基于短时分数阶傅里叶变换的 含噪信号特征提取

通过对比噪声背景下短时傅里叶变换和短时分数阶傅里叶变换的时频分辨能力,进一步明确了短时分数阶傅里叶变换对频率时变信号的独特优势。研究了短时分数阶傅里叶变换的窗口滑动方式对瞬时频率估计的影响,可以发现:首先,在调频率较大或是变化剧烈时,短时分数阶傅里叶变换具有更好的鲁棒性;其次,在基于短时分数阶傅里叶变换的瞬时频率估计,实际应用中应主要采用以第一采样时刻作为估计值的逐点滑动方式。     

海杂波背景下小目标检测及其运动信息的提取

介绍了在基于Hough变换的检测前跟踪算法检测海杂波背景下的低可观测目标的基础上,将动态规划方法引入其中,从每一条“特征直线”所包含的数据点迹中提取最可能构成目标点迹的数据点的方法。仿真结果表明,将Hough变换与基于动态规划的航迹搜索相结合,能够提高低信噪比条件下的目标检测概率,并能比较准确地提取出目标点迹。然后对提取出来的目标点迹进行Kalman滤波,以估计目标的速度,从而为后续的检测与跟踪提供比较准确的目标信息。     

最优频移小波包变换窄带干扰抑制方法研究

针对频移小波包变换不能抑制多音干扰的问题,提出了基于遗传算法最优频移小波包变换的窄带干扰抑制方法。采用遗传算法进行频移和分解层数的最优选择,并采用奇偶判断的方法进行自适应小波包分解。仿真结果表明,该方法能够有效抑制窄带干扰。     

电传飞机系统动态特性识别

提出了一套识别飞机系统动态特性的方法。对于短时激励信号,可同时采取时域法和频域法;对长时激励信号仅采取频域法。方法验证采用了变稳飞机电传系统试飞数据和专门的仿真试验数据。结果表明:该方法可解决电传飞机系统识别和评定中的许多问题,并为更进一步的应用研究打下基础。     

转子动力特性计算中常用方法的对比分析

传递矩阵法、有限元素法及及模态综合法是对转子系统进行动力特性分析最常用的方法。通过大量算例, 本文从计算精度、内存、机时等方面对它们进行了对比计算, 并对计算结果进行了分析。在采用模态综合法进行动力特性分析时, 涉及需选取不同的控制参数, 诸如子结构数的多少, 子结构保留模态阶数等, 本文也给出了经验数据。      

撞击流混合器速度信号的Hilbert-Huang变换分析

应用激光多普勒测速系统,对撞击流混合器的流场瞬时速度进行了测量。将Hilbert-Huang变换（HHT）应用于瞬时速度信号的分析,提取出各阶内禀模态函数（IMF）并通过经验模态分解（EMD）对速度信号进行滤波降噪。通过希尔伯特谱分析（HSA）确定了撞击流混合器速度信号的能量分布状况,信号能量集中于低频区,即存在于尺度较大的流体涡旋中。分析速度信号各阶内禀模态函数在不同频段的能量分布与转换,发现不同频段IMF的能量分布与流型转变之间的对应关系。通过能量特征值的提取表明,提高螺旋桨转速有助于强化系统的混合效果。最后将撞击流混合器的流场由内而外划分为中心区、涡旋区和回流区3个部分。     

基于FFT的航空发动机整机振动分量实时跟踪监视

依据DFF(离散傅立叶变换),FFT(快速傅立叶变换)、加窗等数字信号处理理论,以及复指数函数的相关性质,并结合目前国内航空发动机整机振动信号处理现状,提出了基于FFr的航空发动机整机振动分量跟踪监视方法.该方法首先将时域加速度振动信号分解为多个简谐振动合成结果,然后根据系统输人的转子转速信号,跟踪计算转子基频激起的简...     

基于双树复小波包变换和SVM的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳性和现实中难以获得大量典型故障样本的情况,提出一种基于双树复小波包变换和支持向量机（SVM）的故障诊断方法.首先通过双树复小波包变换将非平稳的振动信号分解得到不同频带的分量;然后对每个分量求其能量并归一化处理;最后将从各个频带分量中提取的能量特征参数作为支持向量机的输入来识别滚动轴承的故障类型.对试验台模拟信号（包括滚动轴承的正常状态、外圈裂纹故障、内圈裂纹故障和滚动体点蚀故障）的分析表明:该方法对所测试验信号的故障识别率达到99.5%,对比传统小波包变换与SVM结合的方法,故障识别率的准确度更高.      

一种改进的基于Hough变换的精确圆检测方法

在空间航天飞行器的对接过程中,合作目标背景的复杂性使得对圆形对接靶标部位的准确快速识别能力显得至关重要.为了克服Hough变换的圆检测遍历边缘点的局限性,采用图像预处理方法,极大地减少了参与Hough变换的无效像素点,并对边缘进行抽样提高Hough变换圆检测效率;针对Hough变换圆定位精度低,对Hough变换检测出的像素点,采用最小二乘拟合圆心得到亚像素的圆心拟合精度.一方面利用Hough变换检测圆的鲁棒性,有效地解决了最小二乘拟合的平方项对离群点敏感的问题;另一方面利用了最小二乘法的精确性提高圆心的定位精度.仿真结果和实验结果均证明了方法可将圆定位精度提高到1/20像元.     

基于CPP与S变换的自适应时频滤波及其在滚动轴承故障诊断中的应用

针对变转速下滚动轴承故障调制信息的提取与分离,提出了基于线调频小波路径追踪(CPP)与S变换的自适应时频滤波方法。该方法先采用Hilbert解调对齿轮箱振动信号进行分析获取其包络信号,并对包络信号进行S变换,以获取其时频分布,同时,采用CPP算法从齿轮箱振动信号中估计出啮合频率曲线,进而获取转轴转速;然后,根据估计的转速信号分别设计各阶时频滤波器;再采用时频滤波器对包络信号的时频分布进行时频滤波,并将滤波结果进行S逆变换,以获取各阶故障调制信号;最后对各阶故障调制信号进行阶次谱分析,并根据阶次谱中的调制信息诊断滚动轴承故障。算法仿真和应用实例表明,自适应时频滤波方法可根据轴承故障调制信号的频率变化特点自适应地改变滤波器的中心频率与带宽,能有效提取并分离轴承的各阶调制信息,且分离效果优于基于集合经验模态分解（EEMD）的阶次谱方法。