时序多相关-经验模式分解方法及其对车辆振动信号的分析

振动信号的特征提取由于受强背景噪声的干扰往往具有很大的困难。在作者提出的时序多相关-经验模式分解方法的基础上,提出了一种相应的改进方法,将其扩展到一般振动信号的特征提取。先对采集到的时间序列作多相关处理,在时序多相关处理时,为了达到克服噪声干扰的目的,取一段采样序列,对其作周期延拓,使得在多相关处理后,噪声仅仅体现在多相关序列的常数项里面。再对得到的多相关数据作经验模式分解,选择满足要求的本征模式函数并作边际谱分析,以达到提取强噪声背景下的特征信号的目的。仿真分析表明了该方法的有效性。最后将它应用到实际某特种车辆振动信号的特征提取中,得到了满意的结果。     

高温结构激光扫描模态测试的降噪与参数识别

针对高温结构激光扫描模态测试中存在的噪声问题,提出了一种基于模态峰值汉克尔奇异值分解的降噪处理与模态参数识别方法。首先,将测试得到的频率响应函数(Frequency Response Function(FRF))经过FFT逆变换得到对应的时间域脉冲响应函数(Impulse Response Function(IRF)),并通过汉克尔奇异值分解(Hankel Singular Value Decomposition (HSVD)),进一步将脉冲响应函数转化为按能量从大到小顺序排列的一系列分量信号组合;其次,以恢复所有关心的模态峰值为基准,将分量信号从前到后累加,并在所关心的模态峰值完全恢复后,将剩余分量信号当作噪声舍弃掉;该步骤会去除掉信号中包含的大部分噪声,但仍会有一些残余噪声不可避免地被恢复;再次,对步骤二中提取得到的分量信号,采用基于模态峰值频率通带的迭代选取进行二次滤波,以分离出属于模态峰值的分量信号,进而将它们累加为降噪后的IRF信号,并转换至频域以获取降噪后FRF信号;最后,对降噪后的频响函数进行模态辨识以提取模态参数。本方法应用于600度高温环境下一个直板叶片的激光扫描模态测试数据的处理,结果表明频响函数中的噪声被有效滤去,模态参数可准确地提取,显示了方法的有效性和优越性。     

基于灰色预测模型的EMD端点效应抑制方法

为了能够有效地抑制经验模态分解(EMD)中存在的端点效应问题,本文提出一种基于数学模型和信号分析法相结合的处理方法——基于灰色预测模型的EMD端点效应抑制方法。首先利用灰色预测模型对原始信号的两端进行延拓产生有限极值点,对延拓信号的中间部分加矩形窗保证原信号不变,对延拓部分加汉宁窗让包络线拟合更加平滑,然后对处理过的信号序列进行EMD分解得到各阶固有模态分量(IMF),最后舍弃掉IMF中的延拓部分,从而实现对端点效应的有效抑制。通过对仿真信号和实验信号进行处理分析,以均方根误差法和相似系数法作为量化评价指标,将处理前后的IMF分量和原信号的组成分量作比较,表明本文改进的方法能够实现抑制端点效应的目的。     

基于改进l_1趋势滤波的滚动轴承故障诊断

针对轴承故障的振动信号滤波问题,提出了改进l1趋势滤波方法。该方法滤波效果由规则化参数决定,一般根据原始信号的特征信息来确定这个参数。为了提升适用性,最佳规则化参数通过与最大值之间的线性关系来选取。通过实际轴承的内、外圈故障振动信号分析发现,该方法能提取轴承故障特征。同时,相比于经验模态分解方法,改进方法具有更好的特征提取效果。     

基于PID控制方法的模糊变增益振动主动控制试验研究

结合模糊控制方法智能化的特点,设计出一种不依赖模型参数且可以自动调节控制器增益的控制算法。该方法以比例、积分和微分(Proportional integral and derivative,PID)控制为基础,根据系统输出及输出变化率自动调节控制器增益,使控制系统具有更强的适应能力。同时针对振动测试信号中含有噪声干扰和直流分量的情况,构造依赖模型部分参数的二阶窗函数,在保证不改变受控模态信号特征的同时有效衰减非受控模态信号干扰及直流分量。建立悬臂梁模型进行试验验证。结果表明,该方法能够使受控系统的振动幅值减小到开环时的5%以下,其效果明显优于普通PID控制。并且,通过引入二阶窗函数,系统在具有非受控模态信号干扰的情况下能够保持有效控制,使算法具有更好的稳定性和鲁棒性。     

调制信号双谱在滚动轴承故障诊断中的应用研究

如何从噪声中提取有效的故障特征频率,如何有效地解调振动信号中固有的调制分量,这种问题的存在影响诊断的精确性。为了解决这一问题,应用调制信号双谱(Modulated signal bispectrum, MSB)的信号处理方法,开发了基于信号解调特性的MSB来进行解调和降噪。首先将采集到的振动信号,使用MSB方法进行降噪和解调,得到调制信号双谱图;为准确地量化边带幅度,使用调制信号双谱-边带估计器(Modulation signal bispectrum-sideband estimator, MSB-SE)进行处理;通过选择几个次优的切片构成最佳的切片;最终,通过复合切片谱实现故障特征频率的提取,为进一步验证MSB的准确性,并用调制信号双谱相干性检测。通过对模拟信号及滚动轴承故障实验数据进行分析,验证了该方法的有效性和优越性。     

一种新的模态置信因子

如何确切地鉴别噪声模态是模态参数Ibrahim时域识别法实用中的主要障碍之一。本文提出一种新的模态置信因子——“模态幅值因子”(MAF)来改善这一状况。计算机模拟试验结果表明效果良好。此外,它还能指示自由振动数据中各模态分量和噪声分量的能量分配关系;给出系统模态识别精度的估计和处置方案的提示。这将有助于这种识别技术的实用化。     

ANSYS在压电天平设计中的应用

利用ANSYS力电耦合的有限元分析方法，对一台三分量压电天平的性能进行评估。主要进行了静力、模态和瞬态响应特性分析，静力分析的目的是获得天平输出与施加载荷之间的关系，评估压电天平各分量的主灵敏度系数和分量间干扰灵敏度系数；模态分析的主要目的是获得压电天平的各阶振动频率和振型，用于评估天平的频率响应特性；瞬态响应特性分析主要用于评估天平在瞬态载荷下的响应特性，评估加速度计惯性补偿的有效性。ANSYS分析结果表明:压电天平的各分量主灵敏度较高，具有较好的分量间抗干扰能力，设计的天平频响较高，加速度计实现了对天平输出信号中惯性振动信号的补偿，能够满足激波风洞测力试验的需求。天平校准和风洞试验结果表明:天平的实际性能与有限元评估结果一致。     

基于互补集合平均经验模态分解的滚动轴承故障诊断方法研究

针对集合经验模态分解(EEMD)的机械故障诊断方法中存在的不足,即其加入的白噪声不能完全被中和。为了克服其不足,提出了基于互补集合经验模态分解(CEEMD)的滚动轴承故障诊断方法,提出的方法很好地克服了EEMD中存在的不足,有效地消除了IMF中的残留噪声。仿真结果表明:提出的方法明显优于EEMD方法,可以减少重构误差,提取较为准确的IMF分量。最后,将CEEMD方法应用到滚动轴承故障诊断中,实验结果表明,CEEMD方法能准确的提取滚动轴承的特征故障频率。     

构件在超音速气流环境下的辐射声场特性分析

在超音速环境中,构件所产生的辐射噪声往往容易被高强背景噪声所淹没,难以被提取出来,给结构的降噪设计带来困难。因此,提出了一种基于集合经验模态分解(EEMD)的构件辐射声场特性分析方法。首先,通过传声器阵列采集气流背景噪声;放入构件后,再次采集新的辐射噪声信号。然后,采用EEMD对采集的信号进行多尺度分解,根据各个尺度信号的相关性大小,提取出气流环境中有无构件情况下的差异性特征成分。最后,通过波束形成方法对提取出的信号成分进行声场重构,确定构件对气流的主要扰动位置和辐射噪声强度。在5Mach气流环境中,对平板件、尖劈件分别进行了实验分析,结果表明,新方法能够有效提取出放入构件后辐射噪声场的变化成分,并重构出构件扰动辐射噪声场的主要噪声源位置和辐射噪声的大小。     

Variational Mode Decomposition for Rotating Machinery Condition Monitoring Using Vibration Signals

The failure of rotating machinery applications has major time and cost effects on the industry.Condition monitoring helps to ensure safe operation and also avoids losses.The signal processing method is essential for ensuring both the efficiency and accuracy of the monitoring process.Variational mode decomposition(VMD)is a signal processing method which decomposes a non-stationary signal into sets of variational mode functions(VMFs)adaptively and non-recursively.The VMD method offers improved performance for the condition monitoring of rotating machinery applications.However,determining an accurate number of modes for the VMD method is still considered an open research problem.Therefore,a selection method for determining the number of modes for VMD is proposed by taking advantage of the similarities in concept between the original signal and VMF.Simulated signal and online gearbox vibration signals have been used to validate the performance of the proposed method.The statistical parameters of the signals are extracted from the original signals,VMFs and intrinsic mode functions(IMFs)and have been fed into machine learning algorithms to validate the performance of the VMD method.The results show that the features extracted from VMD are both superior and accurate for the monitoring of rotating machinery.Hence the proposed method offers a new approach for the condition monitoring of rotating machinery applications.     

一种基于EMD的低湍流度信号处理分析方法

采用热线风速仪在3座典型低速风洞中进行了流场湍流度测量，这3座低速风洞包括1个低湍流风洞、1个常规闭口风洞和1个开口射流风洞。针对湍流信号通常受噪声干扰的问题，在湍流度值处理中引入了经验模式分解（EMD)自适应滤波和HHT时频谱分析方法。将EMD方法与其他几种湍流度值处理方法进行了比较，包括带通滤波方法（BP)、电磁噪声解耦方法（ENC)和高通惯性衰滤波方法（HPIA)。采用EMD方法测得低湍流风洞的湍流度值，在流场速度30~100 m/s的范围内小于0.05%。采用HHT方法完成了脉动速度信号的时频分析，分析发现开口风洞试验段的脉动速度HHT时频谱有突出的低频信号。所构建的EMD自适应滤波器可以有效控制噪声对热线输出信号的影响，是一种有效的低湍流度信号处理方法。     

Morphological Undecimated Wavelet Decomposition Fusion Algorithm and Its Application on Fault Feature Extraction of Hydraulic Pump

Since vibration signals of hydraulic pump are mostly nonlinear and traditional fusion algorithm cannot satisfyingly process them,a morphological undecimated wavelet decomposition fusion(MUWDF)algorithm is proposed.Firstly,under the framework of morphological undecimated wavelet decomposition(MUWD),multi-channel signals are decomposed.Approximate signals of all decomposition layers are selected by feature energy factor and fused according to the presented fusion rules.Furthermore,specific method for optimal selection of MUWDF parameters is presented to avoid subjective influences.Finally,the proposed algorithm is verified by simulation signals and pump vibration signals.     

基于经验模态分解的有限阵元宽带自适应阵列DBF方法

针对有限阵元条件下宽带自适应阵列自由度不够和抗干扰性能下降的问题,提出一种基于经验模态分解(Empirical mode decomposition,EMD)的宽带自适应阵列数字波束形成(Digital beamforming,DBF)方法。该方法首先对阵元接收的快拍数据进行EMD处理,然后对各个模态函数矩阵应用线性约束最小方差(Linearlyconstrained minimum variance,LCMV)波束形成算法求解自适应权矢量,最后对信号进行重构。与传统的基于快速傅里叶变换(Fast Fourier transform,FFT)子带自适应阵列方法相比,该方法具有以下优势:适用于阵元数目受限的宽带自适应阵列,无需事先指定模态函数划分的频段,可以提高阵列处理的自由度。仿真验证了所提方法的有效性。     

噪声振动环境中的仪器设备损伤研究

对噪声振动环境下的仪器电路板损伤进行了研究,以解释高噪声环境下某机箱电路板引脚断裂机理。应用噪声激励下激光测振技术、声传递试验方法、有限元分析动态响应分析技术,给出了元器件管脚动态应力分布,并根据S-N曲线对结构的寿命进行评估分析,理论分析所得出的失效模式及寿命时间和试验情况基本吻合。本文所探索的噪声激励下的电路板应力分析及寿命评估技术可以用来评估力学环境造成的仪器损伤,拓展了仪器可靠性评估途径,具有较高的工程应用价值和借鉴意义。     

一种基于白噪声的多点激励随机信号生成方法

为提高多输入多输出(Multiple input multiple output,MIMO)线性随机振动试验系统中具有相关特性的多路驱动信号生成精度,基于驱动谱非负定Hermite特性及矩阵分解理论提出了一种CD(Cholesky decomposition)白噪声滤波信号生成方法。构造具有特定"频响特性"的传递系统,将一系列独立白噪声通过该系统得到具有预期相干特性、相位差以及自谱的平稳随机信号。建立悬臂梁两输入两输出线性振动系统仿真模型,将传统傅里叶逆变换时频转换方法与CD滤波法生成的驱动信号进行对比分析。结果表明新方法精度与参考值误差不足1dB。两轴振动试验验证结果表明,应用CD法既满足工程实际标准需求,又为振动环境试验提供理论依据。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

Anchoring Bolt Detection Based on Morphological Filtering and Variational Modal Decomposition

The pull test is a damaging detection method that fails to measure the actual length of a bolt. Thus,the ultrasonic echo is an important non-destructive testing method for bolt quality detection. In this research,the variational modal decomposition(VMD)method is introduced into the bolt detection signal analysis. On the basis of morphological filtering(MF) and the VMD method,a VMD-combined MF principle is established into a bolt detection signal analysis method(MF-VMD). MF-VMD is used to analyze the vibration and actual bolt detection signals of the simulation. Results show that MF-VMD effectively separates intrinsic mode function,even under strong interference. In comparison with conventional VMD method,the proposed method can remove noise interference. An intrinsic mode function of the field detection signal can be effectively identified by reflecting the signal at the bottom of the bolt.     

齿轮故障诊断技术的研究

本文总结了我们多年来对齿轮故障诊断的研究工作。论述了故障齿轮振动信号的数学模型;论证了齿轮故障诊断的新方法:细化复包络分析、宽带解调技术、三阶谱分析、相关谱分析和最大熵谱分析,并列举了实例。 细化复包络谱是将细化技术应用到复包络谱上,可以提高频率分辨力。理论分析与计算机模拟表明,宽带解调技术具有很高的信噪比。三阶谱与相关谱对某些故障的分析很有效。理论分析表明,对调相信号的最大熵谱估计是有偏估计,文中还给出了线性调相与线性调频两种情况下的偏移量。