基于声发射Wigner-Ville时频图的岩石拉剪破裂智能识别方法

为了解决岩石破裂过程中的拉破裂与剪破裂两种破裂类型的高效识别问题,提出一种基于声发射Wigner-Ville时频图的岩石拉、剪破裂智能识别方法。该方法首先通过岩石的巴西圆盘试验和直剪试验,获得了与拉破裂、剪破裂对应的声发射撞击信号,进而绘制拉破裂与剪破裂的Wigner-Ville时频图,由此构建以Wigner-Ville时频图为特征的训练样本和测试样本;然后,利用训练和测试样本,建立了拉破裂与剪破裂自动识别的支持向量机(SVM)模型,实现了基于声发射Winger-Ville时频图的岩石拉、剪破裂过程智能识别,并利用所建模型对双轴压缩条件下的灰岩拉、剪破裂过程进行识别,揭示了双轴压缩条件下灰岩张拉破裂到剪切破裂的拉、剪演化过程。研究结果表明,该方法具有识别精确度高、简单、实用的特点。

基于小波时频图和ResNet18的焊接状态监测方法研究

针对焊接过程中因外部干扰因素或焊接参数选择不当而导致的气孔和未熔合缺陷的问题,提出一种小波时频图和深度残差网络(ResNet18)相结合的焊接质量检测方法。首先,搭建管道全位置自动焊接试验平台,利用拾音器记录熔合良好、未熔合和气孔焊接状态下的声音信号,将采集到的声音信号进行小波阈值降噪处理并且计算信号的信噪比,从而得到合适的信号降噪方法。其次,使用连续小波变换得到小波时频图,对时频图进行压缩和预处理,将时频图的大小设置为224×224,并剔除时频图上的标题、坐标和能量等。最后,将处理好的小波时频图作为输入,以未熔合、熔合良好和气孔三种状态作为输出,利用ResNet18网络进行训练。结果表明,该模型对三种焊接状态下的声音信号具有良好的监测效果,其准确率为90.78%。

基于小波时频图和量子遗传算法的车轮扁疤检测方法

针对地铁车轮扁疤在线诊断困难问题,提出了一种基于小波时频图、灰度投影法和量子遗传算法的智能在线车轮扁疤检测方法。首先对轮轨间的垂向振动信号进行小波时频分析,得到小波时频图,然后结合灰度投影法从时频图中提取车轮扁疤的特征;最后采用量子遗传算法对支持向量机进行优化以提高SVM的分类准确率。通过一个工程实例验证了该方法在识别车轮扁疤时的有效性。结果表明,该方法能够准确且快速地检测出对车轮扁疤,且所使用的分类模型的性能优于现有模型。

基于小波时频图和多尺度卷积神经网络的发动机工况识别研究

针对传统工况识别方法对非平稳的汽车发动机音频信号难以准确识别的问题,提出一种基于小波时频图和多尺度卷积神经网络的发动机工况识别方法。首先,将原始信号通过连续小波转化为小波时频图,其次,对小波时频图进行统一的预处理,最后将处理好的图片输入到卷积神经网络中提取多尺度特征并分类识别。该方法有效结合了具有处理非线性平稳信号优势的小波时频分析和卷积神经网络的图像分析能力。在测试集数据转速不同的情况下,识别准确率和鲁棒性更好。

模态时频图与ResNet50融合的真空接触器故障诊断方法

针对时频方法用于真空接触器故障诊断存在特征遗漏的局限性,提出一种利用模态时频图描述振动信号特征,并融合ResNet50的故障辨识方法。首先设置故障模拟方案,并采用下采样处理方法,丰富样本数据库。其次采用灰狼优化算法,搜寻变分模态分解(variational mode decomposition,VMD)算法的最佳参数,将复杂振动信号分解成最佳中心频率、有限带宽的固有模态分量。最后,提出一种模态时频图提取特征方法,利用小波变换将模态分量生成模态时频图,充分提取特征,并融合ResNet50辨识故障类型。以ZKTJ–400/1140型真空接触器作为实验对象,故障识别率达到99.38%。通过与其他时频图故障诊断方法对比,所提方法准确率明显提升,为精确感知一次设备状态提供了参考。

基于小波时频图与Swin Transformer的柴油机故障诊断方法

针对用传统的故障诊断方法难以对非线性非平稳的柴油机故障信号进行准确高效诊断的问题,提出基于小波时频图与Swin Transformer的柴油机故障诊断方法。该方法可以有效结合小波时频分析在处理非线性非平稳信号方面的优势和Swin Transformer强大的图像分类能力,通过连续小波变换将原始信号表示为小波时频图,将小波时频图作为特征图输入到Swin Transformer进行训练,实现柴油机故障状态识别。实验结果表明,与对比方法相比,所提方法具有较好的故障识别精度及稳定性,在公开数据集和实验室实测数据中的整体故障诊断准确率分别达到100%和98.88%,为柴油机故障诊断提供了一种新的思路。

基于特征图像组合与改进ResNet-18的电能质量扰动识别方法

针对传统电能质量扰动(power quality disturbance,PQD)识别体系中单一图像特征信息受限与算法识别能力不足等问题,依据特征融合的思想,提出一种基于特征图像组合与改进ResNet-18的PQD识别方法。首先,对PQD信号进行变分模态分解(variational mode decomposition,VMD)得到一系列固有模态函数(intrinsic mode functions,IMFs)与残差分量;其次,将IMFs、残差分量、原始扰动信号与Subtract分量纵向拼接成分量矩阵,利用信号-图像转化方法生成特征分量彩色图;再次,对原始扰动信号进行连续小波变换(continuous wavelet transform,CWT)生成小波时-频图;最后,将特征分量彩色图与小波时-频图组合输入改进的六通道ResNet-18中训练学习并完成扰动识别。通过仿真对PQD识别方法进行分析并将其与目前常用识别体系进行比较。结果表明,所提方法具有较好的抗噪性能并且能够更好地提取PQD特征信息,达到更高的识别准确率。

基于小波时频图和AlexNet网络的电弧故障诊断方法

针对故障电弧电流频域特征难以提取,检测率不高的问题,提出一种基于小波时频图和深度学习卷积神经网络的低压交流故障电弧诊断方法。该方法对串联型故障电弧电流信号进行小波时频变换,利用小波对高频突变信号的放大能力,捕捉不同负载的差异特征,得到的时频图经过压缩统一至适当大小后作为AlexNet卷积神经网络的输入特征图,利用AlexNet网络提取小波时频图特征,通过全连接层拟合数据实现故障电弧的智能诊断。建立故障电弧实验平台,分别采集阻性负载、感性负载、阻感负载下的电弧电流2 000组,利用该数据集完成模型训练。选取新负载及10~60 dB信噪比研究模型的泛化能力和鲁棒性。实验结果表明,所提方法能够有效识别故障电弧,识别率达到96.7%,且具有良好的稳定性。

基于Matlab的小波时频图的绘制原理研究与其实现

本文对Matlab做了简要介绍,对Matlab实现小波时频图的绘制原理进行了深入研究,重点讨论了基于Matlab的小波时频图绘制原理、步骤、方法和技巧,并通过Matlab具体实现了小波时频图的绘制。

基于形态学滤波和时频谱图对消的多跳频信号参数估计

针对复杂电磁环境下多跳频信号的参数估计问题,提出一种基于多尺度形态学滤波和时频谱图对消的信号参数盲估计算法。首先根据跳频信号、干扰和噪声的时频特征差异性,采用多尺度形态学滤波消除噪声、突发和扫频信号,并利用谱图对消法剔除定频信号;然后通过八连通域标记获取跳频信号的位置信息,利用改进的K-means聚类算法实现异速跳频信号的分离;最后由各类簇参数估计多跳频信号的周期、跳变时刻和跳频频率。仿真结果表明,与利用形态学滤波并提取时频脊线的方法相比,该算法在低信噪比下具有更高的估计精度,且在定频、跳频信号发生频率碰撞时,仍能准确估计跳频参数。

基于小波时频图和卷积神经网络的行星齿轮箱故障诊断方法

针对行星齿轮箱故障诊断中故障类型难以区分的问题,提出了一种基于小波时频图和卷积神经网络相结合的行星齿轮箱故障诊断方法。首先,对原始信号进行连续小波变换,获取小波时频图;然后,对小波时频图进行统一处理和压缩,将处理好的小波时频图输入到卷积神经网络中进行分类识别,通过调整小波基函数和卷积神经网络参数,最终得到一个较为理想的诊断模型。试验证明,在训练集数据和测试集数据转速不同的情况下,该方法与BP神经网络相比,在诊断准确率和鲁棒性方面都有提升。该方法的研究为行星齿轮箱的故障诊断提供了参考。

基于小波时频图与轻量级卷积神经网络的螺栓连接损伤识别

针对目前大型结构螺栓连接状态监测的困难,该文采用声音信号,提出了结合小波时频图与轻量级卷积神经网络MobileNetv2优势的螺栓松动识别方法。该方法通过对采集到的声音信号进行预处理和连续小波变换得到小波时频图,以小波时频图作为样本对轻量级卷积神经网络MobileNetv2进行训练,从而实现螺栓松动声音信号的识别。对一钢桁架模型的室外试验研究表明:该方法能实现对各种环境噪声信号,不同位置、数目和松动程度的螺栓松动声音信号的精准识别;该方法不仅识别准确率高、稳定性好,而且对计算和存储的要求低,便于应用于移动设备和嵌入式设备,为环境激励下大型复杂结构的损伤在线识别提供了新的思路。

基于HHT时频图的时延估计方法

时延估计方法主要有广义相关法、相位数据法以及自适应时延估计法等。对于水中爆炸冲击波这种瞬态、非平稳信号的时延估计,常用的时延估计方法存在一定的误差。针对爆炸冲击信号的特征,利用HHT变换在处理非平稳信号的优势,提出了一种基于希尔伯特黄时频图的时延估计方法。该方法首先将信号进行EMD分解,然后得出爆炸信号的时频图,最后根据时频图中能量最大的频率所对应的时间得出时延估计。仿真实验表明,该方法能够有效、精确地对爆炸冲击信号进行时延估计。

基于多尺度小波变换和时频图的微波源故障检测

针对目前大功率微波加热系统的微波源队列只有工作与否的二值检测,为了提高其队列运行的经济性和可靠性,在线实时检测微波源队列的运行状态及变化非常必要。提出一种基于多尺度小波变换和时频图的微波源故障检测方法。首先,根据电场强度的变化情况判断微波源队列是否发生故障。其次计算出残差信号,并根据残差在多尺度下的变化情况完成检测。最后,绘制残差信号的小波时频图,对检测结果进行可视化分析。对微波源的3种故障状态分别进行实例仿真,检测出t=80、90、100 s分别发生3种故障。仿真结果表明,利用连续小波变换的分析方法对微波源队列进行故障检测,可以准确的在线检测出微波源队列中故障微波源的位置以及发生故障的时刻。

三维时频图的算法研究

频谱显示是信号分析和处理的基础，目前用得比较多的还是一维的频谱图和二维的时频图，但它们越来越不能满足实际信号分析的需要。因此，三维时频图的应用越来越被重视。目前已有的信号分析仪器中所提供的三维时频图仍不能很好地满足广大信号分析人员的工作需要，如SONY WCA330绘出的三维时频图实际上还是平面视觉效果。本文主要研究时间、频率及频谱幅度构成的立体空间，在计算机上三维效果显示的算法，并用C＋＋Builder进行算法仿真，最后与Matlab的三维绘图进行对比分析，并以此对算法进行检验。

双线性时频分布交叉项提取及损伤识别应用

对信号时频分析方法进行了综述,并比较了线性时频分布及以Wigner-Ville(简称WVD)分布为代表的双线性时频分布的特性。论证了交叉项的存在及其在结构损伤识别中应用的价值,提出采用短时傅里叶谱图与WVD内积提取主项的方法,构建了二维时频转换矩阵,进而获得完整的交叉项并可利用交叉项的分布特性实现结构损伤识别。通过理论论证并结合梁式结构试验和仿真模拟,表明利用交叉项幅值变化率可以准确识别出结构损伤部位和程度,验证了利用双线性时频分布的交叉项进行损伤识别的有效性,为工程结构损伤识别提供了一种可靠的分析方法。

利用Wigner-Ville分布的三相整流装置故障诊断技术

针对电力电子整流装置故障诊断方法中的故障特征提取和故障识别两个关键技术,提出了一种基于Wigner-Ville分布的三相整流装置故障诊断方法,首先建立各种类型故障信号的Wigner-Ville模时频矩阵,然后计算故障信号Wigner-Ville模时频矩阵与标准模时频矩阵的相似度,以相似度最大为判别依据实现故障的诊断。三相桥式可控整流电路晶闸管故障诊断仿真结果表明该方法能准确对电力电子电路故障进行类型的识别和故障元的定位,对噪声具有鲁棒性,且算法简单,在解决电力电子电路故障问题上有着很好的工程实用价值。

铁路轨道不平顺的时-频能量联合分析方法

为满足铁路轨道不平顺实时监测、时-频特征精细化提取和线路状态评估的需要,本文基于时-频联合分析基本理论,采用时-频能量密度方法描述轨道不平顺的时-频域分布性质,推导Wigner-Ville分布能量密度与轨道不平顺功率谱密度、TQI指标的数学联系,建立融合轨道谱和TQI指标基本物理特性的铁路轨道不平顺时-频能量联合分析方法,并分别从时域、频域和时-频域等角度验证方法的合理性。结果表明:本文提出的轨道不平顺时-频联合分析方法在时域病害峰值提取、轨道状态表征、频域特征波长统计与定位等方面正确、有效。

基于改进HHT的水中爆炸冲击波信号时频特性分析方法

根据水中爆炸冲击波信号的特征,利用希尔伯特-黄变换(HHT)处理非平稳信号的优势,提出了一种结合小波分解及相关系数筛选的改进HHT方法。该方法首先通过小波分解将信号分为高频部分和低频部分,然后利用相关系数对固有模态函数(IMF)分量进行筛选。理论与实践表明,改进的HHT方法能够有效、准确地对水中爆炸冲击波信号的时频信息进行分析。

瑞雷面波频散特征的时频分析方法及应用

在非平稳信号的处理中,信号在任一时刻附近的频域特征都很重要,而时频分析就是处理非平稳信号的重要工具。瑞雷面波在传播过程中发生频散,属于典型的非平稳信号。这里用时窗长度为分析频率分量周期五倍的改进短时傅里叶变换,对面波信号进行分析,得到其时频谱图。瑞雷面波的时频谱图反映出面波中各个频率成份到达接收点的时间,由此可计算出各个单色波的相速度,从而求出面波的频散曲线。根据相速度、频率、波长的关系,最终能够求出工程中常用的速度-深度图。