基于LMD的信号瞬时频率求取方法及实验

研究了调频信号瞬时频率的直接求取法,提出了纯调频信号的瞬时频率直接求取法的适用条件,并用数学方法证明了该适用条件.针对极值点附近瞬时频率的畸变情况引进平滑处理改进了瞬时频率求取法.应用局域均值分解(LMD)和经验模态分解(EMD)求取仿真信号和汽轮机转子振动信号的瞬时频率.结果表明,由LMD方法求取信号瞬时频率时,不会出现难以解释物理意义的负频率现象.

信号瞬时频率直接计算法与Hilbert变换及Teager能量法比较

针对Hilbert变换求取信号瞬时频率时会出现没有物理意义的负频率现象,研究基于局域均值分解的瞬时频率直接计算方法。给出相位展开分段计算方法的详细计算步骤。直接法与直接正交法进行了比较,直接法和直接正交法在数学上相等,计算结果相同,可以认为是同一种方法。直接法也与Hilbert变换、Teager能量方法进行比较。仿真和试验结果表明,直接法计算结果能很好地反映信号的相位调制现象,没有明显的端点效应,不会出现负频率现象。直接法应用于旋转机械振动信号的分析,取得良好效果。

基于分段波形的信号瞬时频率计算方法

针对局部均值分解(Local Mean Decomposition,LMD)中乘积函数(ProductFunction,PF)分量的瞬时频率计算问题,引入了一种新的信号瞬时频率计算方法.该方法基于分段波形,先将信号分成若干个全波段(full wave),然后以一组递增的反正弦函数定义每个全波段的瞬时相位,进而得到信号的瞬时频率.由该方法得到的瞬时频率理论上是正的、稳定的并且能够确保信号局部特征信息的完整.应用该方法计算了仿真信号和实际齿轮故障振动信号的瞬时频率,并与其他方法求得的瞬时频率进行了对比.结果表明,本文方法非常适合求取信号的瞬时频率.

多分量调幅-调频信号的瞬时频率直接计算与畸变消除方法

针对局部均值分解(LMD)在多分量调幅-调频(AM-FM)信号解调过程中的瞬时频率求解问题,提出了一种瞬时频率快速直接计算与畸变消除方法。首先通过LMD将多分量AM-FM信号分解为一系列单分量AM-FM信号,使用未展开瞬时相位的差分绝对值替代相位展开,有效提高了瞬时频率的计算效率;然后针对直接计算法求得的瞬时频率在极值点附近存在畸变的问题,根据畸变位置分布规律定位畸变位置并剔除畸变点,使用插值法补全被剔除数据,最终得到可用的瞬时频率。将提出的方法成功应用于转子碰磨故障诊断和语音信号基音频率识别,试验结果表明:与传统的基于相位展开的直接计算法相比,提出的快速直接计算法的运行效率更高;同时,求得的瞬时频率中的畸变能够被完整的定位和消除,最终得到正确可用的信号瞬时频率。

瞬时频率测量的多值问题

基于鉴频器的瞬时测频技术(IFM)具有许多突出优点,它能在极宽的频率范围内,以近100%的截获概率,实现对雷达信号载频的快速测量。然而若宽开通道调整不到位,在超宽微波频段上,会出现大量频率测量多值及错值,尤其是在灵敏度附近时。首先从理论上研究了其产生原因,然后提出技术改进方案,并付诸实施。改进后出现多值的概率大大降低,并完全避免了错值出现。

基于GEP改进LMD在瞬时频率测量中的应用

针对局部均值分解(LMD)在分解信号时存在的端点效应问题,为进一步提高LMD测量信号瞬时频率精度,抑制端点效应对信号分析带来的巨大影响,提出基于基因表达式编程(GEP)的LMD改进算法。为更准确地分析改进算法的效果,与镜像延拓等其他3种端点效应抑制方法进行对比。仿真结果表明:基于GEP的LMD改进算法均优于其他3种传统的改进方法,在分解信号后各分量两端发散程度最小,更加有效地抑制了分解过程产生的端点效应,从而更加精确地测量出原始信号的瞬时频率,具有更高的应用价值。

LMD结合时变AR模型在瞬时频率测量中的应用

时变AR模型是一种新的时频分析方法,对简单的非平稳信号瞬时频率的测量具有很高的精度,但却不适用于复杂信号。为使时变AR模型同样适合于测量复杂信号的瞬时频率,提出LMD和时变AR模型相结合的方法,该方法使时变AR模型极大地扩展了适用对象。分别采用最小二乘和卡尔曼平滑算法求解信号参数模型,并求得信号瞬时频率,仿真对比分析表明,与直接用时变AR模型测量瞬时频率相比,该改进方法能大大提升瞬时频率测量的准确度。

基于局部均值分解的边际谱在滚动轴承故障诊断中的应用

局部均值分解(Local Mean Decomposition,LMD)将复杂的多分量信号自适应地分解为有限个乘积函数(PF)的和,在计算了各个分量的瞬时幅值(IA)和瞬时频率(IF)后,可以计算出基于LMD的边际谱。针对直接法求取瞬时频率存在端点误差大问题,提出一种改进的直接求取瞬时频率的方法;提出了基于LMD的边际谱的滚动轴承故障诊断方法,将该方法应用于实际滚动轴承故障诊断中,结果表明该方法能有效地提取出滚动轴承的故障特征频率,从而确定故障部位。

局部特征尺度分解结合局部均值解调的齿轮故障诊断

为了准确地进行故障诊断,根据齿轮故障振动信号的多分量调幅-调频特征,提出了一种新的解调方法——局部均值解调法,将之与局部特征尺度分解相结合进行齿轮故障诊断。该诊断方法首先对齿轮振动信号运用局部特征尺度分解,得到若干个内禀尺度分量,然后应用局部均值解调法求取每个分量的调频分量,最后根据瞬时频率的频谱进行故障诊断。采用仿真信号将局部均值解调法与Hilbert解调法、经验调幅调频分解法进行了对比,结果表明,局部均值解调法的精确性更好。通过齿轮故障振动数据的分析,验证了局部特征尺度分解结合局部均值解调的故障诊断方法的有效性。

基于局部均值分解和极值差分的直流电机间接测速方法

针对直流电机无转速传感器间接测速问题,首先,根据局部均值分解(LMD)可将复杂信号按频率递减的顺序自适应地依次分离出各PF分量的特点,构建了基于LMD的自适应滤波器(AF)。其次,确定了AF中截止分量阶数以组成带通滤波器提取换向电流;最后结合直流电机换向特点,提出了基于极值差分(ED)的换向电流频率求取方法。试验对比了LMD和EMD提取换向电流特点,并对比ED方法和脊线算法、Hilbert变换及LMD中的反余弦法求取换向电流的频率特点,相关试验证明了所提方法的可行性和有效性。

基于IFM-VMD与WTD-Hilbert结合的滚动轴承故障诊断

针对变模式分解(VMD)中分解层数K对分解结果准确度影响较大以及轴承振动信号夹杂的噪声极大地影响有用信息提取的问题,提出了一种利用瞬时频率均值(IFM)确定K值并结合小波阈值降噪(WTD)和Hilbert变换对轴承的振动信号进行分析的方法。首先利用瞬时频率均值选择合适的VMD中的K值,然后用VMD方法对含噪声的信号进行自适应分解,根据相关系数原则从分解的分量中选取含有主要故障信息的分量进行小波阈值降噪分析,最后进行Hilbert变换解调出故障特征频率。为验证此方法的可行性,首先通过仿真信号验证了所用降噪方法的可靠性,然后用提出的IFM-VMD与WTD-Hilbert结合的方法对实际轴承故障数据进行分析,该方法故障诊断的准确率达到99%以上,说明该方法可以很好地识别滚动轴承的故障信息。

基于局部均值分解的脉率变异性估计

为了克服时域提取脉率变异性(PRV)信号过程中噪声、采样频率等因素的影响,提出一种PRV估计的新方法—局部均值分解(LMD)法。首先对原始脉搏信号进行LMD分解及Hilbert变换,得到脉搏信号各积函数(PF)分量、脉搏信号瞬时频率(PIF)以及边际谱,按照PRV信号频率分布得到瞬时脉率(IPR)信号。分别利用LMD估计IPR信号的方法和时域提取PRV信号的方法对本研究采集的10名大学生脉搏信号同时进行处理,经对比发现IPR信号可以准确地表征PRV信号。利用LMD法估计睡眠、视觉疲劳、运动等状态下脉搏信号中的PRV信号,结果表明该方法可用于估计不同状态下脉搏信号中的PRV信号;对MIT-BIH数据库中的年轻人和老年人的PRV信号进行短时脉率变异符号序列熵分析,结果表明该方法可以敏感地检测出年龄的变化。本文工作为临床PRV信号的有效检测和处理提供了一种有效的方法。

脉冲负载下电力系统暂稳态功率特性

脉冲负载由于其周期性脉动的特点,使电网系统公共母线的功率产生持续的、高峰值脉冲,严重威胁到电力系统的安全稳定运行。针对常用脉冲负载结构,建立了以脉冲负载为主负载的公网和柴油发电机组(60 kW)供电试验平台。基于脉冲负载的工作机理,分别对不同脉冲频率、占空比下的脉冲负载进行联网/脱网试验,对公共母线处的暂态和稳态功率特性进行对比讨论。针对传统平均功率无法准确、有效表征系统稳态功率的问题,提出了基于脉冲频率的瞬时功率平均值(pulsed frequency based instantaneous power average value,PFIPA)的计算方法,试验结果证明,该方法具有一定的合理性和正确性,在联网和脱网电力系统均可适用。所建试验平台及分析结论,对脉冲负载在电力系统中的应用、设计、系统容量、功率分配等方面具有重要意义和参考价值。

基于LMD母线差动保护CT饱和检测方法研究

为解决由于CT饱和而引起的保护不能进行可靠动作的问题,提出一种适用于母线差动保护的基于局部均值分解(LMD)原理的CT饱和检测和故障区判定方法。对流过母差保护的CT暂态电流进行局部均值分解,通过高频分量瞬时频率的突变检测CT的饱和。依据差动电流分解得到的瞬时频率发生突变的间隔时间的不同,对母线发生区内故障、区外故障以及一般转换性故障进行故障识别。用EMTP-ATP软件对所提方法进行了仿真,结果表明该方法能检测CT的饱和,并准确对CT饱和情况下的故障类型进行识别。

有效区分MPSK/MFSK信号的新特征参数

通过对MPSK信号和MFSK信号在无噪声以及含有加性高斯白噪声2种情况下瞬时频率的分布情况分析,提出有效区分两大类信号的新特征参数——信号瞬时频率的均值聚合度。从理论和仿真实验两方面对该特征参数的分布特点及影响它取值情况的因素进行了分析验证。计算机仿真结果表明了该参数的有效性,当信噪比高于4dB时的区分正确率均不低于96%。

基于VMD和SVD联合降噪方法的球磨机振动信号随机噪声压制

针对球磨机筒体振动信号中存在大量噪声信号,难以提取其有效信息的问题,提出一种基于变分模态分解(VMD)和奇异值分解(SVD)的联合降噪方法。该方法首先利用VMD算法对球磨机振动信号进行分解,得到K个本征模态分量(IMF),其中K值采用瞬时频率均值法确定;然后通过互相关系数法选取大于等于互相关系数阈值的IMF分量,将选出的分量视为敏感模态分量,再利用奇异值分解算法对敏感模态分量进行去噪处理;最后将经过奇异值去噪的敏感模态分量重构,得到最终降噪信号。仿真分析验证该方法的有效性,将该方法运用到实测球磨机筒体振动信号中,结果表明,该方法能够去除磨机筒体信号中的噪声,提高了信号后续分析处理的可靠性。

基于LMD的列车频带变化故障诊断方法研究

列车轮对组件出现损伤缺陷时,其故障振动信号除了承受故障冲击外,还会受到其他影响因素的印象,导致其振动频谱频带发生整体迁移的情况。采用传统的谱分析方法,无法正确的提取频带迁移情况下的故障部件振动特征。针对这一问题,本文通过轮对轴承复杂工况下的动力学分析,分析其故障机理及振动信号的特性。提出特征谱分析方法,并将基于LMD分解的瞬时频率分析方法与特征谱分析方法结合起来,提取其故障特征。通过仿真分析和试验研究,验证了方法的有效性。

基于LMD EMD故障诊断分析及其研究

经验模态分解(EMD)及局域均值分解(LMD)都是转子故障诊断领域时频分析的有效方法。EMD为非平稳信号进行有意义的Hilbert变换起到了桥梁的作用,但是却会因此而产生了不能解释的负频率。而LMD将一个复杂的多分量信号分解为若干个瞬时频率有物理意义的乘积函数(Production Function PF),并且其局部均值函数与包络估计函数都是采用平滑处理的方法形成的避免了EMD方法中的过包络与欠包络现象。实验通过采用LMD与EMD方法对两类常见的转子故障信号的分析比对,得出LMD在高频和频率变化波动大的故障信号中比EMD效果更佳明显。

基于偏振调制器和单模光纤的微波瞬时频率测量研究

提出了一种基于偏振调制器（PolM）实现微波信号的瞬时频率测量（IFM）方法并进行了实验验证。它采用PolM同时实现相位调制和强度调制，利用1个光源和1段单模光纤（SMF）保持光路中功率稳定，通过光纤的色散将微波信号频率映射到功率上，最后经过光电探测器（PD）探测并计算出两路电信号的功率比。这个功率比一一对应于输入的微波信号频率，最终能够测得所输入的微波信号频率。实验结果表明，它不仅可以实现1～12GHz宽带范围内IFM，测量精度可以达到0．2GHZ，而且能够同时保证所测量的微波信号频率的系统误差小，稳定度好。

VMD在信号分解中的K值确定方法

针对变分模态分解(VMD)层数K影响分解结果准确度以及噪声信号严重影响有用信息提取的问题,提出了利用中心频率法、皮尔逊相关系数和瞬时频率均值确定K值.分别应用3种方法综合分析,选择最佳分解层数K,然后利用VMD对含噪声的信号进行自适应分解,以故障振动信号为例进行验证分析,结果表明所提方法均能够有效确定VMD中的K值.