比值法的频率估计精度分析

针对快速傅里叶变换(FFT)中的频谱泄漏现象,对目前工程信号处理中广泛采用的多种比值频率估计算法进行了系统深入的研究。首先综合论述了各种比值频率校正方法的原理、特点,具体分析了信噪比、采样序列含有的波数以及无量纲频率偏移量对各种方法频率估计精度的影响。然后,采用仿真实验对各种频率校正方法的性能进行了具体的分析与比较。实验结果表明,频率估计精度存在下限,并不总是随着信噪比的提高而提高;当信号含有的波数较少时,各种方法频率估计的精度较差,对于大部分方法,增加波数能够显著提高其精度,当波数较多时,各方法的精度较好且稳定;加窗能提高Rife-Jane方法和Vetterling方法的精度。最后结合具体的工程环境,给出了频率校正方法的选择规律和原则。     

碳纤维层合板Lamb波损伤检测的加权块稀疏成像法

针对Lamb波稀疏阵列损伤成像方法中存在的成像分辨率低、伪点干扰大的问题,基于损伤在被测结构中的稀疏先验,提出了一种加权块稀疏重构的Lamb波损伤成像方法。首先通过Lamb波在薄板类结构中的线性传播模型,结合稀疏传感器阵列信息,构造过完备Lamb波散射的块稀疏字典;其次将测量得到的Lamb波散射信号在所构建的过完备字典下进行稀疏表示,将Lamb波损伤成像问题转化为加权l_1范数最小化的凸优化问题;最后通过谱梯度投影法,求解所建立的加权块稀疏凸优化模型,得到损伤散射信号在该字典下的稀疏表示系数并以此作为损伤指标,实现对被测结构的损伤成像。碳纤维层合板上的模拟损伤成像结果表明:所提方法在单损伤成像中的定位误差为3.16 mm,在双损伤成像中的最大定位误差为4.24 mm。实验验证了所提方法的有效性,与传统延迟叠加成像法的对比表明,所得损伤成像结果具有更高的分辨率,更小的伪点干扰,但同时也需要更大的计算量。     

采用非相关字典学习的滚动轴承故障诊断方法

针对轴承振动信号中早期故障特征难以识别的问题,提出了利用非相关字典学习稀疏提取微弱冲击特征,进而完成故障诊断的方法。字典的构造是影响稀疏表示算法性能的关键步骤,而传统字典学习方法构造的冗余字典,原子之间具有很强的相关性,不足以表现信号不同的结构特性,也不利于信号准确稀疏重构,进而影响了冲击故障特征信号的提取。因此,在K均值奇异值分解算法(K-SVD)的基础上加入了原子解相关的步骤,形成了非相关字典学习算法(INK-SVD)。采用INK-SVD算法在含噪振动信号段样本中,学习构造低相关性自适应字典;在此基础上,利用稀疏表示方法准确提取冲击故障特征,从而实现更准确的轴承故障诊断。通过仿真分析及实验数据分析,与传统字典学习方法相比,该方法稀疏系数恢复精确度更高,重构信号的包络解调谱更有利于故障特征的辨识,从而验证了该方法的有效性。