内燃机气门故障的时频对比分析

通过对比分析内燃机气门在间隙偏大和漏气故障时振动和超声波信号的时频特征,探寻对内燃机气门故障敏感的信号类型和处理方法。

一种时频尺度下的多元短期电力负荷组合预测方法

随机因素的增加导致电力负荷数据成分日渐复杂,使短期负荷预测的难度逐渐增大。针对该问题,提出一种时频尺度下的时间卷积网络与多元线性回归相融合的组合预测模型。利用自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)在时频域上将负荷数据分解为若干个频率特征不同的本征模态分量,在模糊熵准则下聚类为随机项和趋势项。采用皮尔逊系数从诸多影响因素中筛选出与电力负荷高度相关的特征,鉴于小时间尺度分析更易于挖掘局部细节特征,分别构建了随机项与趋势项的细颗粒度特征集。利用具有强非线性处理能力的时间卷积网络(temporal convolutional network,TCN)去预测随机项,利用结构简单及线性拟合效果好的多元线性回归(multiplelinearregression,MLR)去预测趋势项,将二者的预测结果进行叠加重构后获得最终预测值。在新加坡和比利时两组数据集上的实验结果证明:所提模型具有较高的预测精度、较好的泛化性能及鲁棒性。

基于混合分解多尺度时频图和Res-GRU-AT的电能质量复合扰动识别

能源互联网背景下的电能质量问题越来越凸显,针对传统电能质量扰动(power quality disturbances,PQDs)识别过程中存在的信号特征提取复杂、算法识别能力不足和复合扰动区分困难等问题,提出了一种混合分量多尺度时频图和残差神经网络(residual neural network,ResNet)、门控循环单元(gated recurrent units,GRU)网络与注意力机制(attention,AT)组合的电能质量复合扰动识别新方法—Res-GRU-AT。首先利用奇异谱分解(singular spectrum decomposition,SSD)和逐次变分模态分解(successive variational mode decomposition,SVMD)对PQDs信号分别进行多尺度分解得到混合分量,再对混合分量进行希尔伯特黄变换(Hilbert-Huang transform,HHT),分析得到多尺度时频图。其次,利用Res-GRU-AT模型对多尺度时频图进行深层次特征提取、强化和识别。Res-GRU-AT模型能够利用ResNet的二维图像空间特征提取能力和GRU的时序特征提取能力进行特征融合,再通过AT进行特征加权强化,提高了PQDs的识别能力。不同方案的仿真结果表明,所提方法特征提取能力强且抗噪性能好,对复合扰动识别率高。

道路地下空洞探地雷达波场和时频特性

根据城市道路地下介质的分布特征和电性参数设计模型,采用时域有限差分法和广义S变换,对道路地下存在的充气空洞、充水空洞、回填不密实、埋藏金属物状态进行探地雷达正演模拟和时频特征提取。结果表明,地下空洞顶界面的反射波同相轴均呈弧形反射形态,但充气空洞的反射波能量强于充水空洞;地下空洞发育区域的中心频率集中在某个低频区间,其余频率成分分布较均匀;埋藏金属物区域出现两簇高幅值能量团,频率分布较分散;回填不密实区域频率未能显示出较明显的规律。最后,通过工程实测验证了数值模拟的可靠性。

时频电磁技术在黄土塬覆盖区河道砂油藏分布预测中的应用

鄂尔多斯盆地西部黄土塬覆盖区的中生界侏罗系油藏成藏主控因素复杂,在未开展三维地震勘探的区域,仅利用二维地震资料进行钻探的成功率较低。为了提高钻井成功率,针对该区侏罗系河道砂油藏特点,采用时频电磁双侧、双源激发、多线接收的油气检测技术方案。在鄂尔多斯盆地西部ZB地区进行攻关试验,总结了适用于黄土塬覆盖区的时频电磁采集、处理、解释技术方案,即两项针对性采集方案设计和三项针对性处理、解释技术。利用GeoEast软件系统,基于深度学习开展时频电磁多参数智能油气预测。根据时频电磁解释成果,在时频电磁强异常区域部署并完钻Z6井,获得工业油气流,表明时频电磁预测结果与实钻结果吻合,证实了在黄土塬覆盖区利用时频电磁技术对侏罗系薄储层进行油气预测的可靠性。

基于EMDPWVD时频图像和改进ViT网络的滚动轴承智能故障诊断

滚动轴承是机械设备的关键零部件之一,其故障诊断对设备安全稳定运行至关重要。针对滚动轴承振动信号的非平稳特点,提出经验模态分解联合伪魏格纳分布(empirical mode decomposition&pseudo-Wigner-Ville distribution, EMDPWVD)时频图像联合改进Vision Transformer(ViT)网络模型的智能故障诊断新方法。首先针对实际信号研究短时傅里叶变换(short-time Fourier transform, STFT)、连续小波变换(continuous wavelet transform, CWT)和EMDPWVD三种时频分析方法,考虑STFT和CWT无法同时获得高的时间分辨率和频率分辨率,优选EMDPWVD作为智能故障诊断网络的时频图像构造方法。其次,以经典ViT作为故障诊断基础模型,将时频图像按照预定尺寸分块并线性映射为输入序列,通过自注意力机制整合图像全局信息,借助堆叠Transformer编码器完成网络传输,进而实现故障诊断。为进一步提高故障诊断准确率,将池化层作为ViT的预处理网络,获得改进的Pooling ViT(PiT)模型,实现时频图像的空间特征延展,提升模型对输入图像敏感度。结果表明,所提方法对滚动轴承不同故障类型均有高的诊断准确率,PiT较ViT的准确率提高4.40%,证明对ViT加入池化层能够实现滚动轴承故障诊断效果提升。

K-S变换及其电网超谐波时频分析应用

依据FFT→优化窗→IFFT思路,突破线性时频变换的窗函数积分性能桎梏,实现高性能优化窗函数的线性时频变换应用,建立新型时频变换算法——K-S变换.对信号x(t)的FFT频谱向量进行频移处理后,与该频移点下Kaiser优化窗的频谱向量进行Hadamard乘积,再将乘积结果进行FFT逆变换(IFFT),构造出K-S变换复时频矩阵,由此获得x(t)的时间-频率-幅值、时间-频率-相位三维信息;给出逆变换的数学推导与局部性质、线性性质和变分辨率特性;0~150 kHz电网的稳态与时变超谐波信号仿真实验表明,K-S变换的时域、频域分辨能力均优于流行的短时傅里叶变换、S变换,具有优良的变分辨率性能;0~40 kHz超谐波信号的实测证明,基于K-S变换的超谐波电压幅值测量绝对误差均小于0.032 3 V.

基于自适应参数估计的微动时频表征重构方法

针对数据缺失条件下的目标微动回波时频表征重构问题,提出了一种基于自适应参数估计的微动时频表征重构方法。首先,将缺失的微动时频表征重构问题建模为基于L_P范数最小化的稀疏重构问题,其次,引入哈达玛积参数将L_P范数最小化稀疏重构问题转化为多个L_2范数联合最小化问题,并采用迭代吉洪诺夫正则化求解,同时在每次迭代过程中根据重构结果自适应估计正则化参数,最后,采用除偏处理减小了重构时频表征的振幅衰减。与传统微动回波时频表征重构方法相比,所提方法避免了需要人工设置正则化参数不足的问题,并且重构的时频表征更加完整。仿真实验和实测数据处理结果验证了所提方法的有效性和稳健性。

时频电磁法在巴什布拉克-乌泊尔构造带深部结构勘探中的应用

利用时频电磁数据资料,并结合测井资料约束提高电磁反演结果的分辨率,探讨塔西南西部地区巴什布拉克构造带和乌泊尔构造带深层电性结构及其油气分布区域。该区域地形、浅地表形态以及深层地质结构都较为复杂,无法得到有效的地震资料,严重制约了目标层的油气勘探。时频电磁具有勘探深度大,信噪比高,不受高阻屏蔽的优点。通过对巴什布拉克-乌泊尔区域时频电磁资料进行处理解释,有效识别了该区域的主要断裂及褶皱。南北向和西北向的反演电阻率剖面和极化率剖面,展示了塔西南凹陷同时受南天山和西昆仑山双向挤压的电性结构特征,两侧分别形成逆冲推覆体,呈对冲构造形式,覆盖于塔西南凹陷之上,两侧推覆体发育多排逆冲断层,呈叠瓦状分布,其南侧为乌泊尔构造带,北侧为巴什布拉克构造带,与盆地呈现明显的断层接触关系,南北两侧为区域性大断裂。

基于时频波动溢出网络的中国金融机构关联性

金融机构关联性是系统性风险的主要来源,厘清时频域下金融机构关联性特征有助于防范与化解系统性风险.本文基于30家A股上市金融机构在2011年~2020年期间的高频交易数据,构建时频波动溢出网络研究中国金融机构关联性.通过引入网络密度与全局效率两个系统层面指标和入度、出度与相对影响值三个机构层面指标,以测度时频域下静态与动态关联性.研究发现:中国金融机构间的关联性主要为20天~60天的中长期关联性;在极端事件期间,往往表现为长期关联性增强和短期关联性减弱;银行部门倾向于接收偏短期的波动关联性并发出偏短期波动关联性,而证券和保险部门倾向于接收偏长期的波动关联性并发出偏短期的波动关联性.

基于时频Grad-CAM的调制识别网络可解释分析

针对时频深度学习调制识别方法存在可解释性差的问题,提出一种基于时频梯度加权类激活映射(GradCAM)的调制识别网络可解释框架.该框架通过时频Grad-CAM可视化深度模型中隐含层的关键特征,从视觉上解释网络隐含层提取的时频深度特征对于正确与错误识别中的作用,揭示低信噪比环境下网络性能下降的内在机理,并通过量化和排序网络中每层不同卷积核的贡献值来判断网络的冗余程度.仿真实验结果验证了基于时频Grad-CAM的调制识别网络可解释性框架的有效性;可解释分析结果表明,在低信噪比环境下,网络特征提取区域有大量噪声存在,且本文所测试的调制识别网络冗余程度较为严重.

基于时频脊线提取的机动小目标多普勒展宽补偿方法

对雷达进行长时间积累来提高目标回波的信噪比(SNR),是小目标探测雷达信号处理的重要步骤。然而,对于高速机动目标,目标回波很可能出现距离徙动以及多普勒展宽(DFB),给脉间长时间积累带来困难。针对存在的DFB问题,文中利用慢时间维信号时频图脊线斜率与加速度的数学关系,提出一种基于时频脊线(TFR)提取的机动小目标DFB补偿方法。所提方法可以克服传统的搜索法计算效率不高、需要搜索范围先验信息,以及精度受搜索步长影响的不足,可在低SNR且没有加速度先验信息的情况下对加速度进行快速准确估计,解决DFB问题,实现脉间有效相干积累。通过仿真,验证了TFR提取法可以在没有任何先验信息和低SNR下快速准确计算出目标的加速度,从而对脉压信号进行准确补偿,实现机动小目标的有效检测。

时频电磁法在金牛湖地区深部地热资源勘查中的应用

南京金牛湖地区地质构造复杂、低阻覆盖层厚、电磁干扰强,为了查明该地区深部地热资源,应用时频电磁法进行探测。本次布置了2条时频电磁法剖面,采用大功率发射信号能够有效地穿透低阻覆盖层,获得了信噪比较高的原始数据。通过对时频电磁数据的处理、分析、反演及综合解译,获得了勘查区4000 m以浅的二维电性结构模型。结合地热地质条件,优选了地热钻探井位,经钻探最终验证,推测地层与实际钻探基本吻合,在1600 m钻遇断裂,终孔深度2800 m,经后期抽水试验确定,日出水量大于500 m 3,钻井井口水温51℃,说明获得了优质的深部地热资源。综上所述,时频电磁法在金牛湖地区深部地热资源勘查中的应用效果较好,揭示了南京金牛湖地区较好的地热地质条件,为该地区地热旅游资源的开发利用奠定了坚实的基础。

一种高精度时频综合及守时方法

在现代信息化平台建设中,时频系统为平台提供统一的时频基准,其守时性能是平台各组成部分能否高效联动、稳定工作的关键因素.通过对频率基准源优选、多钟联合时频综合处理技术的分析和研究,提出了一种高精度时频综合及守时方法,设计了一种高精度时频综合及守时系统.通过优选铷原子钟作为频率基准源、基于多个铷原子钟的原子时综合和驾驭、同类源实时互比选择出最优主钟和备钟,提升系统守时性能并开展了与传统方法的比对试验,验证了该方法的可行性和有效性.

一种多分量信号分解方法:时频滤波分解

为解决目前信号分解分量时频域紧邻、重叠和间歇性复杂时频特征的多分量非平稳、非线性信号时,分解困难和效率低的问题,本文提出了一种基于信号时频分布的多分量非平稳信号分解方法——时频滤波分解(Time-Frequency Filtering Decomposition,TFFD). TFFD通过拟合所选反映信号中各分量时频瞬时特征与规律的时频域基准数据点,得到与分量实际瞬时频率(Instantaneous Frequency,IF)一致的拟合IF曲线,并以拟合IF曲线的时频坐标为基础,设置距离阈值条件确定分量在时频图上的分布区域,构造以拟合IF曲线时频坐标为中心频率、分布区域频宽为通带宽度的时频滤波器组,实现对多分量信号的时频滤波分解.通过对具有代表性时频特征的仿真和实际信号分析,并与经典信号分解方法对比,证明了TFFD方法优良的分解能力和分解效率.

基于声发射信号时频图深度学习的桥梁钢桁架焊接节点损伤程度识别

针对桥梁钢桁架疲劳损伤识别难度大、精度低的现状,提出基于声发射信号时频分析与深度学习的钢桁架焊接节点损伤程度识别方法。对桁架节点在桥梁运营状态下产生的声发射信号进行小波变换,表征不同损伤程度信号的时频能量分布模式,然后建立卷积神经网络(convolutional neural network,CNN)模型对时频图进行损伤特征提取,并通过迁移学习思想提升模型的训练效率和学习能力,从而实现桁架焊接节点严重损伤、轻微损伤和噪声工况的准确识别。进一步对模型各卷积层激活区域进行可视化分析,解剖模型的损伤特征学习过程及分类逻辑。某悬索桥中央纵向腹板钢桁架焊接节点现场试验结果表明:相较于利用时域波形进行特征学习的一维卷积神经网络模型,时频图包含了更丰富的损伤信息,所建立的二维卷积神经网络模型对钢桁架焊接节点三种损伤程度的识别准确率超过94%,具有更强鲁棒性和实际应用价值。

基于时频分析的机场跑道平整度评价方法

机场跑道平整度是道面评价的重要内容,目前常用的平整度评价方法无法确定不平整在跑道上的分布情况,也无法针对不同机型飞机的滑跑安全性进行分类评价。基于此,提出了一种基于时频分析的跑道平整度评价方法。基于飞机三自由度动力模型,采用参数化分析方法对飞机以不同速度在具有不同振幅、不同波长的不平整跑道上滑跑时飞机重心处竖向加速度均方根分布特征进行统计分析;反算飞机重心处竖向加速度均方根为0.25g和0.4g时对应的跑道不平整信号的振幅、波长与滑跑速度,建立基于跑道不平整信号频域信息与飞机滑跑速度的飞机滑跑安全振动判断曲面;采用S变换方法对机场跑道高程进行时频分析,得到跑道不同位置处不平整信号的波长与振幅分布曲面;分析飞机在跑道上不同位置的滑跑速度,以坐标位置代替滑跑速度,形成基于跑道不平整信号频域信息与跑道位置的飞机滑跑安全振动判断曲面;与S变换获得的曲面叠加,得到基于时频分析的跑道平整度评价曲面。与现有评价方法相比,所提方法可以对跑道具体位置的平整度情况进行评价,并能够根据不同的机型对跑道平整度分级评价。

基于多分量LFM信号时频分析的水声多普勒和时延估计研究

在水声多普勒因子和时延估计研究实用化的进程中,利用多分量线性调频(LFM)信号实现估计的算法研究越来越普遍。针对多分量LFM信号时频域存有交叉项时各分量参数估计不准确的问题,提出基于非完全残差与脊线段匹配的自适应模态分解方法。该方法采用非完全残差函数保留了交叉点处的部分时频信息,利用脊线段匹配方法提供更精确的预设时频脊线,改进了各分量LFM信号调频斜率和起始频率的估计精度。联合两个估计量进一步给出了多普勒因子和时延估计的算法。仿真结果表示,较现有模态分解算法,所提改进方法有效解决了估计分量过程中交叉区间断裂带来的估计误差;水声多径的条件下,该方法的多普勒因子和时延估计精度优于对比的现有方法。

高速铁路钢轨波磨地段轴箱振动加速度时频特征分析

钢轨波磨是一种常见的高速铁路轨道病害。为了研究钢轨波磨参数与轴箱加速度响应时频特征之间的对应关系,从理论上探索通过轴箱振动加速度识别钢轨波磨的可行性,基于车辆-轨道耦合动力学理论建立了考虑车辆主要部件柔性化的刚柔耦合动力学模型。通过与实测数据的对比,验证了模型的准确性;在研究了钢轨波磨参数与轴箱振动加速度时域信号之间因应关系的基础上提出了一种基于VMD-SPWVD的钢轨波磨时频分析方法,并验证了该方法的有效性。研究结果表明,钢轨波磨会对轴箱振动加速度信号产生较大影响;不同波深和波长下的轴箱振动加速度最大值在时域信号中的位置具有随机性;钢轨波磨参数与轴箱振动加速度均方根之间的规律性较为明显,但其作为一种时域指标无法准确定位波磨区段的位置和严重程度;相较于时域分析方法,本文提出的基于VMD-SPWVD的时频分析方法能有效反映钢轨波磨参数与轴箱振动加速度之间的因应关系,时频分析结果能准确得到钢轨波磨的特征频率且不存在干扰成分,能量幅值与钢轨波磨波深之间呈正相关,该方法可以定位波磨存在的区段并能够体现同一区段不同位置波磨的严重程度。最后采用该方法对实测数据进行分析,进一步验证了本文所述方法通过轴箱振动加速度信号识别钢轨波磨的有效性。

宽度-深度融合时频分析的径流智能预测方法

为解决现有基于LSTM的径流预测模型易陷入局部最优的问题,提出了基于VMD-LSTMBLS(variational mode decomposition-LSTM-broad learning system)的径流预测模型。将宽度学习系统与LSTM结合,针对径流序列多噪音特点,采用时频分析方法中的变分模态分解,将径流时间序列的一维时域信号变换到二维时频平面,减少噪声对预测结果的影响。仿真结果表明:与基线模型及现有基于LSTM的径流预测模型相比,该模型的预测精度有较为明显的提高。