多通道多分量分解方法在变转速工况齿轮故障特征提取中的应用

齿轮故障振动信号在非稳态工况下,其分量可能存在跨时间尺度或不同分量重叠的复杂时频特征,传统的以局部时间尺度特征为依据的分解方法无法分解,为此,引入一种新的多通道多分量分解(MMD)方法。MMD方法创新性地将单分量信号看成具有不同权重系数的特征向量线性组合,通过迭代优化出权重系数,便可获得相应的分量信号。解决了MMD分析高采样率的实际振动信号时大数据量会导致其分解效率降低的问题,并将MMD方法应用于变转速工况下齿轮故障振动信号的分析,结果表明,该方法可以有效分解出在时频域发生重叠的故障分量信号,较传统的以时间尺度特征为依据的分解方法具有明显优势,结合阶次分析可以清晰准确地提取出齿轮故障特征信息。

基于广义解调时频分析的多分量复杂信号分解方法

在广义解调时频分析方法的基础上,将该方法应用于多分量时频变化信号的分解,并对该方法进行了改进,给出了由改进的广义解调时频分析方法分解多分量复杂信号的具体步骤。重点分析了自动获取相位函数的方法,以及对分离出来的各单分量再次进行广义时频解调的问题,得到了比较理想的时频分布。仿真实验结果证明:此法不仅可以得到原始信号中各分量的时域波形,同时也可以得到各分量的时频分布,从而为多分量复杂时频变化信号的准确分离提供了有效途径。

变转速工况海上风机传动系统状态监测与故障诊断技术现状及发展趋势

随着风电项目的大规模开发利用及风电结构的复杂化,研究高效准确、高鲁棒性的状态监测及故障诊断方法,已成为海上风电行业运维管理的关键之一。文章以海上风机传动链关键部件为主要研究对象,从信号预处理、信号时频表达以及信号特征提取方向,介绍并分析现有技术现状。全面归纳总结基于振动监测系统数据的状态监测与故障诊断技术的重要技术瓶颈,探讨其优化改进的途径和方向,为进一步推广非线性非平稳信号处理和故障诊断技术在实际工程中的应用发展提供参考。

一种面向建筑物提取的极化雷达影像分解方法

针对基于物理散射模型分解的建筑物与植被混淆的问题,发展了一种面向建筑物提取的全极化SAR影像多分量分解方法,用于区分散射类型易混淆的方位建筑物(走向与雷达方位向不平行的建筑物)与植被。该方法根据植被与建筑物的不同散射机制,预先剔除了植被像元,修正了体散射模型,改进了常规的全极化SAR多分量分解方法。通过H/α/A分解和非反射对称比筛选出植被像元,抑制植被区域对多分量分解效果的影响;引入修正的体散射模型,改进多分量分解模型;对植被区域进行Yamaguchi四分量分解,其他区域进行改进的多分量分解。利用E-SAR和AIRSAR全极化数据进行实验。结果表明,与传统的多分量分解方法相比该方法能够有效去除建筑物中的自然地物虚警从而提高检测精度。

MPA-MMD方法在变转速齿轮箱振动信号特征提取中的应用

变转速工况下齿轮箱振动信号的分量通常具有时频重叠和跨频带特征,分量直接分离非常困难。对此,引入一种新的多通道多分量分解(multichannel multipoint distribution, MMD)方法,并利用新型群体智能优化算法——海洋捕食者算法(marine predators algorithm, MPA)求解MMD方法中的关键优化问题,进而提出了基于MPA优化的MMD(MPA-MMD)方法。MPA-MMD方法将每一个分量表示为一组加权特征向量的线性组合,因为不依赖时间尺度特征,所以特别适合分解具有时频重叠或跨频带特征的复杂信号。通过设置具有分量重叠、跨频带和波动性特征的加噪仿真信号,将MPA-MMD与基于其他优化算法的MMD,以及多通道变分模态分解进行了对比分析,结果表明MPA-MMD在分解效果、收敛性和抑噪性方面的优势;在此基础上,针对变转速工况下齿轮箱振动信号具有分量重叠和跨频带的复杂特征,将MPA-MMD应用于变转速工况下齿轮箱振动信号的特征提取,具有针对性的试验信号分析结果表明,MPA-MMD可直接准确地获得受转速影响的故障分量。

基于迭代Hilbert变换的行星齿轮箱振动信号分析

针对行星齿轮箱振动信号频率成分复杂及调幅-调频的特性,提出迭代Hilbert变换与Fourier变换相结合的信号解调分析方法.通过迭代Hilbert变换分离出一组调幅-调频单分量成分,估计单分量成分的瞬时幅值和瞬时频率,选取故障敏感分量,运用Fourier频谱实现了对敏感分量的幅值解调和频率解调.基于行星齿轮箱局部损伤故障仿真信号分析,将迭代Hilbert变换与Hilbert振动分解比较,结果突出了迭代Hilbert变换在分解速度、分解结果信噪比及特征频率提取效果上的先进性.将所提方法应用于实验信号分析,准确提取出特征频率,诊断了齿轮故障,结果表明了该方法的有效性.

一种改进的全极化SAR图像MCSM-Wishart非监督分类方法

针对H/Alpha/A-Wishart非监督分类算法存在的未充分提取SAR图像极化信息和分类精度低等问题,引入多分量散射模型(multiple-component scattering model,MCSM)分解,提出了一个适用于全极化SAR图像非监督分类的MCSM-Wishart算法。首先对全极化SAR图像进行MCSM分解,提取体散射、二次散射、螺旋体散射、表面散射和线散射极化信息,采用迭代自组织数据分析技术(iterative self-organizing data analysis technique,ISODATA)的非监督分类算法进行聚类;然后通过基于描述多视协方差矩阵的复Wishart分布的迭代分类得到分类结果。以南京溧水和盐城滨海湿地的ALOS PALSAR图像为研究数据,比较了H/Alpha-Wishart算法、H/Alpha/A-Wishart算法、MCSM-Wishart算法和监督-Wishart算法4种分类方法。研究结果表明,MCSM-Wishart分类算法在效率、总体准确率和Kappa系数等指标上均较原始分类器有一定的提高;将ISODATA聚类算法应用于复Wishart分布的迭代分类器中,可有效提高分类的精度。