基于一种新的时频分布的机械故障诊断

在巧妙构思核函数的基础上,给出了一种新的时频分布(TFC)及其离散算法,并将该TFD应用于机械故障诊断。结合两个诊断实例,同时与Winger-Ville分布(WVD)进行对比,发现该分布具有良好的时频聚集性,并且能够有效的抑制交叉项。事实证明,该分布能够刻画出传统Fourier变换和WVD所不能反映的故障特征信号,能够较好的进行故障诊断。

径向高斯核函数时频分布及在故障诊断中的应用

对一种可调核函数的时频分布——径向高斯核函数时频分布 (RGKD)进行了研究 ,并将径向高斯核函数时频分布引入机械故障诊断。这种时频分布根据被分析信号不同特性 ,采用优化方法自适应对模糊函数进行整形 ,尽可能保留集中在原点的信号模糊函数的自分量 ,抑制远离原点的交叉分量。与固定核函数的时频分布对比结果表明 ,径向高斯核函数时频分布极大地去除了交叉分量 ,提高了分辨率 ,并且对噪声不敏感 ,在分析实际低信噪比的信号时 ,仍能保持较高的分辨率 ,杂散分量很少 ,该方法具有对信号的广泛自适应性。试验证明径向高斯核函数时频分布在故障诊断中有较强的特征提取作用。

基于一种新的时频分布的机械故障诊断

通过设计核函数 ,给出了一新的时频分布 (TFD) ,并将该TFD应用于机械故障诊断。结合两个诊断实例 ,同时与Winger_Villedistribution (WVD)进行对比 ,发现该分布具有良好的时频聚集性 ,并且能够有效地抑制交叉项 ,事实证明 ,该分布能够刻画出幅值谱和WVD所不能反映的故障特征信号 ,能够较好地进行故障诊断。

基于一种新的时频分布的机械故障诊断

在巧妙构思核函数的基础上 ,给出了一新的时频分布 TFD( Time- Frequency Distribution)及其离散算法 ,并应用于机构故障诊断。结合两个诊断实例 ,同时与 WVD( Winger- Ville Distribution)进行对比 ,发现该分布具有良好的时频聚集性 ,并且能够有效地抑制交叉项 ,表明该分布能够刻画出幅值谱和 WVD所不能反映的故障特征信号 ,能够较好地进行故障诊断。

二次型时频分布在机械故障诊断中的应用

二次型时频分布可以从时域与频域特征相结合的途径揭示信号构成的本质.构造了新的核函数,其时域窄而频域宽,且频域的能量主要集中在低频段 用新核函数获得一种新的时频分布,对调频等各种复杂信号具有很强的揭示能力 实例表明该分布具有良好的时频聚集性,能够有效地从强大的谐频信号中清晰地分辨出较弱的周期性冲击信号,为机械故障诊断提供了有力的工具.

小波除噪、时频分布及气密性诊断

通过快速小波任意尺度的分解,为具体分析与实现原始信号的信噪分离与干扰成分的剔除提供了有效手段。同时根据核函数在模糊域中的过滤原则,提出了新的核函数,并给出了新的时频分布(TFD)。将其应用于气密性故障诊断,成功地刻画了气密性故障信号特征;通过与Wigner VilleDistribu tion的对比,发现新的时频分布能够较好地抑制交叉项并具有优良的时频聚集性,从而为气密性故障诊断提供了新的强有力的工具。

振动信号检测技术研究及其在故障诊断中的应用

针对复杂机械系统异常振动信号的检测,提出一种新的无混叠指数双线性时间-频率变换探测方法,新变换方法可以避免常用双线性变换中的频率混叠和信息丢失等问题,能够有效的抑制交叉项,具有较高的时频分辨率,给出新的双线性时-频变换的离散算法,通过仿真实验与齿轮箱早期故障检测,对新的时频变换的检测效果进行了验证。