非平稳信号

摘要： 为解决采用在转子升降速过程中产生的非平稳信号难以进行故障诊断的问题,提出一种基于2维时频脊线和阶次分析的转子故障诊断方法。采集转子升降速信号,采用2维时频分布的峰值脊线提取法获得信号脊线特征,结合脊线特征与等角度重采样技术依次获得信号角度域、角-阶域和阶次域图像,将信号阶次域内的特征参数作为故障敏感特征,输入人工神经网络诊断模型,对转子信号的故障类型进行分类。利用实测信号验证所提方法的实际应用效果,并与传统特征提取法的结果进行对比。结果表明:阶次分析方法的测试准确率约为99.8%,标准差小于0.09%,均优于传统特征提取法。基于时频脊线和阶次分析的转子故障诊断方法具有更高的诊断准确率,在非平稳信号特征提取过程中具有很好的可行性和准确性。

摘要： 风电机组齿轮箱故障一直是风电场主要机械故障之一,其故障信息多是混有噪声的非平稳信号。为避免陷入对复杂的非线性信号求解,提出多种算法融合下的数字信息频率筛查处理方法。首先利用小波分析对高频信号的敏感性进行消噪,然后充分利用Hilbert-Huang变换对非平稳信号的分解和时频变换能力进行信号特征挖掘,在被干扰的非平稳信号里面找出故障对应频率。充分利用多种算法融合有效去除与主频率不相关的高频噪声,找出时域变换的边际谱。避免了直接分解含有高频信号的不确定性,降低了信号分解过程中回流成分,避免发生反射现象,完成对风电机组齿轮箱故障的非平稳信号频率筛查比对。通过对某机组进行故障实验,验证数字信息频率筛查方法的有效性。

摘要： 滚动轴承是风力发电机齿轮箱的结构里不能缺少的重要组件,时常会遭受磨损,特别是当有很大的载荷时,启停时刻转速的急剧增大或减小经常会导致其发生故障,因此针对非平稳工况下轴承的故障诊断是必要的。传统对风力发电机齿轮箱轴承的故障诊断算法有着不少弊端,如计算较复杂、效率不高、占时较长等。基于实现双馈风力发电机齿轮箱轴承故障诊断方法的优化,课题组结合风力发电机工作原理和机械结构特点,通过阶比(order)分析,进行与旋转部件转动有关的测量。课题组深入研究双馈风力发电机齿轮箱内部常见故障的在线监测与故障诊断系统,采集发生故障时的振动信号特征,并利用虚拟仪器技术与LabVIEW等多款软件通过新型传感器如扭矩传感器、风速传感器、位移传感器等进行构建诊断与监测环节,配合采集卡及逻辑控制编程,分析时域和频域故障特征,还尝试研究引入基于深度学习的大数据分析方法,更好地预测并解决风力发电机齿轮箱故障问题。仿真结果表明,通过对振动信号进行短时傅里叶变换,然后进行转速追踪、拟合并得到转速变化曲线,最后进行阶比分析,得出故障部位信息,实现了双馈风力发电机齿轮箱轴承无转速信号工况下的故障诊断分析。

摘要： 伪Wigner-Ville分布(Pseudo Wigner-Ville Distribution,PWVD)是一种重要的时频分析方法。建立在其理论含义的基础上,对露天采场采集到爆破振动波形进行了PWVD时频分析。通过编制相应程序,提取各测点三向爆破振动峰值时间、峰值频率及峰值能量信息,拟合得到三者之间的关系,重点揭示了爆破振动峰值能量、峰值时间、峰值频率随爆心距衰减的本构特征方程。研究表明,在该场地条件下,边坡台阶一定高程12~22m(对应爆心距为98~127m)范围内,对爆破振动响应信号具有一定的放大效应,爆破振动峰值能量、峰值时间、峰值频率随爆心距的变化呈现明显的幂函数关系。伪Wigner-Ville分布具有明确的物理意义,能清晰直观地反映爆破振动波形所包含的能量在时—频平面上的分布状态。

摘要： 在变转速的工况下,针对传统的信号处理方法无法准确地确定电机轴承故障部位这一难题,提出并研究无转速计阶比分析方法.通过对所采集的故障信号进行短时傅里叶变换、转速追踪间接得到电机故障轴承的转速信号,完成转速信号的提取过程并进行阶比分析,得到轴承故障诊断结果.结果表明:该方法可以有效地对电机轴承故障部位做出具体的判断.

摘要： 电磁辐射干扰检测是电磁兼容测试工作的一项基础内容,是排查电磁兼容故障的重要手段.该研究提出了一种基于改进的经验模态分解的电磁辐射信号处理方法,适合于噪声环境中非平稳电磁辐射干扰信号的检测.该方法的基本思想是将包含多种频率成分的复杂信号分解,得到相应的本征模态函数,然后利用自适应滤波器完成信号提取,从而达到加快复杂电磁环境下电磁辐射干扰源定位的目的.

摘要： 实际工程中采集的振动信号常为非平稳信号,频谱分析难以揭示该类信号的局部特征;提出基于变分模态分解(VMD)与Teager能量算子解调的非平稳振动信号时频分析法;对比研究了VMD和经验模态分解(EMD)对3种典型非平稳振动信号(含噪声、冲击和间断信号)的分解;结果表明:VMD方法的抗混叠能力更强,具有更强的分解能力;利用Teager算子对VMD分解的IMF分量解调,获得包含瞬时频率和瞬时幅值的时频图,可清晰刻画出原始信号的中心频率,有效揭示振动信号的局部时-频关系;该工作可为复杂机械结构振动控制和故障诊断等提供有益参考。

摘要： 实际工程中采集的振动信号常为非平稳信号,频谱分析难以揭示该类信号的局部特征;提出基于变分模态分解(VMD)与Teager能量算子解调的非平稳振动信号时频分析法;对比研究了 VMD和经验模态分解(EMD)对3种典型非平稳振动信号(含噪声、冲击和间断信号)的分解;结果表明:VMD方法的抗混叠能力更强,具有更强的分解能力;利用Teager算子对VMD分解的IMF分量解调,获得包含瞬时频率和瞬时幅值的时频图,可清晰刻画出原始信号的中心频率,有效揭示振动信号的局部时-频关系;该工作可为复杂机械结构振动控制和故障诊断等提供有益参考.

摘要： 针对传统的DDoS网络攻击检测方法未提取信号时频特征,而存在检测速度慢,甚至不能完全检测出是否受到攻击的问题,提出一种基于非平稳信号时频分析的DDoS攻击检测方法.因为攻击特征通常表现为一组非平稳的宽带信号,所以需要先构建DDoS攻击信号模型,采用包络延扩展方法,对其进行采样完成模型构建,同时因DDoS攻击非平稳宽带信号时频特征存在较好的时频聚集性,所以需要将DDoS攻击信号转变为复信号,从而提取时频特征,最后利用攻击信号模型模型与提取的时频特征货获取训练样本,计算其分类权重,完成对DDoS攻击进行检测.仿真结果证明,方法对DDoS攻击的检测速度较快,正确率高,具有良好的检测效果.

摘要： 多数自然振动为平稳信号,且受光纤分布式振动传感系统的干涉光信号调制.作为事件识别关键参量之一的幅值信息无法采用传统信号分析方法准确获得.本文基于分数阶傅里叶变换在统一的幅、时、频域内更准确地提取Phase-sensitive optical time domain reflectometry(Ф-OTDR)信号的幅值信息.在分析Ф-OTDR非平稳信号形成原因的基础上,进一步讨论分数阶傅里叶变换的适用条件,最后在实际地下电气管廊第三方破坏中检测分数阶傅里叶变换提取Ф-OTDR信号的幅值信息的有效性.分数阶傅里叶变换在连续的幅、时、频域分析中,更准确地提取非平稳振动信号的幅值信息,有助于Ф-OTDR事件探测与类型分析.

摘要： 随着运行速度的提高,高速铁路车内噪声问题更为突出,需要深入研究噪声源的传播特性及其对车内合成声场的联合作用机制,进一步加强高速铁路低噪声优化设计.盲源分离技术具有在激振源与传输通道未知的情况下分离观测信号提取源信号的优点,但高速铁路振动与噪声信号具有变频非平稳、信源数目动态变化等特点,既有的信号处理方法不适用.非平稳信号的稳健高效分离已成为制约盲源分离实际应用的关键瓶颈之一.本项目旨在研究非平稳信号盲源分离原理,为高速铁路低噪声控制提供理论依据和方法指导.针对非平稳源信号的稳健高效分离问题提出了基于自适应滤波理论的全局最优信噪比盲源分离方法、基于拉氏逼近贝叶斯选择原理的时变信源数目辨识方法;仿真计算和实验结果表明，新方法对非平稳信号的处理效果显著优于传统的时频分析方法和经典的盲源分离方法。开展了不同工况下的高速列车振动与噪声测试实验，分析了高速铁路车内声场分布、噪声来源与传播机制。建立了实验相符的车体有限元结构模型、声学空腔模型与声固耦合模型，基于声学传递向量特性开展了噪声贡献量分析，提出了高速列车降噪优化设计建议。

摘要： 零空间追踪(Null Space Pursuit,NSP)是在局部窄带信号和算子理论的基础上提出的一种自适应分解算法,论述了该方法的原理和算法,并通过仿真与经验模态分解(EMD)方法进行了对比研究.仿真结果表明,NSP能够保证其收敛性,存处理非平稳信号及微弱信号检测方面比EMD具有明显的优势,在机械故障诊断中具有广阔的应用.

摘要： 为解决非平稳信号条件下频域有功功率的计算问题,提出了结合滑动窗ESPRIT和FFT的混合谐波分析算法.算法以电流信号作为基准,分别对电压和电流扰动数据进行自适应分段,采用滑动窗ESPRIT和加窗插值FFT分别对非平稳段和平稳段的电压、电流信号进行谐波分析,进而基于频域功率理论框架完成有功功率的计量.仿真和实测数据分析结果验证了算法的有效性和正确性.

摘要： 提出了一种新的自适应非平稳信号分析方法——局部波动特征分解(Local oscillatory-characteristic decomposition,LOD),该方法以信号本身的局部波动特征为基础,并采用微分、坐标域变换、分段线性变换等运算手段将信号分解为一系列瞬时频率具有物理意义的单波动分量(Mono-oseillatory component,MOC).每一个MOC分量都代表了原始信号的一种波动特征,从而能反映原信号的本质特征.在详细说明LOD的分解原理的基础上,分别采用LOD和经验模态分解(Empirical mode decomposition,EMD)对仿真信号进行了对比分析,结果表明了LOD的有效性,以及在端点效应、迭代次数和分解时间等方面的优越性.

摘要： 研究了一类非平稳信号卷积混合盲分离的时域新算法。首先利用滑窗处理将卷积混叠模型转化为瞬时混叠模型，并利用信号的独立性以及二阶非平稳性建立一般代价函数。接着，引入不同的加权函数得到相应的离线和在线算法，使得算法能够很好实现对非平稳信号的实时跟踪。最后，基于自然梯度方法详细推导了算法的实现过程并给出了其具有等变化性、收敛性的理论证明。仿真实验表明，通过合理的参数设置，离线和在线算法均能够准确跟踪信号的非平稳性，分离效果较好。

摘要： 对于处理频率随时间变化的非平稳信号,传统的时域或者频域表示方法已经不能够满足需要.因此,时频分析成为分析时变非平稳信号的有效工具.基于Crazy Climber的时频分析方法对于一般时频分析方法的结果中出现的时频模糊现象具有明显的改进效果,有利于提高故障诊断过程中瞬时频率估计的准确性.尤其对于带有噪声的时频分布,可以在重新计算时频排列的过程中降低噪声的权值,使瞬时频率估计更加的准确.

摘要： 静电放电信号是非平稳信号,其频率是时变的,为了更好地反映其时频特性,采用时频分析法:小波变换.本文基于Morlet小波,通过对实际静电放电信号进行分析,获得其二维和三维时频图.结果表明,基于小波变换的静电放电时频图能够细致的刻画信号在时频上发生的变换,准确反映静电放电信号的时频特性,可有效满足对静电放电信号进行时频分析的要求,有利于对信号特征的提取以及信号去噪.

摘要： 为了有效的分离多分量信号,研究了一种Fourier-Bessel变换、时频分析和分数阶傅里叶变换(Fractional Fourier Transform,FrFT)相结合的算法来分离多分量非平稳信号.该算法先对多分量信号采用FrFT,使成分重叠的信号在分数阶Fourier域不重叠,再计算其Fourier-Bessel系数,根据系数与信号频率一一对应的性质提取成分信号,最后对提取成分应用FrFT反变换还原信号,实现了频率重叠的非平稳信号在时频平面的分离.该算法对多分量信号具有良好的分离效果,采用计算机仿真对该算法性能进行了验证.

摘要： 针对ESPRIT算法无法分析非平稳电能质量扰动的问题,提出了一种基于自适应滑窗-旋转不变子空间算法(AdaptiveSliding Window ESPRIT,ASW-ESPRIT)的时频分析方法.该方法首先根据非平稳电能质量扰动信号特征,采用自适应滑窗对信号数据进行分块,然后利用ESPRIT算法对每块中的数据进行处理,检测出频率和幅值信息,接着联合所有窗口的分析结果,从而得到整个信号的时频率分布信息.最后对电能质量干扰的非平稳信号进行了仿真实验,实验结果表明,所提出的方法适合动态电能质量扰动检测,具有实际应用前景.

摘要： 解线性调频是常用的时频分析算法，分析了算法原理、最小搜索步长、可达到的分析精度与SNR和频率相对分布关系，并在此基础上提出了基于最小二阶乘的提高分析精度改进方法。仿真验证表明理论分析正确，改进算法在信号输入SNR在0 dB时，可使分析精度提高10倍左右。

摘要： 本发明公开了一种基于振动信号平稳非平稳性判别及特征甄别的智能电厂泵机故障诊断方法。本发明主要针对的是火力发电机组中的泵机设备，通过经验模态分解对原始信号进行分解得到多个本征模态分量，并利用小波分解克服了EMD分解的模态混叠问题。同时对分解得到的子信号进行平稳性判别，对平稳部分和非平稳部分分别进行特征计算。在特征计算方面，由于泵机的振动信号发生异常时，其频谱特征变化明显，加入了一倍频和二倍频特征。另外，对关键特征进行选择，降低了特征向量的维数，减少了数据的冗余，提高了火力发电机组中泵机设备振动信号故障诊断的准确率，有助于现场工程师对故障进行准确的修复，从而保证了发电过程的安全可靠运行并提高了生产效益。

摘要： 本发明公开了一种基于振动信号平稳非平稳性判别及特征甄别的智能电厂泵机故障诊断方法。本发明主要针对的是火力发电机组中的泵机设备，通过经验模态分解对原始信号进行分解得到多个本征模态分量，并利用小波分解克服了EMD分解的模态混叠问题。同时对分解得到的子信号进行平稳性判别，对平稳部分和非平稳部分分别进行特征计算。在特征计算方面，由于泵机的振动信号发生异常时，其频谱特征变化明显，加入了一倍频和二倍频特征。另外，对关键特征进行选择，降低了特征向量的维数，减少了数据的冗余，提高了火力发电机组中泵机设备振动信号故障诊断的准确率，有助于现场工程师对故障进行准确的修复，从而保证了发电过程的安全可靠运行并提高了生产效益。

摘要： 提供了用于在存在非平凡噪声频谱的情况下，概率性地估计个体的脉搏率的系统和方法。实施例可以包含：从与装置相关联的一组传感器测量一组信号，该组信号包含从个体获得的光电容积脉搏(PPG)信号；将PPG信号变换到频域；并且对变换后的信号应用带通滤波器以生成滤波后的信号。实施例还可以包含识别滤波后的信号中的一个或多个峰值；为一个或多个峰值的集合中的每个峰值生成一个或多个样本分类器的集合；并且将该样本分类器的集合与包含在学习库中的库分类器的集合进行比较，其中每个库分类器与分类系数相关联，该分类系数反映该库分类器与已知脉搏率轮廓之间的相关程度。

摘要： 本发明提供了一种非平稳超高斯随机振动信号的模拟方法，通过采用Weibull分布和Beta分布的线性组合，将调制信号w(t)和b(t)线性组合在一起，通过计算得到调制信号s(t)，通过将调制信号s(t)与高斯信号相乘完成非平稳超高斯随机振动信号的模拟，本发明可准确模拟现场实测非平稳超高斯随机振动信号，提高振动试验精度，提高产品可靠性和疲劳寿命的评估精度，从而提高产品生产企业的经济效益。

摘要： 本发明公开了一种非平稳次同步振荡信号检测方法、系统和终端，属于电力系统振荡检测领域，包括设计EKF的自适应重置策略，引入残差作为自重置指标，设计了基于M2M4估计器的自适应重置阈值调整方法，以在不同噪声环境下自适应调整重置阈值。当自重置判据生效时，将EKF参数初始化并继续对信号进行检测，以实现含噪声非平稳SSO信号的实时监测。最后，通过仿真分析验证了提出方法的有效性。

摘要： 本发明公开了一种结构风致振动时间序列信号非平稳段自动提取方法，包括：采用既定长度数据段区域最大值三次样条插值的方法计算振动时间序列信号的上包络线，使用高斯混合模型拟合上包络线数据的概率密度分布，将高斯混合模型中均值最小的一阶单高斯分布拟合参数定义为振动信号平稳数据的统计特征参数，并计算其累积分布函数在保证率逼近于1时的振动平稳数据临界值，从振动时间序列信号中截取上包络线数据连续大于临界值的对应时刻数据段，选取截取的数据段中长度大于预设长度且最大值大于预设值的数据段作为风致振动非平稳段的有效结果。本发明方法实现较少依赖相关从业人员专业知识的结构风致振动时间序列信号非平稳段自动化快速提取。

摘要： 本发明公开了一种基于平稳与非平稳振动信号特征选择的汽轮机主机故障诊断方法。本发明针对的是火力发电汽轮机组中汽轮机，结合运用集成经验模态分解(EEMD)和递归特征消除方法，详细分解与提取了平稳与非平稳信号的关键特征，用于汽轮机振动信号的故障诊断。本发明充分考虑了汽轮机振动信号的非平稳并夹杂大量噪声等特性，充分挖掘了故障数据所包含的潜在信息，针对平稳和非平稳数据分别提取了特征，克服了非平稳数据特征易被掩盖的问题。同时提取了关键特征，降低了特征向量的维数，减少了数据的冗余，提高了汽轮机振动信号故障诊断的准确率，有助于现场工程师对故障进行准确的修复，从而保证了发电机汽轮机设备的安全可靠运行并提高了生产效益。

摘要： 本发明公开了一种基于平稳与非平稳振动信号特征选择的汽轮机主机故障诊断方法。本发明针对的是火力发电汽轮机组中汽轮机，结合运用集成经验模态分解(EEMD)和递归特征消除方法，详细分解与提取了平稳与非平稳信号的关键特征，用于汽轮机振动信号的故障诊断。本发明充分考虑了汽轮机振动信号的非平稳并夹杂大量噪声等特性，充分挖掘了故障数据所包含的潜在信息，针对平稳和非平稳数据分别提取了特征，克服了非平稳数据特征易被掩盖的问题。同时提取了关键特征，降低了特征向量的维数，减少了数据的冗余，提高了汽轮机振动信号故障诊断的准确率，有助于现场工程师对故障进行准确的修复，从而保证了发电机汽轮机设备的安全可靠运行并提高了生产效益。

摘要： 本发明提供了一种基于短时窗均值‑VMD算法的惯导非平稳信号降噪方法，属于定位导航领域。该方法包括的步骤有：(1)短时窗求均值处理；(2)信号平稳化处理；(3)变分模态分解处理；(4)信号重构；(5)降噪信号获得。本发明的方法消除了振动与电磁等多源异构噪声干扰对组合惯导定位检测影响，能够抑制煤矿掘进工作面多源异构噪声干扰，提升煤矿掘进装备定位精度。

摘要： 本发明公开了一种非平稳信号与演化功率谱密度的相互转换方法，包括由非平稳信号计算演化功率谱密度的步骤和由演化功率谱密度计算非平稳信号的步骤；由非平稳信号计算演化功率谱密度的步骤包括设定高斯窗函数并乘以非平稳信号得到高斯脉冲集合；修正得到修正高斯脉冲集合；进行傅里叶变换得到时频矩阵，并生成最终的演化功率谱密度；由演化功率谱密度计算非平稳信号的步骤包括生成虚部为0的时频矩阵；傅里叶逆变换得到相位为0的修正高斯脉冲集合；移动修正高斯脉冲的中心位置到初始位置得到高斯脉冲矩阵，并重构得到最终的非平稳信号。本发明提供了一种简单可行的非平稳信号与演化功率谱密度的相互转换方法，可靠性高、实用性好，简单易行。