时频脊融合方法及时变工况行星齿轮箱故障识别

行星齿轮箱的瞬时频率(转速)精确提取是行星齿轮箱时变运行工况下故障诊断的关键。现有一些时频脊提取算法在提取瞬时频率时受到振动信号幅值变化以及时频变换结果中噪声成分的干扰,存在鲁棒性问题。为了解决这一问题,提出了一种双向搜索时频脊融合方法,并且将其进一步推广到多时频脊融合的概念中。然后,应用提出方法提取实际工程中时变工况行星齿轮箱高速轴的瞬时转速。再通过与现有两种方法对比以及阶次分析,验证了时频脊融合方法提取高速轴转速的可靠性与准确性。最后,在行星齿轮箱转速提取的基础上,利用阶次分析以及推导出的行星轮轴承故障频率的计算式,识别出了行星齿轮箱中的行星轮轴承内圈存在故障。

变工况时频脊流形早期故障预警方法研究

针对风电机组齿轮箱工况复杂多变,提出了一种基于Gabor重排对数时频脊流形早期故障预警方法.该方法首先研究提取Gabor重排对数时频谱的脊线,构建早期故障高维特征向量;然后研究改进局部切空间流形学习方法,进行维数约简;最后采用K-近邻分类器,实现变工况风电机组齿轮箱的早期故障识别与预警.通过变转速、变载荷等多种工况的行星齿轮箱磨损试验与风电机组现场运行数据验证,结果表明该方法有效提高了复杂变工况风电机组齿轮箱早期故障预警准确率,可为其预知维护提供可靠依据.

时变工况行星齿轮箱对数时频脊阶次谱故障特征提取

风电机组齿轮箱工作于强噪声且变转速变载荷的工况下,其振动信号非常复杂。建立了一个时变转速变载荷的行星齿轮箱振动信号模型。提出了时频脊阶次谱故障特征提取方法。对振动信号进行Wigner-Ville时频变换,取对数后进行重排;采用Crazy climber方法提取对数重排时频谱图中的峰值脊线;将脊线转换为时频脊阶次谱。通过仿真信号与转速、载荷连续波动实验数据表明,对数时频脊阶次谱故障特征能够为时变复杂工况行星齿轮箱故障预警提供有效的依据。

利用小波尺度谱同步平均的时频脊故障特征提取

旋转机械的早期故障特征微弱,容易受到噪声的干扰,不容易准确识别。小波尺度谱存在受噪声干扰影响大、高频部分频率分辨率低等缺点,对小波尺度谱进行重排可以提高其时频聚集性。为此,结合小波尺度谱同步平均和小波脊线分析的优点,提出了基于时频脊线特征提取方法。首先对多周期的振动信号进行小波连续变换,并重排小波尺度谱;再根据信号的周期性,对尺度谱进行同步平均;最后提取同步平均后的尺度谱小波脊线,计算信号的包络幅值并进行频谱分析,最终提取出弱故障特征。通过仿真和实例验证了本方法的有效性,为旋转机械的早期故障诊断提供了新方法。

基于SPWD时频脊特征提取的汉语声调识别

针对语音信号的非平稳性,采用SPWD(smoothed pseudo Wigner-Ville distribution)将韵母语音信号在时频面清晰地表现出来。不同声调语音的时频脊的变化特征不同。利用阈值和细化处理将SPWD时频矩阵转变成二值矩阵图像,利用Hough变换提取脊线;而第三声时频脊是曲线,将Hough变换求取的线段用最小二乘法多项式进行拟合;在脊线段上等间距选取若干个点,将点集和其一阶差分作为时频脊特征,利用高斯混合模型进行识别分类。仿真实验结果表明,该方法很好地对声调进行了识别,平均识别率为86.48%,第二声识别率提高的幅度最大,提高了5.18%;在不同的信噪比下,识别率最大可提高5.62%。

基于重排频谱时频脊的海面小目标检测

针对由于传统W-H算法计算量大,检测效率不高,海面小目标检测难度较大的问题,提出了基于重排频谱时频脊的小目标检测新算法。通过研究实测数据的时频谱能量分布特点,对比了在不同极化条件下,传统算法与新算法对多组实测数据的分析结果,研究了Hough参数域内的尖峰特性,对小目标实现了有效检测,验证了算法的可行性。最终得出结论:新算法选取重排算法以及提取重排谱时频脊提高了检测能力,降低了运算量,对海面小目标实现有效检测,且HH极化条件下新算法的检测性能更好。

基于时频脊-Radon变换的海面小目标检测方法

针对海杂波背景下雷达对海面弱小目标探测技术难题,提出一种基于时频脊-Radon变换的帧平滑双特征检测方法。该方法首先采用分块白化方法对海杂波进行抑制,根据抑制后海杂波单元与目标单元在时频域二维平面呈现的不同能量分布特征,对时频脊做Radon变换并在变换域特征空间中提取出峰值和频宽特征。考虑到实际雷达采用的相干脉冲数通常较少(大多情况下为64个或更少),易导致特征不稳定,进而影响海杂波与目标可分性,为此,通过多帧扫描历史数据和当前帧数据的综合应用,对特征做帧平滑处理以增强可分性。最后采用凸包分类算法,在双特征平面进行融合检测。经2级和4级海况实测数据验证,在同等参数条件下,本文检测方法相比已有基于时频三特征的检测方法、频域CFAR检测方法和分形特征检测方法具有更好的检测性能。

应用小波时频脊提取和自适应滤波进行时变系统参数识别

提出了同步压缩小波时频脊提取结合自适应时域滤波的时变系统参数识别方法。同步压缩小波相比传统小波具有优异的时频分辨率,基于该小波时频脊提取可以获得时变结构的瞬时模态频率,在此基础上可构造各阶分量信号的载波矩阵,并应用自适应时域滤波求解分量信号的幅值包络,进而识别结构的阻尼比。该方法能对时变系统结构响应进行各阶分解,相比经验模态分解方法具有优异的时频提取能力、较强的抗噪性能和识别复杂时变问题的能力。在理论推导基础上,首先通过一个3自由度时变仿真算例验证了方法的正确性和抗噪性,再应用该算例构造了一个复杂时变算例(分量信号在频域重叠且突变),以此验证方法对各类复杂时变情况的适用性和准确性。

基于修正空时频分布矩阵的到达角估计

讨论了密集信号环境下,雷达侦察系统对信号到达角(DOA)的估计方法。首先对参考阵元的输出作时频分析,估计信号的频率参数,从而选择时频脊点构造方向矩阵;然后对各阵元输出求互Wigner Ville分布(XWVD)以构造修正空间时频分布(STFD)矩阵;最后用修正STFD矩阵代替传统MUSIC算法中的协方差矩阵即可求得信号的时频———MUSIC空间谱,从而得到信号的DOA。计算机仿真结果表明该算法可实现对常规雷达脉冲、线性调频信号等多种信号的DOA估计。

基于空间时频分布矩阵的到达角估计

介绍了基于窄带信号模型的传统空间时频分布矩阵估计到达角 (DOA)的算法。在此基础上将该算法推广到对雷达信号的DOA估计 ,并给出了算法的适用条件。通过对阵元输出作时频分析 ,获取信号的瞬时频率特性 ,以此构造方向向量 ,并在时频脊点上构造空间时频分布矩阵 ,求得MUSIC空间谱 ,从而实现对DOA的估计。仿真结果显示 ,采用此处理方法 。

基于时频分析-随机Hough变换的微动目标参数快速提取

研究了微动目标的参数与其微多普勒特征之间的关系,针对旋转目标的微多普勒信号表现为三参数正弦调频信号的特点,提出了一种正弦调频信号参数快速提取算法.该方法对目标信号进行时频分析,并对分析的结果进行时频脊的提取,获得正弦调频信号的频率变换曲线.最后在提取的时频变换曲线上进行正弦曲线的随机Hough变换检测,从而得到正弦调频信号的参数估计.当信噪比较小时,该方法的估计精度优于Time Frequency Distribution-Hough(TFD-Hough)变换方法.当信噪比较大时,两种方法的估计精度相当,但该方法的运算时间优于TFD-Hough变换方法.仿真实验结果表明,相对于TFD-Hough变换方法,该方法的运算量明显减少,当信噪比为0时,该方法的运算时间约为TFD-Hough变换方法的19.9%.在计算精度方面,该方法的计算精度与TFD-Hough变换方法相当.

基于互Wigner-Ville分布的到达角估计

研究了对线性调频信号的到达角估计 ;提出了基于互Wigner Ville分布(XWVD)估计信号到达角的方法。通过时频分布 ,在时频面上进行信号预分选 ;根据XWVD时频脊点上的相位获得信号时延 ,从而获得信号到达角。该算法可实现多信号分辨 ,也可实现对时变频率信号的到达角估计。计算机仿真结果证实了该算法的有效性。

基于线调频自适应分解的时变系统瞬时模态参数识别

提出了基于线调频小波时频分解的时变系统瞬时模态参数识别方法。该方法应用线调频小波对时变系统加速度响应信号进行时频分析,通过小波脊方法提取瞬时频率,再应用卡尔曼滤波进行自适应分解获得各阶响应的幅值信息;为了更精确地识别时变结构的阻尼比,该研究推导了基于幅值能量法的时变阻尼比识别方法;线调频小波相比传统小波对具有更高的能量聚集性,因此该方法具有更高的瞬时频率提取精度,此外传统的基于幅值的阻尼识别方法易受噪声干扰,能量法在短区间内基于幅值进行整体积分具有较强的抗噪性和更高的识别精度。仿真算例中,构造了一个三自由度时变结构来验证识别方法,通过与传统小波和时域峰值法作对比,验证了方法识别瞬时模态参数的精确性和抗噪性。