Wigner-Ville时频分布在内燃机故障诊断中的应用

针对内燃机瞬时转速信号的非平稳性特点 ,将时频分布理论用于转速信号的故障特征提取。使用动力学仿真方法得到了正常状态和微弱单缸减油状态下的瞬时转速 ,对比计算它们的Winger -Ville分布 ,发现时频分布图对功率不平衡性故障具有非常直观的可诊断性 ;这里Winger -Ville分布的交叉项起到了放大微弱故障信息的作用 ,极大地提高了对故障的敏感程度 ,在仿真中可侦测单缸减油仅 4%的模拟故障 ;使用实测的瞬时转速进行时频分布计算 ,经降噪处理后的时频分布图表现出了清晰的故障特征 ,证明是一种有效的基于瞬时转速故障特征提取的新方法。

Wigner-Ville时频分布研究及其在齿轮故障诊断中的应用

虽然 Wigner- Ville分布具备时 -频分布的优点 ,但 Wigner- Ville分布的一个致命缺点就是交叉干扰项的存在 ,并影响其广泛应用。本文介绍了 Wigner双谱、Wigner三谱 ,以及如何选用合适的核函数消除交叉干扰项的影响。并以齿轮为实验对象 ,成功应用上述方法消除交叉干扰项 ,达到诊断齿轮故障的目的。

基于二次EEMD的Wigner-Ville分布旋转机械故障信号分析及试验研究

Wigner-Ville分布(WVD)凭借优良的数学性质被广泛应用于信号处理等领域,但因其不满足可加性而引起的交叉项却影响信号分析的准确性。针对此问题提出利用二次聚合经验模态分解(Ensemble Empirical Mode Decompo-sition,EEMD)消除Wigner-Ville分布交叉项的方法。该方法首先用EEMD将原信号分解成为若干本征模函数(IntrinsicMode Function,IMF),再利用EEMD对获得的IMF进行二次处理,得到一组新的IMF,然后对新得到的若干模态成分分别进行WVD计算,最后将各项结果求和得到信号的WVD分布。该方法在改善模态混叠的同时有效地消除Wigner-Ville分布交叉项,并保留Wigner-Ville分布的各种优良特性。将该方法应用于转子碰摩故障诊断,效果很好。

基于Gabor展开的Wigner-Ville分布的交叉项消除

Wigner-Ville分布(WVD)具有最好的时频分辨率,但其固有的交叉项问题限制了其应用。根据旋转机械振动信号分析中的多分量非平稳信号的频率成分均与基频成倍数(阶比)关系,提出应用基于离散Gabor变换的迭代时变滤波和对Gabor系数的选择遮掩提取出感兴趣的各单阶分量,先分别计算各单阶分量的WVD,再将各单阶分量的WVD合并,可得到无交叉项的WVD时频谱图。仿真及实际测试试验结果表明,该方法可有效去除旋转机械多分量非平稳信号WVD分析中的交叉项干扰。

基于Wigner-Ville分布的角域故障特征提取方法的研究

将采集的时域非平稳信号经过角域重采样转换成角域准平稳信号,再应用时频分析的方法进行分析,可提高分析精度.实际的工程信号不可避免的都存在噪声干扰,必须对信号作预处理,将信号中的噪声部分消除而又不至于将有用信息滤除,从而能够准确地提取出故障特征,第二代小波去噪方法可以较好地满足此类要求.角域信号带有相位信息,对角域信号应用基于Ga-bor重构的时变滤波技术遮掩掉信号中的各阶比分量,提取出仅包含有故障特征的信号,再计算其Wigner-Ville分布,可将故障定位在某一具体角度上,这对于叶轮机、齿轮等的故障检测具有重要的现实意义.

基于阶比跟踪和平滑伪Wigner-Ville分布的曲轴轴承机械故障特征提取

为了提取柴油机曲轴轴承的故障特征参数，提出在柴油机急加速过程中采用阶比跟踪与平滑伪wigner—Ville分布相结合的诊断方法。通过仿真分析表明，该方法可以清晰地显示阶比分布随曲轴转角的变化情况。利用该方法对柴油机曲轴轴承不同技术状态下的振动信号进行对比分析发现，阶比能量随着曲轴转角（转速）的增加而增加，且阶比带的能量比例可以作为特征参数识别曲轴轴承的磨损程度。

基于Wigner-Ville分布及局部奇异值分解的磁记忆信号特征提取与识别

针对磁记忆检测中缺陷信号持续时间短且频率范围小的特点，为提取磁记忆信号的有效特征，根据矩阵奇异值的特点，提出一种基于Wigner-Ville分布及局部奇异值分解的磁记忆信号特征提取方法．通过将时频分布矩阵从时间轴和频率轴分别划分为不同局部矩阵，提取出各矩阵的奇异值来构造特征向量．然后，将构造的特征向量作为支持向量机的输入向量对不同检测区域的金属磁记忆信号进行识别．实验结果表明：基于Wigner—Ville分布及局部奇异值分解算法构造的特征向量能有效提取磁记忆信号的特征信息，提高支持向量机的识别精度．

平滑伪Wigner-Ville分布在脑电信号提取中的应用

运用平滑伪Wigner-Ville分布提取大脑皮层的稳态视觉诱发电位(steady state visual evoked potential,SSVEP)信号,并作为输入信号应用于脑机接口系统。研究结果表明,该方法不需叠加平均信号就可以提高信噪比,提取出的稳态视觉诱发电位信号能够准确反映使用者的控制意图,为脑机接口选取特征提供了依据。

多项式Wigner-Ville分布(PWVD)的系数设计

本文分析了多项式Wigner-Ville分布(PWVD)的系数选择与频率聚集性的关系,提出了一组新的系数,得到的新的分布在频率聚集性、对有噪信号瞬时频率估计的方差、算法实现的难易程度等方面都要优于现有的算法,并给出了仿真结果。

基于STFT的Wigner-Ville分布交叉项抑制

对于多分量信号,Wigner-Ville分布(WVD)的时频能量集中但存在交叉项,而由短时傅里叶变换(STFT)模的平方得到的谱图无交叉项但时频聚集性较差。基于STFT谱图与WVD的联合算法,可以有效地抑制WVD中的交叉项干扰,同时保持了WVD的较高时频聚集性,是一种行之有效的WVD改进算法。

基于EMD的旋转机械振动信号Winger分布分析

经验模态分解 (EmpiricalModeDecomposition)简称EMD ,主要思想是把一个时间序列的信号 ,分解成不同尺度的本征模函数 (IntrinsicModeFunction ,IMF)。把EMD和Winger分布分析相结合的时频分析方法引入了旋转机械振动信号分析领域。通过把振动信号序列进行EMD分解 ,然后对每个分解后的IMF进行Winger分布分析 ,可取得抑制频率干扰的效果 ,使时频谱图更清晰。首先 ,对一个有两个频率成分的仿真振动信号Winger分布时频图和信号经过EMD和Winger分布分析相结合产生的时频图进行对比。然后 ,对旋转机械油膜涡动故障振动信号进行同样的对比。仿真信号和真实信号的研究结果说明 ,用EMD和Winger分布分析相结合的时频分析方法对旋转机械的振动信号的时频分析比通常的Winger分布分析有效。

基于EMD消除Wigner-vill分布交叉项的研究

Wigner-Vill分布(WVD)以其良好的时变特性和较高的时间、频率分辨率近年来一直被用于信号处理等领域。然而WVD作为双线性分析方法,在应用时会出现交叉项。针对该问题,提出基于经验模态分解(EMD)消除Wigner-Vill分布交叉项的方法。该方法首先利用EMD分解将信号分解成若干模态成分,然后分别对各个成分计算WVD,最后将各项结果求和得到信号的WVD分布。该方法有效地消除了WVD交叉项的干扰,同时保留了WVD的优良特性。并应用该方法对油膜涡动故障信号进行分析处理,得到了较好的结果。

基于Winger分布和奇异值分解的轴承故障诊断

为了充分挖掘Winger时频谱有效信息,研究提出一种基于振动信号Winger分布和奇异值分解相结合的轴承故障诊断方法。首先运用Winger分布分析原始振动信号,然后基于奇异值分解的方法分析Winger谱矩阵,得到反映机械故障状态特征的特征序列,最后将振动信号的Winger谱奇异值作为特征向量,使用支持向量机(SVM)进行故障诊断。实验结果表明,该方法能有效的提取故障特征。

旋转机械振动信号基于EMD的HT和Winger分布时频分析比较

基于经验模态分解(EmpiricalModeDecomposition,EMD)的希尔伯特变换(HilbertTransformation,HT),是先把一列时间序列数据通过经验模态分解,然后经过希尔伯特变换获得频谱的信号处理新方法。介绍了该方法的理论和算法。对仿真和旋转机械油膜涡动故障振动信号分别用基于EMD的HT和Winger分布的时频分析进行了比较研究,研究结果说明,用基于EMD的HT方法对旋转机械的振动信号进行时频分析比Winger分布分析有效。

基于Wigner-Ville时频幅值曲率的结构位置损伤识别

为探索既有明确物理意义又有良好实用性的结构损伤识别方法,利用Wigner-Ville时频分布（WVD）对结构自由振动响应进行解析,建立了WVD时频幅值与结构模态参数的函数关系,提出利用测点WVD时频幅值曲率来识别损伤。该方法物理意义明确,初始激励易于实施,且不需要模态参数识别,提高了损伤识别精度。算例分析结果表明,所提出的方法能较好地识别出结构单个或多个损伤位置,且数据易于获得,处理简便。

时频分析Wigner-Ville算法及其在DSP上的仿真实现

文章介绍Wigner-Ville分布在时频分析中的应用,基于Wigner-Ville分布的特点,给出了Wigner-Ville分布在ADSP21160平台上的软件仿真实现。仿真结果表明:信号的WVD处理适合于非平稳的线性调频信号,可以通过信号的WVD分布来估计信号的瞬时频率。

基于信号分解和群延时的维格纳分布改进方法

提出一种WVD(Wigner Ville distribution)的改进方法。应用离散余弦谐波小波变换对多分量信号进行分解,计算分解后得到的单分量信号的WVD,将单分量信号的WVD沿频率轴串联得到整个信号的WVD,抑制分布的交叉项。应用修改群延时函数减少因WVD核函数截断而产生的波动效应,改善分布的时频分辨率。通过算例中的线性调频信号和应用实例中轴承振动信号验证表明,改进后的WVD有满意的时频分辨率和明显的交叉项抑制能力,能够通过离散余弦变换实现其快速算法,算法快速、简单,适合非平稳工程信号的时频分析。

基于自适应组合窗函数的SPWVD算法及应用研究

针对平滑伪Wigller-Ville分布(Smoothing Pseudo-Winger-Ville distribution,SPWVD)在处理不同信号时,需要采用对应的平滑窗参数才能达到最优时频分布的问题,提出了一种基于自适应组合窗函数的SPWVD算法。该算法将Rényi熵作为时频评价指标,以组合窗函数的窗长和系数作为参数库,提出将随机梯度下降和扰动随机梯度下降分别用于窗长和系数的选取,提升计算速度分别为遍历法的20倍和9倍,最终得到信号的最优时频图。将上述的改进方法应用于碳纤维复合材料的缺陷检测中,结果表明,自适应组合窗函数的SPWVD可以有效地对不同信号选取最优的窗函数参数,对比固定窗函数的SPWVD,自适应组合窗函数的SPWVD具有更好的时频聚集效果,更加完备地对信号进行了表征,并对缺陷进行了定量分析,具备缺陷检测的良好应用前景。

基于Winger-SVD的轴承故障诊断方法

提出了一种基于振动信号Winger分布和奇异值分解相结合的轴承故障诊断方法。首先将振动信号进行Winger分布分析;然后将得到的Winger谱矩阵进行奇异值分解,得到反映机械故障状态特征的特征序列;最后将振动信号的Winger谱奇异值作为特征向量,使用支持向量机进行故障诊断。

基于EMD和Wigner分布的轴承故障诊断研究

将经验模态分解和Wigner-Ville分布应用于轴承故障诊断的研究。首先将故障信号分解成一系列固有模态函数,再对分解后的固有模态函数进行Wigner-Ville分布分析,可有效抑制频率干扰现象,使时频分布图更加清晰,仿真信号和轴承故障实验信号的研究结果表明:基于经验模态分解和Wigner-Ville分布的分析方法,能有效地诊断轴承的故障。