基于EEMD-小波阈值去噪的桥梁结构模态参数识别

为研究环境激励下大跨径桥梁结构振动响应特性,采用拾振器监测结构动态变形.针对监测信号中的噪声影响,提出EEMD-小波阈值联合滤波方法来提升信号精度.首先,利用EEMD算法对信号进行分解,基于平均周期图法和相关系数法双重判定准则剔除虚假分量,然后,结合小波阈值去噪方法对重构信号进行二次降噪,再利用RDT-ITD法识别结构模态参数.将滤波降噪和模态识别方法应用于天津永和桥实测振动响应分析中,并结合有限元分析结果进行对比.结果表明:EEMD-小波阈值联合滤波方法优于应用单一方法,能进一步提升信号精度;信号降噪后,利用RDT-ITD方法成功提取了结构前3阶竖向自振频率和相应阻尼比;识别的结构自振频率值与有限元分析结果基本一致,基频值相差3.07%.     

基于阶次分析的无人机挂飞振动正弦分量幅值准确提取技术

传统的快速傅里叶变换分析装备在变转速工况下的振动信号出现"频率模糊"现象,针对此问题提出一种无键相阶次分析方法。首先通过控制系统或其它途径预估转速变化范围,确定窄带滤波频带;然后对信号进行窄带滤波;之后利用Hilbert变换计算滤波后信号的瞬时频率;最后根据瞬时频率对信号进行重采样得到角度域平稳信号,对角度域信号傅里叶变换得到阶次谱。通过信号仿真验证了该阶次分析方法有效、准确,并应用到装备在无人机的挂飞振动信号分析中,用于准确提取变转速工况下振动信号中正弦分量的幅值,为准确制定装备的振动环境试验条件奠定基础。该方法是对阶次分析方法的有效补充,对于相似装备的动力学环境试验条件制定也具有参考和借鉴价值。     

迭代生成微分方程分解方法研究

针对实际振动信号中多分量分离问题,在生成微分方程解调技术的基础上,提出一种新的迭代分解方法.首先采用生成微分方程(generating differential equation,GDE),估计初始振动信号的瞬时频率和幅值包络,然后对瞬时频率通过低通滤波分离出第一个频率,基于此频率对原始信号通过高通滤波器后提取的成分作为第一个分量,最后用初始信号减去第一个分量的余值作为下一次迭代的初始值,迭代同样的步骤分析分解直到获取所有信号分量,以低于能量比阈值作为迭代终止条件.本方法不需要先验信息.通过仿真信号验证并与传统方法进行对比分析,证明了方法的有效性.通过实测轴承试验信号的故障分析,证明了方法的实用性.     

变速重载设备齿轮箱轴承故障的改进阶次包络分析方法

针对变速重载设备振动信号中轴承故障特征提取时易受齿轮振动干扰的问题,提出了一种融合齿轮和轴承参数信息的改进阶次包络分析方法。先利用设备转速信息,对原始振动信号进行插值重采样处理,将非平稳时域信号转化为平稳角域信号;再利用齿轮齿数和轴承故障特征系数信息,采用以齿轮啮合频率及其谐波为中心频率,以轴承最大故障特征系数的倍频为带宽的阶次域频带分割方法,计算频带能量并排序,选择能量较大的频带作为解调频带进行滤波;最后利用Hilbert解调方法对上述滤波后的信号进行阶次包络平均处理,最终实现轴承故障的识别和诊断。通过齿轮啮合动力学分析,解释了轴承故障冲击成分对齿轮频带的调制作用,实际应用结果表明:提出的方法在频带选择时融合了和故障相关的设备参数信息,所选频带的可解释性强,且综合利用了与故障相关的多段频谱结构信息,通过阶次包络平均处理进行解调谱特征融合,提高了诊断结果的鲁棒性和准确度,为变速重载设备轴承故障预测和诊断提供了一种新的方法。     

应用实测位移记录识别结构动力特性

本文根据原型振动实测的位移记录,应用时间域识别法,求得了结构的前几阶模态的固有频率和阻尼比.本文还根据Ibrahim提出的模态置信因子的概念,定义了模态频率置信因子和阻尼比置信因子,从而能更准确地确定识别到的结构模态参数的可靠程度.     

工程振动信号微积分敏感性及其应用研究

工程施工监测中常常需要监测振动速度信号或振动加速度信号,振动速度信号和振动加速度信号的频谱特性差别很大,进而影响后续分析.本文采用傅立叶变换的时域微积分性来分析工程振动信号频谱的微积分敏感性,并通过拉普拉斯变换求取结构振动傅立叶谱,自功率谱,频响函数,并分析它们微积分敏感性.通过频响函数分析了其微分敏感性的物理意义.通过对背景工程中高层建筑实测自然激励的振动信号,验证了频谱微积分敏感性,并分析了频谱微积分敏感性对于振动信号分析的影响.研究结果表明：工程振动信号在数学上由于傅立叶变换的时域微积分性质,使得傅立叶谱峰值的频率分布具有微积分敏感性,随着振动信号微分阶次的升高,高频成分逐渐升高,低频成分逐渐降低;由不同信号的频响函数表达式,对结构动刚度、阻抗、动质量的频率分布规律进行了阐述;不同监测信号对于高、低频成分的识别精度不同,对于结构物高、阶模态的识别精度亦不同,对于高阶的频率成分的识别建议进行振动加速度信号监测,对于低阶频率的识别建议采用振动速度信号监测.     

斜拉桥拉索实测信号的处理分析

由于环境噪声等多种因素的干扰,基于环境激励的斜拉索实测信号,往往会呈现非平稳性和非平滑性,故提出了利用五点三次法对拉索实测信号进行平滑消噪处理,以此来提高拉索频率的识别精度.以实际斜拉桥工程中的拉索实测信号为研究对象,应用五点三次法对拉索信号进行平滑消噪处理,利用求极值方法确定拉索各阶频率值及其位置,进而提高斜拉索索力的识别精度.结果表明:五点三次平滑结合极值处理可以很好的识别拉索各阶频率,为频率法更加准确识别斜拉索索力提供了可能.     

交叉更新参考信号的振动主动控制方法

针对参考频率与振源信号频率不一致时自适应前馈式振动主动控制方法无法取得良好控制效果的问题,提出了一种交叉更新参考信号的方法。该方法将余弦、正弦信号分量通过交叉更新得到带有幅值和相位信息的初始信号,再经正交化处理来保证正弦、余弦信号幅值稳定且只含有相位的更新信息。结合传统的滤波-X最小均方(FXLMS)方法,通过带通滤波器,有效滤除了谐波成分的残余振动信号,从而形成了一种振动主动控制方法。仿真和试验结果表明,振动主动控制方法能够在获得的参考信号频率不准确的情况下,通过交叉更新参考信号将参考信号频率收敛到实际的振源信号频率,在无法获得准确的振源信号频率的条件下进行有效的振动主动控制。     

自适应广义形态滤波和GG聚类在轴承故障识别中的应用研究

针对复杂工况下滚动轴承受机械噪声等因素影响轴承故障类型区分难的问题,提出了一种基于自适应广义形态滤波和GG聚类的轴承故障诊断方法。采用自适应广义形态滤波对轴承振动信号进行降噪处理,对降噪后的信号进行变模式分解,去除虚假分量和噪声分量,最后对去噪后故障特征较多的信号分量求解近似熵,作为特征向量输入GG聚类分类器中,达到故障分类。仿真实验结果证明该方法能有效提取信号特征信息,准确识别故障类型。     

信号经验模式分解与间断频率

基于环境激励条件下结构的模态参数识别问题需要处理采集的数据信号来得到所需的参数信息.经验模式分解(EMD)通过筛分过程将原始信号分解成若干个基本模式分量(IMF),可看作无需预设带宽的自适应高通滤波方法.通过设置间断频率可以避免模态混叠,使每一个基本模式分量表示结构的某一阶固有模态.采用信号实例说明该方法的主要计算过程,分解结果表明该方法能有效对信号进行分解,方便模态参数识别.     

基于状态机的里程计信号滤波方法

提出并实现了一种基于状态机的里程计信号数字滤波方法。该数字滤波方法以FPGA为硬件基础,对经过阻容滤波和光电耦合器隔离后的里程计信号,进行毛刺信号的检测和滤除;分析了里程计信号存在多次振荡时可能造成亚稳态的原因,针对此情况给出了对亚稳态异常情况的处理方法;给出了滤波状态机的详细设计方法。在仿真环境和试验室环境下,使用方波信号、脉冲信号、三角波信号和高斯信号等对滤波效果和亚稳态异常处理措施进行仿真和测试,结果表明该数字滤波方法可以有效滤除干扰信号、计数结果准确;应用该数字滤波方法的某车载系统进行了跑车实测,结果满足系统要求,证明该方法具备工程上的可行性。     

小波域维纳滤波在振动信号去噪中的应用研究

维纳滤波和小波阈值滤波是振动信号去噪的常用算法.前者在阶次较低时对非平稳振动信号的处理不能取得较好的效果,而后者对信号的滤波无法满足后期处理的要求.针对此问题,论文将维纳滤波和小波阈值滤波相结合,提出小波域维纳滤波算法.将维纳滤波运用于小波域,充分利用小波变换对非平稳振动信号的白化作用,实现更好的滤波效果.结合工业现场实测汽轮机振动信号,对算法进行分析与仿真.实验结果表明,该算法不仅保持了信号的线性相位特性,同时取得了较好的噪声去除效果,适用于振动信号的去噪处理,优于维纳滤波和小波阈值滤波.     

基于状态机的里程计信号滤波方法

提出并实现了一种基于状态机的里程计信号数字滤波方法。该数字滤波方法以FPGA为硬件基础，对经过阻容滤波和光电耦合器隔离后的里程计信号，进行毛刺信号的检测和滤除；分析了里程计信号存在多次振荡时可能造成亚稳态的原因，针对此情况给出了对亚稳态异常情况的处理方法；给出了滤波状态机的详细设计方法。在仿真环境和试验室环境下，使用方波信号、脉冲信号、三角波信号和高斯信号等对滤波效果和亚稳态异常处理措施进行仿真和测试，结果表明该数字滤波方法可以有效滤除干扰信号、计数结果准确；应用该数字滤波方法的某车载系统进行了跑车实测，结果满足系统要求，证明该方法具备工程上的可行性。     

基于多域流形的行星齿轮箱局部故障识别

行星齿轮箱振动信号包含多种频率成分和噪声干扰,频谱具有复杂的边带结构,容易对故障识别造成误导甚至引起错判.在不同故障状态下,行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同,根据这一特点,提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题,增强对噪声干扰的鲁棒性,采用局部均值分解法将信号自适应地分解为单分量之和,提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题,采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法,并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号,根据样本流形特征聚类结果,分别识别出了太阳轮、行星轮和齿圈的局部故障,从而验证了上述方法的有效性.     

独立分量分析联合小波变换的多分量信号调制识别研究

对复杂电磁环境下多分量信号进行调制识别,可通过准确估计接收信号的瞬时频率来分析其脉内细微特征。本文联合独立分量分析和小波变换技术,对多分量辐射源信号进行了盲源分离和调制识别的研究。在无先验信息条件下,采用Fast ICA对混叠信号分离,将时频混叠信号分解成一系列独立分量。对分离后的单分量信号分别做小波变换处理,由小波系数的局部模极大值提取其小波脊线。针对不同调制类型雷达信号,用最小二乘法对时频小波脊线进行直线拟合,获取特征参数,通过计算特征值判决出信号的调制类型。通过仿真实验表明,该方法可以分离混叠信号并有效提取信号小波脊和瞬时频率,进而识别出信号的调制类型,并在低信噪比情况下仍有较高的识别概率。     

基于SVD与改进EMD联合的泄流结构工作特性信息提取

针对泄流结构振动信号非平稳性和特征信息被强噪声淹没的实际问题,提出基于奇异值分解(SVD)和改进经验模态分解(EMD)联合的特征信息提取方法.首先,对一维泄流振动信号时程进行相空间重构,运用SVD分解技术提取振动信号的奇异值信息,并通过奇异熵增量定阶理论滤除泄流振动信号中的高频噪声,实现信号的初次滤波;其次,对初次滤波信号进行正交化EMD分解,运用频谱分析方法筛选包含主要结构振动信息的各IMF,滤除低频水流噪声,实现信号的二次滤波;最后,将包含结构振动信息的IMF分量重构,得到泄流结构的工作振动特征信息.通过数值信号仿真验证本文方法的正确性,可有效滤除高频和低频噪声,凸显结构振动特征信息.结合三峡5号坝段泄流振动实测数据,运用本文方法进行坝体特征信息提取,并与ERA辨识结果进行比较,进一步说明本方法在泄流结构振动信息分析中的优越性,可为泄流结构在线监测和安全运行提供依据.     

基于BFD和MSCNN的风电滚动轴承智能故障诊断

针对变工况下风电滚动轴承的健康状态评估问题,提出了一种基于带宽傅里叶分解(BFD)和多尺度卷积神经网络(MSCNN)的智能故障诊断方法.首先,通过BFD算法将原始振动信号分解为一系列带宽模态函数(B MF);然后,通过希尔伯特阶次变换(HOT)计算各BMF的包络阶次谱,并根据特征阶次比筛选出分解结果中包含故障信息最多的有效分量.最后,通过MSCNN学习有效分量的包络阶次谱与故障类别之间的映射关系以实现滚动轴承健康状态的自动识别.实验结果表明,所提方法采用BFD分解结果的包络阶次谱作为故障识别的特征量,能有效提高模型在不同工况下的泛化能力,其测试准确率达到97％以上,可应用于变工况条件下风电滚动轴承的智能故障诊断.     

基于LabVIEW编程语言的重采样阶次比分析研究

阶次分析是旋转体机械振动监测及故障诊断的最重要方法之一,因为转速的波动会使频谱图上基频以及各次谐波分量变得模糊。基于重采样原理的阶次分析是实现信号从等时采样到等角度采样的一种信号处理方法,它主要能解决因转速波动而产生的谐波分量重叠所带来的困难。本文主要通过对比基于LabVIEW编程语言的频谱分析和阶次比分析在研究变速旋转体振动信号中的优劣势,深入探讨实现阶次比分析的原理过程。     

基于LabVIEW编程语言的重采样阶次比分析研究

阶次分析是旋转体机械振动监测及故障诊断的最重要方法之一,因为转速的波动会使频谱图上基频以及各次谐波分量变得模糊.基于重采样原理的阶次分析是实现信号从等时采样到等角度采样的一种信号处理方法,它主要能解决因转速波动而产生的谐波分量重叠所带来的困难.本文主要通过对比基于LabVIEW编程语言的频谱分析和阶次比分析在研究变速旋转体振动信号中的优劣势,深入探讨实现阶次比分析的原理过程.     

海上风机结构工作模态识别的组合降噪方法

海上风机结构现场原型观测所获取的振动加速度信号中,往往混有大量的电磁工频、机组转频及环境噪声等成分,这些干扰信号处理不当易导致模态识别失真与产生虚假模态等问题.针对这一问题提出了基于自适应滤波与集成经验模态分解(EEMD)法的组合降噪方法.通过对测试信号采取滤波、分解、降噪及重组等过程可以更有效地降低各种噪声干扰,以完整地保留结构自身的振动信息;再利用随机减量法(RDT)和特征系统实现法(ERA)完成模态信息的初步识别,并结合振型分析等手段剔除虚假模态,实现准确提取海上风机结构工作模态参数的目的.该方法相比传统的降噪方法在噪声统计特征不足情况下具有更好的降噪精度和降噪效率,对基于实测信号获取风机结构工作模态信息有很好的工程应用价值.