多模态时域振动衰减信号各模态分离与阻尼参数辨识方法

针对多模态信号中各模态难以准确分离和模态阻尼参数难以准确识别的问题,提出了布谷鸟搜索(CS)算法参数优化的变分模态分解方法 (CS-VMD)和模态阻尼参数辨识的包络线积分法(EIM)。使用CS-VMD方法将多模态时域振动衰减信号中的多模态分量准确分离开来,利用EIM辨识各模态的模态频率和阻尼比,并与理论值(或测量值)以及半功率带宽法(HPB)辨识值进行对比。位移仿真信号与压气机导向叶片测频信号模态分解及模态参数辨识表明,CS-VMD方法可实现对多模态信号的正确分解,EIM辨识的模态频率误差均小于1.0%;对于位移仿真信号,EIM辨识的模态阻尼比最大误差小于2.5%;对于压气机导向叶片测频信号,使用EIM和HPB方法辨识的模态阻尼比最大差别为9.098%,EIM的模态阻尼辨识精度比HPB方法高。     

基于遗传算法参数优化的变分模态分解结合1.5维谱的轴承故障诊断

为了准确提取轴承的故障特征,提出了一种遗传算法(GA)参数优化的变分模态分解(VMD)结合1.5维谱的轴承故障诊断方法。首先以VMD方法中模态分量的包络熵值最小为优化目标,利用遗传算法对模态分量个数和二次惩罚因子进行优化,确定这两个能使VMD实现最优分解的输入参数。然后利用参数优化的VMD方法对仿真信号和轴承内环故障信号进行分解,并做各模态分量的1.5维谱图。参数优化的VMD分解得到了与仿真信号原始分量相符的4个模态分量,1.5维谱剔除了未参与二次相位耦合的10Hz频率分量。同时在1k Hz频率以下,运用本文方法提取了轴承内环故障特征频率的1至6倍频频率成分以及电机转频对它们的调制频率。由此表明,遗传算法参数优化的VMD可实现复杂信号的正确分解,1.5维谱可有效检测信号的二次相位耦合。同时,遗传算法参数优化的VMD结合1.5维谱能有效提取轴承内环故障特征,从而验证了本文方法的有效性和实用性。     

基于时频切片分解的时变系统参数识别

系统参数识别分为时不变系统参数识别和时变系统参数识别两大研究方向,其中时不变系统参数识 别的研究已趋于成熟,而时变系统参数识别的研究则仍然处于起步阶段。对于多自由度时变结构,提出一种基 于时频切片分解的时变系统参数识别方法。该方法采集结构的振动位移响应,根据时频分解计算得到响应在 整个时频段内的时频能量分布图;依据结构的时频分布特性,选择多个时频切片窗分解响应信号,再对分解出 的信号分别进行逆变换计算完成时域上的信号重构;重构出来的信号对应于结构的各阶模态位移响应信号,利 用Hilbert变换提取信号瞬时频率,从而识别出结构各阶频率。通过一个三自由度的弹簧阻尼质量仿真实验, 验证了该方法具有良好的识别精度和工程实用价值。     

环境激励下基于chirplet变换的线性时变系统参数识别

提出了针对时变系统响应的短时频率线性时变假设,通过将时变响应拟合成多分量线调频信号,根据线调频信号互相关理论推导了随机白噪声激励下时变系统的物理参数识别方法。该识别方法只需基于结构的加速度响应,便能识别结构的时变质量和刚度。由于引入了调频斜率刻画响应信号的短时频率线变特征,该方法相比传统识别方法能更好地追踪快变甚至突变参数,对实际工程中的时变问题具有重要的应用价值。仿真算例中构造了1个3自由度时变结构模型,针对线性时变、周期时变和突变等情况进行了物理参数的识别,误差分析显示识别误差均在5%以内,仿真结果验证了方法的正确性和适用性。     

基于参数自适应变分模态分解的行星齿轮箱故障诊断

针对变分模态分解需要人为设定模态数量以及在强噪声情况下容易造成分解错误的问题,提出了依据功率谱密度极值点自适应确定模态数量与中心频率的参数自适应变分模态分解方法,通过信号仿真分析验证了方法的有效性。基于参数自适应变分模态分解提出了一种行星齿轮箱故障诊断方法,应用于行星齿轮箱第2级太阳轮裂纹的故障诊断,行星齿轮箱传动实验台的试验结果表明:该方法能实现振动信号准确分解,有效提取和辨别出故障特征频率,实现了在强背景噪声和微弱故障信号情况下对第2级太阳轮裂纹故障的准确诊断。      

利用输出误差时间序列模型识别结构时变模态参数

基于振动系统运动方程,建立了描述系统输入和输出关系的输出误差时间序列模型,论证了该模型中外源多项式系数的性质。利用基于UD分解的递归最小二乘参数估计方法估计OE模型的参数,从而得到结构的时变模态参数。数值仿真结果表明用此方法来识别时变模态参数是可行的。     

Flight Flutter Modal Parameters Identification with Atmospheric Turbulence Excitation Based on Wavelet Transformation

针对基于大气紊流激励的飞机颤振试验数据具有信噪比低以及测量数据以加速度响应形式给出等特点,将小波变换与随机减量法相结合对飞机颤振模态参数进行识别,首先利用随机减量法获得结构在非零初始加速度条件下的自由衰减响应,然后对该自由衰减响应进行Morlet连续小波变换,为使变换简单,本文采用了Parseval定理和留数定理,利用Morlet的带通滤波特性,通过搜索小波变换系数在不同的尺度区域内的极大值,再根据小波变换系数的极大值、相角与固有振动频率及阻尼系数间的关系,即可识别出各模态参数。并对利用小波变换识别颤振模态参数时,实现模态解耦应满足的条件进行了分析研究。通过仿真和飞机颤振试验数据分析,验证了该识别方法不仅简单、有效和可行,而且具有较强的抗噪性。     

改进Hilbert-Huang变换在齿轮故障诊断中的应用

针对Hilbert-Huang变换中齿轮故障信号经验模式分解的第一阶固有模态函数通常为非单一信号分量以及经验模式分解产生虚假低频分量的问题, 提出一种改进Hilbert-Huang变换方法.首先在频谱中确定故障信息频率范围, 并依据该频率范围和二进小波分解的特点确定需提取的相应频带的二进小波系数, 然后采用相关系数筛选法剔除小波系数经验模式分解所产生的虚假分量, 最后通过局部瞬时能量提取故障特征, 实例表明改进的Hilbert-Huang变换可以有效的提取齿轮故障特征.      

基于变分模态分解的壁湍流拟序结构形态研究

应用多分量准二维变分模态分解技术,对直接数值模拟的湍流边界层的流向-法向平面进行了分解。通过对从低雷诺数到中等雷诺数(Reτ=400~1750)各个工况的瞬时流场的观察,定性地得到了不同模态所对应的物理结构特征。通过两点相关云图形态和倾斜角度的比较,定量地对比了不同模态对应的拟序结构倾角随法向高度的变化。一阶模态主要对应大尺度扫掠/喷射事件,第二阶模态则对应近壁流向涡结构。两阶模态的拟序结构倾角随法向高度的变化趋势与雷诺数呈弱相关,表明大小尺度模态的几何特征在所研究的雷诺数范围内存在自相似性。     

航空发动机叶片高频模态阻尼的实验测试方法

以NASA Rotor37叶片为对象,研究了航空发动机叶片的高频模态阻尼比的实验测试方法.实验分析和数值计算均说明:在随机声激励下获得频响曲线将包含由支撑结构振动造成的峰值.基于此提出在支撑结构上布置多个传感器的实验方案,并以支撑结构的振动峰值位置和能量相对大小来判定叶片振动主导的振动峰值.用小波阈值收缩法和曲线拟合法对这些振动峰值进行了降噪和模态阻尼比识别,给出了实测模型在10kHz内“叶片主导振动”的模态阻尼比.结果表明:一般的结构金属材料条件下,叶片结构的高频模态阻尼比的数量级小于1%,且随频率增加呈下降趋势.      

小型航空活塞发动机喷油异常的故障诊断

针对小型航空活塞发动机出现的喷油异常故障,基于发动机的缸内压力和缸盖振动信号,采用一种变分模态分解和布谷鸟搜索优化支持向量机相结合的故障诊断方法对发动机喷油异常故障进行诊断。该方法使用变分模态分解对发动机的缸内压力信号和缸盖振动信号进行处理得到本征模态函数,对本征模态函数进行奇异值分解和能量特征提取,将缸内压力和缸盖振动的数据集输入布谷鸟搜索算法优化的支持向量机模型中进行训练和测试。结果表明:该方法较好地识别出发动机喷油异常的故障,其中缸内压力和缸盖振动信号的故障识别分类准确率分别为95.32%和92.47%,验证了该方法的有效性。      

计及随机噪声的频域多输入多输出模态参数识别

提出了一种计及随机噪声的多输入多输出频域模态参数识别方法。该方法基于连续时间域的频率响应函数有理分式模型,利用Forsythe正交多项式改善求解性态,属频域的极大似然类估计方法。在最小二乘估计的基础上,利用"先验"的随机噪声信息进行优化迭代的极大似然估计,得到更优的模态参数识别结果。根据Cramer Rao下界不等式,在几乎不增加计算量的情况下获得所识别结果的不确定性信息,提高了模态参数识别的可靠性。采用GARTEUR飞机模型作为仿真算例,对本算法进行了仿真验证。     

应用时变参数建模方法辨识时变模态参数

 应用非平稳时间序列的时变自回归建模方法进行了参数随时间变化的线性系统模态参数的辨识。对线性时变系统在白噪声激励下振动响应的非平稳时间序列进行建模。通过引入基函数将非平稳过程的辨识问题转化为线性时不变过程的辨识。结合信号时频变换确定模型阶次, 通过时变的伯格尔( Bur g) 算法对时变的自回归(AR) 模型系数和时变结构模态频率进行了估算。通过对刚度随时间变化的三自由度系统模态频率的仿真辨识, 验证了辨识方法的有效性。     

基于随机子空间方法的模态参数识别研究

随机子空间识别 (StochasticSubspaceIdentification ,以下简称SSI)方法是一种新的时域识别方法 ,该方法仅用自然响应数据 ,通过QR分解和SVD分解等一套正交投影算法识别系统模型。研究了SSI方法在模态参数识别领域的应用。采用NASAmini mast模型 ,仿真分析了SSI算法控制参数选择技巧 ,论证了其参数识别精度。通过处理日本CFT大楼实测数据 ,研究了SSI方法识别真实结构模态参数的问题。应用Kalman滤波器 ,测量响应可以分解为模态空间响应 ,将信号功率谱分解成多条单自由度系统功率谱。     

基于NGO-VMD和DBO-SVM的滚动轴承早期故障诊断

针对滚动轴承早期故障阶段信号微弱难以提取和识别的问题,提出利用北方苍鹰算法优化变分模态分解参数,并结合蜣螂优化算法优化支持向量机的方法进行故障提取和分类识别。首先,采用北方苍鹰算法对变分模态的最佳参数进行搜索,将信号用变分模态分解为若干个本征模态函数;然后利用峭度选取最优本征模态函数;最后将其输入蜣螂优化算法-支持向量机诊断模型中进行故障分类识别。实验结果表明,北方苍鹰算法-变分模态分解方法在迭代次数和收敛精度上均有一定的优势,采用峭度选择最优本征模态函数,包络解调分析后提取早期微弱故障信号故障特征的能力最佳;蜣螂优化算法-支持向量机诊断模型能在故障信号微弱背景下,使故障诊断分类识别率有一定的提高。该方法具有较好的故障特征提取和分类识别能力,为滚动轴承早期故障诊断提供技术支持。     

基于经验模态分解的航空器结构模态参数识别

介绍了一种基于经验模式分解（Empirical Mode Decomposition,EMD）与粒子群优化算法相结合的飞机结构模态参数辨识方法。一个复杂的脉冲响应信号利用EMD方法使得耦合在一起的多阶模态响应信号分解为与各单阶模态响应信号一一对应的分量,得到前几阶主要的内禀模式函数（Intrinsic Mode Function,IMF）,再对分解得到的每一单阶IMF利用粒子群算法辨识得到各阶模态参数。试验仿真结果表明该方法有较高的计算精度,可应用于结构运行模态分析,为飞机等结构设计、运行检测提供有力保障。     

基于小波变换与粗糙集的雷达目标识别方法

雷达目标识别是防空武器系统雷达信息处理的一个关键环节.在小波变换与粗糙集基础上提出一种雷达目标识别方法.小波变换能够提高了时--频分频率;粗糙集理论是一种新型的处理不确定性知识的数学工具.利用小波变换对目标原始信息进行分解,得到目标的能量特征向量;通过粗糙集简化关系表,删去冗余信息,用逻辑推理算法表示判别规则.应用小波变换与粗糙集能够满足利用不精确信息进行目标识别的需要.     

模态参数识别在飞行颤振试验中的应用

 本文介绍了飞机飞行颤振试验的简况、颤振试飞数据处理的特点和一些特殊要求。简要介绍了用频域参数识别方法和时域参数识别方法识别模态频率和阻尼的基本原理和基本数学模型。文中着重介绍了为解决颤振试飞中所获得的信号的信噪比差,而又要求识别的模态阻尼值的精度比较高这个矛盾和为了尽量缩短数据分析所花费的计算时间而采取的若干措施。     

基于内禀模态高频积分能量法的煤油发动机爆震因子计算方法

提出了基于内禀模态高频积分能量法的爆震因子计算方法.该方法对电控二冲程煤油发动机缸内燃烧压力信号进行经验模态分解,自适应得到若干内禀模态函数分量与残余函数.对内禀模态函数分量采用快速傅里叶变换得到爆震高频信号分量,选取残余函数峰值对应的曲轴转角为爆震窗口起始曲轴转角,对爆震窗口宽度分析,得到合理爆震窗口宽度持续曲轴转角为30°.利用内禀模态高频积分能量法对无爆震、轻微爆震、中度爆震与强烈爆震工作循环的缸内燃烧压力信号进行爆震因子计算,得到4个工作循环的爆震因子分别为0.6642,1.8191,3.0275,5.3717,可表征爆震的强弱.研究表明基于内禀模态高频积分能量法的爆震因子计算方法简便、快速有效.      

高速飞行器热结构工作时变模态参数辨识

高速飞行器由于其很高的飞行速度而无可避免地受到气动加热作用的影响,进而引起结构特性的时变。采用理论或有限元方法(FEM)进行数值分析,难以获取反映结构在飞行(工作)状态下的真实模态参数。通过辨识获取高速飞行器热环境下的时变结构模态参数是一项十分具有挑战性的任务。针对此问题,引入参数化时频域的最大似然方法,对气动加热作用下的高速飞行器升力面结构的时变模态参数进行了辨识。通过模拟真实飞行状态的数值算例研究,说明参数化时频域的最大似然方法能够很好地辨识出低信噪比(SNR)情况下的模态频率和模态振型,验证了参数化时频域最大似然方法适用于具有显著时变特征的高速飞行器热结构的时变结构模态参数辨识,可为将来相关的工程研究和应用提供良好的理论支持。