基于非线性短时傅里叶变换阶次跟踪的变速行星齿轮箱故障诊断

针对变速行星齿轮箱信号频率模糊且受噪声影响的问题,提出了基于非线性短时傅里叶变换(NLSTFT)无键相阶次跟踪与变分模态分解的故障诊断方法。用NLSTFT算法估计信号瞬时频率,对其积分获得瞬时相位曲线,通过重采样得到角域信号;利用NCOGS算法对角域信号降噪,采用VMD算法进行角域信号模态分解,通过各模态分量信号包络谱解调实现故障诊断。实验结果表明,新方法计算效率高、鲁棒性好,提高了变转速行星齿轮箱故障诊断性能。

非线性最小二乘法在傅里叶变换红外光谱定量分析中的误差估计

根据统计学的参数估计理论,提出在傅里叶变换红外光谱定量分析中使用非线性最小二乘法进行浓度反演的参数误差估计方法。实验中,通过光谱平均次数来控制噪声水平,以此来评估不同噪声水平下混合气体中各组分反演结果的估计误差。结果表明,对于自研抽取式傅里叶变换红外光谱仪,8次平均光谱即可满足反演误差小于3%的需求,64次平均光谱的反演结果配合估计误差可以实现对平均浓度的覆盖率达到100%。随着噪声水平的降低,仪器、环境等非噪声因素的扰动是估计误差的主要部分。该方法在优化光谱定量分析的参数配置和指导光谱仪器系统设计等诸多方面具有重要的应用前景。

基于短时傅里叶变换和深度网络的模块化多电平换流器子模块IGBT开路故障诊断

针对现有模块化多电平换流器(MMC)子模块故障诊断过程中所需传感器较多、测量干扰较大等问题,提出一种基于深度学习的MMC子模块IGBT开路故障诊断方法。在对MMC子模块开路故障特征进行分析的基础上,利用短时傅里叶变换(STFT)提取桥臂电压信号的谐波分量信息作为故障诊断所需的特征参数。将所得到的特征参数进行处理后构建故障诊断样本,在通过深度置信网络实现故障类型快速检测的基础上,依据不同故障类型,构建多个基于卷积神经网络的故障定位网络,进而实现开路故障的检测与定位。通过129电平的MMC系统仿真模型和降功率的MMC实验系统搭建,对该文所提方法进行了验证。仿真和实验结果表明,所提故障诊断方法可以在减少传感器数量的基础上实现子模块开路故障的诊断,提高系统的可靠性。

基于自适应短时傅里叶变换的品质因子Q值估算方法

品质因子Q是描述地下介质对地震波吸收衰减强弱程度的参数,同时也是地层含油气性的重要标志。在地震资料Q估算中,常用的方法是短时傅里叶变换方法,当窗函数被选定以后,其时频分辨率就固定了。针对该问题,提出一种自适应窗短时傅里叶变换的方法,以获得更准确的瞬时中心频率,并利用峰值频移法来估算品质因子Q。首先,利用固定窗长的短时傅里叶变换来提取信号的瞬时中心频率作为初始频率;然后,根据初始频率自适应计算不同频率的窗长,并利用自适应窗长短时傅里叶变换来求取瞬时中心频率;最后,结合峰值频移法得到高分辨率的品质因子Q值。利用合成数据和实际数据进行了测试,结果表明,相比于固定时窗短时傅里叶变换方法,自适应短时傅里叶变换方法具有更好的时间和频率分辨率,可以获得更高分辨率的品质因子Q值。该结果可以为地下介质的研究提供更准确、可靠的工具,有助于更好地了解地下结构和油气资源分布情况。

融合短时傅里叶变换和卷积神经网络的托辊故障诊断方法

托辊故障已成为带式输送机运行中的常见问题。若不能及时诊断托辊故障,则将严重制约带式输送机的安全运行。为了解决上述问题,基于某矿带式输送机中间段托辊的实际运行工况,提出了一种融合短时傅里叶变换(short-time Fourier transform,STFT)和卷积神经网络(convolutional neural network,CNN)的托辊故障诊断方法。首先,以分布式光纤为基础,对托辊在正常、轴承损坏及筒皮断裂工况下运行时的振动信号进行采集并作STFT处理,得到对应的时频图样本集,并将其分为训练集和测试集。然后,将训练集输入CNN模型以进行诊断模型训练,在训练过程中不断更新不同工况下托辊的运行状态特征。最后,将训练好的CNN模型应用于测试集,并输出托辊运行状态的识别结果。结果表明,所构建的CNN模型的识别准确率高达99.6%。基于所提出的故障诊断方法,在某矿上开展现场实验,以进一步验证CNN模型的识别准确率。实验结果表明,CNN模型对带式输送机中间段托辊的运行状态有较高的识别准确率,可达96.5%,与测试集上的识别准确率仅相差3.1个百分点,说明所提出的故障诊断方法具有一定的可靠性。后续可通过不断增加不同工况下托辊的运行数据来提高该故障诊断方法的鲁棒性,这可为煤矿企业有效诊断托辊故障提供有力的理论基础。

基于短时分数阶傅里叶变换的非线性调频类信号检测

在复杂的电磁环境下,低截获概率(low probability of intercept,LPI)机载雷达能够有效地降低无源探测系统对作战飞机的作用距离及跟踪制导精度,从而能够有效地提高作战飞机的突防能力和生存能力。低截获概率机载雷达多使用宽带调制信号,通过使用信号的能量在频域上展开,从而降低雷达辐射信号被敌方截获接收机截获的概率。低截获概率机载雷达信号中最常见的是线性调频类信号(包括线性调频信号和相位编码信号)和非线性调频类信号(包括Costas码信号和Barker码信号)。本文通过分析非线性调频类信号中的Costas码和Barker码信号的固有特征,采用短时分数阶傅里叶变换,探讨截获接收机对非线性调频类信号的检测方法。由于Costas码和Barker码信号分段可视为近似线性调频信号,而分数阶傅里叶变化是最适于线性调频信号检测的时频变换方法,所以本文利用短时分数阶傅里叶变换对非线性调频类信号的每个调频持续时间内的信号能量进行聚焦,从而对信号进行能量检测。由于常见的时频分析方法,如Choi-Williams时频分析,有对信号进行时频变化后信号能量不能集中的缺陷,所以短时分数阶傅里叶变换较Choi-Williams时频分析方法更有利于对非线性调频类信号进行能量聚集,从而有利于进行信号检测。仿真分析表明截获接收机对不同的非线性调频类信号具有不同的检测性能。

短时傅里叶变换域最优非因果滤波器和滤波矩阵降噪算法

在现有短时傅里叶变换域单通道降噪算法考虑帧间相关性的基础上,为提高算法的灵活度以及滤波器的性能,提出了一系列最优非因果滤波器和滤波矩阵.具体地,通过引入非因果概念,设计出一组单通道非因果降噪滤波器,以实现同时利用过去帧和未来帧信息进行噪声抑制的目的.并在此基础上,推导出了一组最优单通道滤波矩阵,以降低算法的复杂度.将非因果滤波器以及滤波矩阵的思想相结合,进一步提出了一组单通道非因果滤波矩阵.随后,将所提算法扩展至多通道场景中,设计出了一组最优多通道非因果降噪滤波矩阵,以达到更好的降噪效果.最后,对所提算法进行了仿真实验.实验结果表明,与传统算法相比,本文提出的算法可有效改善带噪信号(输入信号)的信噪比,提升语音质量.

短时傅里叶变换在线性调频信号时频滤波中的应用

将短时傅里叶变换(STFT)的时频分析方法应用到线性调频(LFM)信号的滤波中,突破了传统匹配滤波方法基于平稳假设的限制,将信号分析空间从一维频率域扩展到二维的时间-频率域。利用自滤波的时频滤波方法进行LFM信号的滤波,然后分别采用时域和时频域的均方误差(MSE)标准,分析了时频滤波的性能。仿真结果表明,基于STFT的时频滤波方法能有效实现对LFM信号的滤波。

自适应窗口旋转优化短时傅里叶变换的变转速滚动轴承故障诊断

针对短时傅里叶变换(STFT)中固定窗效应所导致的能量集中度不高的问题,提出了一种自适应窗口旋转优化短时傅里叶变换(AWROSTFT)的变转速滚动轴承故障诊断方法。通过变分模态分解(VMD)对原始振动信号进行降噪,并利用粒子群优化算法(PSO)解决了VMD参数选择困难的问题;利用切线思想对STFT中水平窗口自适应匹配一系列的旋转算子,使得窗口旋转方向接近甚至等于瞬时调频率,提高了时频表示的能量集中度;计算出谱峰检测法提取到的瞬时频率与转频的平均比值,将得到的结果与轴承的故障特征系数进行匹配,以此实现变转速工况下滚动轴承的故障诊断。仿真和实验的结果都表明,本文所提方法能够兼顾PSO-VMD和AWROST-FT的优势,通过切线思想自适应的旋转窗口使得信号与窗函数在全局上的夹角都为零,从而达到提高能量集中度和锐化时频脊线的目的,实现了变转速工况下滚动轴承的故障诊断。

基于线性正则变换与短时傅里叶变换联合的时频分析方法

线性正则变换作为傅里叶变换、分数阶傅里叶变换更为广义的形式,已经在光学和信号处理等领域得到了应用.短时傅里叶变换是一种线性时频分布,避免了其他双线性时频分布中出现的交叉项干扰,是分析时频信号的有力工具.本文从线性正则变换的定义和性质出发,研究了线性正则变换与短时傅里叶变换的时频关系,提出了基于线性正则变换与短时傅里叶变换联合的时频分析方法,避免了交叉项问题能够实现chirp信号干扰抑制和多分量时频信号分离.最后用仿真实例表明,该方法是分析时频信号的有效手段.

基于离散傅里叶变换与谐波平衡法的行星齿轮系统非线性动力学分析

研究了多间隙作用下行星齿轮系统的强非线性动力学行为。考虑齿轮啮合误差和时变啮合刚度,建立了2K-H型行星齿轮传动的弯扭耦合非线性动力学模型。利用离散Fourier变换（DFT）及其逆变换（IDFT）处理方程中非线性恢复力与位移坐标之间的函数关系,发展了一种可以求解多阶谐波响应的数值谐波平衡法,并用Broyden方法求解其形成的代数平衡方程组。用该方法分析齿轮非线性动力学稳态解时,啮合刚度与激励可以是任意的周期函数形式,不仅可以包含多次谐波响应,而且还可以求解系统的次谐波响应。克服了传统的解析谐波平衡法基于描述函数进行而难以求解一般周期响应和次谐波响应的缺点。作为算例,用该方法分析了行星齿轮传动的非线性频响特性,并与相应的线性系统进行了比较。

基于分步傅里叶变换法对非线性薛定谔方程的数值仿真

介绍一种数值求解非线性偏微分方程的方法;分步傅里叶变换法。光脉冲信号在光纤中传输时,同时受到色散效应和非线性效应的影响。所以利用分步傅里叶变换法,考虑光信号在光纤中传输一段微小距离的情况下,先计算色散效应对光脉冲的影响,然后再计算非线性效应对光脉冲信号的影响,进而近似求出非线性薛定谔方程的数值解。最后,应用MATLAB软件来数值仿真这个数值解,仿真结果可以清晰看到色散效应对光脉冲的脉冲展宽,以及非线性效应对光脉冲的影响。

基于超宽带雷达回波短时傅里叶变换的土壤含水率检测

土壤体积含水率监测对提高农业生产效率和制定合理土壤管理措施具有重要意义。超宽带雷达由于其高距离分辨率、强穿透能力在农业土壤动态信息实时监测中得到广泛应用。但以往对超宽带雷达信号的处理主要关注时域特征,忽略了同样具有丰富信息的频域特征,使得回波信号在土壤体积含水率反演过程中无法得到充分利用,限制了土壤体积含水率的反演精度。本文基于超宽带雷达获取的土壤回波信号,对其进行预处理并提取与土壤体积含水率有关的回波信号,对该信号采用短时傅里叶变换(Short-time Fourier transform,STFT),分析与土壤体积含水率有关的回波信号随时序变化的时频谱特征,进而结合卷积神经网络(Convolutional neural network,CNN)建立土壤体积含水率分级以及回归预测模型。实验结果表明,基于添加高斯白噪声后的数据,对于土壤体积含水率的分级,将时频特征和CNN模型相结合时,分级总体精度和Kappa系数分别为98.69%和0.9849,相较于10个时域特征与植被指数NDVI(Normalized difference vegetation index)建立的支持向量机模型(Support vector machine,SVM),分级总体精度提升21.78个百分点,Kappa系数提高0.2515。对于土壤体积含水率的回归预测,将时频特征和CNNR(Convolutional neural network regression)模型相结合时,预测结果与真实值之间的决定系数(R^(2))为0.9872,均方根误差(RMSE)为0.0048 cm^(3)/cm^(3),相对分析误差(RPD)为6.2738,相较于10个时域特征结合植被指数NDVI建立的CNNR模型,R^(2)提升0.2316,RMSE降低1.3377 cm^(3)/cm^(3),RPD提高4.2714。综上,在土壤体积含水率分级和回归预测方面,本文所提方法较传统信号检测处理方法具有明显优势。

短时傅里叶变换结合DRSN的滚动轴承故障诊断研究

针对滚动轴承在复杂噪声环境下故障分类困难等问题,文章提出一种短时傅里叶变换(STFT)和深度残差收缩网络(DRSN)相结合的轴承故障诊断方法。首先利用短时傅里叶变换对滚动轴承原始振动信号进行时域频域处理得到信息更丰富的故障时频图样本,分为训练集和测试集;将软阈值模块引入到深度残差网络残差块中,其中的残差连接和软阈值模块能够滤除噪声并提取样本特征中的有效信息,输出到分类器上完成端对端的高准确率轴承故障分类。为验证所提方法的可行性,将该方法与其他模型作对比,实验结果表明,该方法在强噪声干扰下能表现出较高的分类性能,稳定性优于其他模型。

CCD的非线性效应对改进型傅里叶变换轮廓术的影响

在傅里叶变换轮廓术中 ,由于 CCD探测器光电响应的非线性 ,将在测量中引入高次项 ,从而对相位的求解造成较大误差 ,通过理论的推导定性地解释了误差的来由 ,并用计算机进行了模拟计算 。

基于卷积神经网络的短时傅里叶变换

本研究提出了一种基于卷积神经网络(CNN)的短时傅里叶变换方法,用于揭示非稳态信号的频谱随时间的变化规律。我们设计了一个卷积神经网络,采用双层结构,并随机初始化网络权重系数,不包含偏置系数。输入数据为随机生成的一维信号,其傅里叶变换作为标签数据。通过使用平方误差作为损失函数,并运用梯度下降法对网络进行训练,网络逐渐学得输入信号到其傅里叶变换的映射规则。同时,我们观察到网络权重系数在迭代过程中逐渐逼近傅里叶变换的核函数。基于学到的核函数,我们进行了信号的时频分析。数值试验结果表明,以通过训练获得的核函数作为基函数的短时傅里叶变换能取得与传统窗口傅里叶变换相一致的结果,证明了该方法的有效性。这一基于卷积神经网络的短时傅里叶变换方法为处理非稳态信号提供了一种新颖而有效的途径。

傅里叶变换光谱仪探测器非线性的影响及其校正方法

针对傅里叶变换光谱仪探测器引起的非线性进行研究,阐述了非线性的产生、分析了非线性对光谱的影响以及介绍了两种校正二次项非线性的方法:卷积法和迭代法。并采用这两种方法对干涉图进行二次非线性校正,然后在卷积法与迭代法的基础上提出一种更适用于实际数据的新方法。最后采用这三种方法对模拟数据以及实际采集数据分别进行非线性校正,实验数据说明校正后非线性能得到抑制。并且通过对比发现,新的校正方法有较好的精度及更快的速度。

基于短时傅里叶变换的电子式电流互感器在线校正研究

受环境温度、电磁干扰等因素的影响,电子式电流互感器在实际运行中会产生误差,为此,研究基于短时傅里叶变换的电子式电流互感器在线校正方法。通过短时傅里叶变换分析电子式电流互感器输出信号,评估出互感器测量误差,根据互感器误差频谱图自动校正输出信号的幅值与相位,实现电子式电流互感器误差的在线校正。结果表明,经过设计方法校正后,电子式电流互感器的幅值与相角测量误差显著减小,该方法可以有效提升互感器测量精度。

基于响应率修正的傅里叶变换光谱仪非线性校正算法研究

傅里叶变换高光谱仪器在定量化遥感领域展现出极大的优势,非线性校正是保证在轨辐射定标精度不可缺少的过程。针对搭载于风云四号静止轨道干涉式红外探测仪(FY-4/GIIRS)运行轨道受日晒分布不均匀、仪器环境温度日变化剧烈的特点,推导出一种基于仪器光谱响应率修正的非线性校正算法,通过测量一组标准参考辐射源光谱量化值和光谱响应率,拟合得到光谱响应率一次项修正系数。在仪器环境温度变化后,利用一次项修正系数、黑体观测光谱值和黑体观测光谱响应率重新计算光谱响应率常数项修正系数,就可以得到任意仪器环境温度下的仪器非线性校正系数。经仪器发射前地面热真空(TVAC)定标试验数据验证,该算法简单有效,在各试验环境温度工况下,对180~320 K观测范围内的辐射定标精度均有明显的提高。

基于傅里叶梅林变换的宽带非线性调频信号时差/尺度差估计方法

针对宽带非线性调频信号时差/尺度差估计难题,提出一种基于傅里叶梅林变换的估计方法。首先,计算两路信号傅里叶变换,取包络消除时差影响;然后,计算两路信号频谱包络的尺度互相关函数,估计尺度差;最后,根据估计结果对第1路信号进行时间尺度,再与第2路信号进行时域相关处理估计时差。仿真结果表明,分析结论正确,所提方法可行、有效。