首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 109 毫秒
1.
基于离散傅里叶变换(DFT)理论的传统谱分析方法无法满足发动机过渡态振动测定试验数据分析的需求。针对这一问题,结合发动机飞行试验的工程特点,建立了发动机过渡态试验转子振动信号的阶比跟踪分析方法,并利用该方法对某发动机试飞数据进行了分析,取得了良好的效果,证实了所建立方法的有效性。  相似文献   

2.
针对自动启停车辆在启停过程中的抖动问题,为快速有效识别启停抖动的振动特性,提出一种应用小波变换(WT)与短时傅里叶变换(STFT)结合对振动信号进行准确识别的方法。该方法应用小波变换对启停过程中非平稳信号最大振动时刻进行有效处理,应用短时傅里叶变换分析振动信号峰值振幅和频率。仿真分析和试验对比表明,该方法具有有效性和实际应用价值。  相似文献   

3.
为掌握JZ9-3WHPB平台的动力特性,根据该平台结构特点设计安装了具有远程控制功能的平台冰激振动监测系统,对振动信号实施实时监测和记录。利用短时傅里叶变换对振动信号进行分析,研究结构振动时变特征和模态频率特征。通过比较上下甲板振动信号的相位关系以及信号的滤波处理,分析所测得振动模态的振型特点。在对振动最大值、振动持续时间以及平台水域潮流潮位进行统计分析的基础上,结合平台结构设计,分析了平台的抗冰设计缺陷,给出了防冰建议。  相似文献   

4.
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。  相似文献   

5.
多尺度小波分析在煤矿主通风机故障诊断中的应用   总被引:2,自引:0,他引:2  
快速傅里叶变换在信号分析中有着十分重要的作用,但传统的快速傅里叶变换无法分析通风机故障存在的趋势突变,故障的开始与结束等特征,而这些特征信号往往包含着故障的重要信息,同时,快速傅里叶变换对故障的局部信号分析也无能为力。为此,文中提出将多尺度小波理论与快速傅里叶变换相结合的方法,利用小波的"数学显微镜"特性,弥补快速傅里叶变换的不足,并将该方法应用于通风机故障诊断中,取得了良好的效果,试验表明,该方法可以有效地提高故障诊断的准确性。  相似文献   

6.
微弱振动信号的谐波小波频域提取   总被引:23,自引:0,他引:23  
为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.  相似文献   

7.
为满足频率高时窗口窄、频率低时窗口宽的要求,应用小波分析理论对XB-80-134H型谐波减速器的振动信号进行了分析,利用Daubechies小波对振动信号进行小波分解,并结合阈值去噪方法对信号作了消噪处理,即针对振动信号分解的各层小波系数设定相应的阈值,对于小于该阈值的小波系数认为是噪声并置为零,将剩余的小波系数重构,得到消噪后的振动信号.与传统的傅里叶降噪方法比较结果表明,小波降噪远优于傅里傅里叶降噪方法,小波降噪后的信噪比提高了6dB,而傅里叶降噪只提高了1 dB.  相似文献   

8.
针对基于传统快速傅里叶变换获得的单尺度筒体振动频谱难以有效揭示磨机研磨机理和筒体振动信号组成,以及现有文献中经验模态分解(EMD)技术预测精度低的问题,提出了基于偏最小二乘算法的多尺度筒体振动频谱分析与建模方法.该方法首先采用经验模态分解技术将筒体振动信号分解为具有不同时间尺度的内禀模态函数(IMF),接着通过傅里叶变换获得多尺度频谱,最后采用基于偏最小二乘算法的潜变量贡献率分析和选择不同尺度频谱,并建立融合不同尺度频谱的磨机负荷参数软测量模型.采用实验球磨机的实验数据仿真验证了所提方法的有效性.  相似文献   

9.
周期信号傅里叶变换的讨论   总被引:2,自引:0,他引:2  
解培中  陆音 《科技信息》2011,(1):I0013-I0013
傅里叶变换的概念是针对非周期信号引入的,但周期信号也存在傅里叶变换。本文指出求解周期信号的傅里叶变换有三种方法,一是在一个周期内积分求傅里叶系数,二是利用对应的单脉冲信号频谱与傅里叶系数的关系求,三是利用傅里叶变换的时移性求。本文讨论了不同方法所求周期信号傅里叶变换结果之间的内在联系,进一步揭示出信号的时域与频域的对称特性。  相似文献   

10.
往复式压缩机的振动分析研究   总被引:1,自引:0,他引:1  
为了准确掌握往复式压缩机的振动信息,对振动信号相对平稳的运动部件应用快速傅里叶变换进行振动分析,而对振动激励源较多、频率成分随时间变化的运动部件应用小波理论进行分析,可以避免往复式压缩机振动分析存在的信号失真问题.  相似文献   

11.
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.  相似文献   

12.
小波-傅立叶变换综合法的车桥耦合振动分析   总被引:1,自引:0,他引:1  
将小波变换与傅立叶变换相结合,提出一种处理非平稳信号的新方法小波-傅立叶变换综合法。并用于分析不同车速下桥梁跨中挠度的动力响应曲线,得到完整的时频信息。分析结果表明了该小波-傅立叶变换综合法在非平稳信号时频分析领域有良好的应用效果。  相似文献   

13.
从转子振动的特点出发,根据傅立叶变换与傅立叶级数的关系,提出了两种精确提取转子振动幅相特征的方法。该方法在转子振动测试分析中,具有很好的应用前景。  相似文献   

14.
利用钻柱振动频谱判别钻柱复杂情况的方法   总被引:3,自引:0,他引:3  
为实现钻井过程中井下钻柱运动状态以及井下复杂情况的实时监测,依据振动测试原理,结合实际钻井工况中钻柱振动特征,研制钻柱振动信号测量及处理系统。现场试验结果表明:钻柱出现黏卡、跳钻等现象后,利用快速傅里叶变换和小波变换处理方法可有效提取和识别钻柱在井下的振动特征;研制的钻柱振动采集系统可以应用于现场钻柱振动信号的采集、处理,其结果可以判断钻柱的井下工作状态。  相似文献   

15.
为了评价轨道交通引起的环境振动对人们生产、生活的影响,建立了移动集中简谐荷载作用下粘弹性半空间体的计算模型,利用傅立叶变换及其逆变换和格林函数对自由场地的振动规律进行了相关研究,给出了地面振动速度的计算表达式,分析了不同影响因素下的地面振动速度的变化趋势,得到了移动集中简谐荷载作用下粘弹性自由场地振动的一般规律。  相似文献   

16.
基追踪在齿轮损伤识别中的应用   总被引:2,自引:0,他引:2  
针对齿轮的振动特点,设计了复合过完备时频字典,利用基追踪方法在匹配信号特征结构、直接提取特征信息方面的优势分析了齿轮箱的现场测试振动信号.根据基追踪分解结果,在时频联合域内提取了齿轮局部损伤的周期性冲击特征,识别了齿轮点蚀缺陷.与短时Fourier变换和小波变换等时频分析方法进行了对比分析,验证了基追踪检测齿轮损伤的有效性.  相似文献   

17.
通过对地铁线路某区间段的地面振动进行现场实测。对比不同距离处地面振动的加速度时程曲线,运用快速傅里叶变换研究分析振动沿地面衰减规律.所得结论可为地面建筑减振隔振及城市道路的规划设计提供参考依据。  相似文献   

18.
基于小波分析的滚动轴承故障诊断研究   总被引:2,自引:0,他引:2  
小波分析是针对非平稳信号的一种有效的数据分析方法。在此基础上提出了基于小波分析的滚动轴承故障诊断技术。它将振动信号进行小波分解与重构,然后对其中某粗略信号进行频谱分析,其频谱特征可以揭示故障的有无及其发生部位。通过滚动轴承内环点蚀、外环划痕、滚动体划痕三种典型故障的实验,验证了该方法在滚动轴承故障诊断方面的可行性和有效性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号