断方法

针对基于VSG的并网逆变器发生断路故障时,因转动惯量作用导致故障电流波形识别困难的问题,提出一种基于随机共振(SR)与同步挤压小波变换(SWT)相结合的故障自诊断方法。对含噪声的直流侧高频故障波形进行随机共振降噪处理,将降噪处理后的信号用同步挤压小波变换的方法完成模态分解,从中提取出含大量故障信息的一组模态分量,确定逆变器故障类型的全信息。研究结果表明:SR的应用可有效剔除噪声信息,增强故障信号识别度;SWT的应用能够在时域内精确辨别故障类型,提高故障诊断的正确率。

高阶多重同步挤压变换识别时变结构瞬时频率

针对多重同步挤压变换及其改进算法存在估算瞬时频率精度不高的问题,提出新的高阶多重同步挤压变换算法并应用于时变结构的瞬时频率识别。该方法首先通过引入高阶瞬时振幅与相位得到精度更高地估算1阶瞬时频率,然后采用递推法得到估算的高阶瞬时频率。其次,对高阶瞬时频率进行多次迭代并对迭代后的瞬时频率进行重排,从而得到高阶多重同步挤压变换后的瞬时频带。再次,运用时频系数模局部极大值法在限定的频带范围内提取瞬时频率曲线。通过两组数值算例和一个质量突变的悬臂梁试验验证所提新方法的有效性,研究结果表明:相比现有的多重同步挤压变换改进算法,高阶多重同步挤压变换不仅具有较好的精度,而且可以减少未重排点。

二阶多重同步挤压变换及其在涡轮泵信号处理中的应用

液体火箭发动机涡轮泵振动信号在变工况情况下表现出非平稳和强噪声特性,为特征频率分量提取带来困难。针对该问题,首先,提出二阶多重同步挤压变换(second-order multisynchrosqueezing transform,SMSST)时频分析方法,完成了数学推导并证明了其收敛性。在此基础上,提出基于自适应带通滤波与脊线提取的转频分量提取方法。用仿真信号对SMSST方法进行验证并与传统方法比较。最后,将基于SMSST的转频特征提取方法应用于发动机转速辨识和故障诊断,并用实际数据进行验证。结果表明,与传统时频分析方法相比,SMSST具有更高的时频分析精度。提出的方法可以提供有效、可靠、冗余的转速测量手段,并且该方法可以支撑故障早期预警。

基于同步挤压小波变换的毫米波雷达时频分析方法研究

针对雷达回波信号能量弱、信噪比低、难以获取高质量中频信号的频域特征,从而导致测量误差较大的问题,提出了同步挤压小波变换(SST)结合中值滤波的信号时频分析方法,实现强随机噪声压制。首先,构造24G连续调频雷达回波信号的仿真模型,通过添加瑞利杂波和高斯随机噪声,对比短时傅里叶变换(STFT)、连续小波变换(CWT)、SST时频分析图,提出瞬时频率识别精度作为评价指标I;其次,利用STFT、CWT、SST算法对实际距离为6m的回波信号进行时频谱分析。研究结果表明:SST能更好地突出瞬时频率特性,并且可将随机噪声压缩为低能量短线条形。基于该分布特点,SST结合中值滤波能很好地抑制噪声,I值相对于SST、STFT、CWT分别降低了0.21、0.55、0.71,瞬时频率识别精度更高,同时逆变换重构信号的波峰波谷值得到较好的保持,且在不同距离下探测精度误差也最小。

基于LR算法同步挤压广义S变换的隐蔽河道识别

近年来,致密油气藏勘探形式发展迅猛,部分井上钻遇到了一些前期目标评价未有效识别的河道砂体,这类砂体被证实也具有良好勘探潜力,如何有效识别隐蔽类河道成为气田增储上产急需解决的突出问题。由于谱分解技术可从全频地震资料中剥离出反映河道地质特征的特定频段信息,因此该技术有助于河道识别。然而,传统时频分析方法分频结果分辨率较低,难以清晰刻画出隐蔽河道边界。为此,本文引入了LR算法同步挤压广义S变换进行地震时频谱分解。数值模拟表明,同步挤压算法极大地提高了广义S变换时频分辨率,较好地区分开了非平稳信号中不同频率信号分量,更适应于实际地震信号的时频谱分解;而LR算法则进一步消除了信号间存在的虚假交叉项。实际资料应用表明,本文提出的谱分解方法精确刻画出了川东南地区凉高山组一期“隐蔽”河道砂体的空间展布,证实了方法的有效性和优越性。

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。

同步挤压小波变换在电力系统低频振荡模态参数提取中的应用

针对电力系统低频振荡的非平稳、非线性特性,将一种新的时频分析方法——同步挤压小波变换(SWT),应用于低频振荡分析。该方法克服了大多数分析方法抗噪性差的缺点,结合了经验模态分解(EMD)和小波的优点,具有EMD的自适应性,同时提高了抗模态混叠能力。利用该算法可实现具有多分量的低频振荡模式分离,得到其瞬时幅值和频率,并计算阻尼比。仿真和实测信号的计算结果证明了SWT的有效性,优于传统的HHT方法。

基于同步挤压小波变换的电力系统时变谐波检测

针对噪声影响下时变谐波检测问题,提出基于同步挤压小波变换(SWT)的检测方法。首先利用SWT算法将混有噪声的时变谐波信号分解为不同的内蕴模态函数分量(IMTs),进而提取出所含谐波分量,然后对每个谐波分量进行Hilbert变换,得到每个本征函数的瞬时频率和幅值及谐波扰动的起止时刻。基于SWT准确的模态分离能力,实现了各谐波的瞬时频率、瞬时幅值和谐波扰动的起止时刻等参数较高精度的获取。与传统的希尔伯特-黄(HHT)方法相比,该方法对于谐波的分离能力更强,对噪声有更强的鲁棒性。仿真及实际数据表明,所提方法在噪声环境下依然能精确提取各个模态,验证了该方法在时变谐波检测分析中的有效性。

滚动轴承冲击特征提取的同步挤压S变换方法

为从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,首次引入同步挤压S变换(SSST)的信号处理方法。以同步挤压小波变换(SST)和S变换(ST)方法为基础,推导出了同步挤压S变换的表达式。用余弦调频仿真信号和冲击仿真信号进行S变换、SST和SSST分析,结果表明,SSST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,且性能优于S变换和SST。用一组实际的滚动球轴承故障振动信号进行分析,结果表明,SSST能够方便有效地提取出轴承故障的周期性冲击特征。

基于同步挤压小波变换的振动信号自适应降噪方法

振动信号在噪声影响下,特征提取十分困难。为此应用同步挤压小波变换(Synchrosqueezing Wavelet Transform,SST)对振动信号进行降噪,针对分解后本征模态分量(Intrinsic Mode Function,IMF)的选取问题,提出一种基于瞬时频率复杂度和自相关系数峰度值的同步挤压小波变换降噪方法。算法首先对原始信号进行SST信号分解并提取小波脊线生成固有模态分量,然后对生成的分量进行Hilbert变换得到瞬时频率曲线,再根据瞬时频率的复杂度选择相应的合成分量重构信号。为了进一步消除噪声影响,该方法同时采用了自相关系数峰度阈值法对筛选后的分量进行二次剔除,最终实现对原始信号降噪的目的。试验最后通过不同标准方差的噪声仿真信号以及物流机械传送设备振动信号验证该方法的可行性和有效性,同时将该方法与基于集成经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)和小波变换的方法进行比较,结果表明该方法的降噪性能要优于其他方法。

基于同步挤压S变换的地震信号时频分析

S变换(ST)被广泛应用于时频分析,但受海森堡不确定性原理制约,其分辨率有限。同步挤压S变换(SSST)是一种正反无损可逆变换,通过对S变换时频谱在频率方向上进行挤压,使能量聚集到信号的真实瞬时频率上,显著地压制了虚假频率成分、提高了信号的时频谱的分辨率。将SSST方法应用于合成信号和实际地震资料处理,所得结果表明SSST比ST具有明显的提高地震信号时频分辨率的能力,有利于薄层识别和储层描述。

应用同步挤压小波变换去除面波

同步挤压小波变换(SWT)是一种新的连续可逆时频分析方法,具有较高的时间和频率分辨率,利用该变换可去除地震资料中的面波。将时间域地震记录变换到时频域,在时频域准确识别面波区域并切除,再将切除面波后时频域信号反变换到时间域,就得到去除了面波的地震记录。理论模型合成数据和实测资料的处理结果表明:该变换可以有效去除面波而不损失有效反射波,且效果优于连续小波变换、S变换和f-k滤波等方法。

混沌信号的自适应阈值同步挤压小波变换消噪

针对同步挤压小波变换(SST)消噪过程中仅使用单一阈值的不足,对SST消噪时的幅度阈值进行了改进,提出了一种基于SST分层阈值的混沌信号消噪方法.首先,根据信号和噪声经SST分解后系数的分布模型,推导SST混沌去噪时幅度阈值权系数的均方误差计算公式;进而,根据均方误差最小准则,计算幅度阈值权系数的最优取值;最后,根据最优阈值权系数和噪声标准差,确定SST混沌去噪时的分层阈值.利用模拟混沌信号和实测月太阳黑子信号对所提方法进行了实验分析,实验结果表明,本文方法可较好地滤除混沌信号中的噪声,同时原始信号的内在混沌特性也能得到较大程度的恢复.与小波阈值法和集合经验模态分解(EEMD)消噪法相比,可获得更好的消噪效果.

利用同步挤压变换检测微地震信号

针对低信噪比微地震监测资料识别和检测微地震事件的难题,利用同步挤压小波变换(SWT)对微地震监测资料进行处理。结果表明,同步挤压小波变换具有较高的时间和频率分辨率,可将时域微震监测信号转化成高分辨率的时频谱,精细刻画了微地震监测信号的时频特征。分析微地震信号和噪声的时频特征,设计二维时频域滤波器,在时频域进行滤波,去除噪声,保留微地震信号时频谱,然后对滤波结果进行同步挤压小波反变换,恢复微地震波形,从而实现对微震事件的检测;同时,利用微地震信号的时频分布变化特征确定微地震到达时间。利用同步挤压小波变换对模拟信号和实测油田压裂微震资料的微地震信号进行检测,结果表明,同步挤压变换具有较好的应用效果,且优于S变换和带通滤波。

基于同步挤压和时间窗的时变结构损伤识别

在连续小波变换的基础上,运用同步挤压和时间窗思想,提出了新的时变结构损伤识别指标。通过简支梁刚度突变、刚度线性变化和简支梁多点时变损伤三个数值算例对提出的损伤指标进行了验证,结果表明:该指标能够有效地识别结构的时变损伤,且时间窗的选取基本上不影响时变损伤指标的取值。