基于时频分布图像的柴油机故障诊断

为研究柴油机故障诊断中图像分析法存在的问题,提出了一种基于时频分布图像分析的柴油机故障诊断方法.采集缸盖表面振动信号进行经验模态(Empirical Mode Decomposition,EMD)分解,得到各阶内禀模态函数(Intrinsic Mode Function,IMF),由前2阶IMF重构振动信号,并经Hib...     

基于小波变换方法的汽车碰撞信号分析

研究实车碰撞试验采集的非线性、非平稳信号的处理方法,并进行多分辨率的时频分析。利用小波变换理论,对复杂的瞬态非平稳碰撞信号进行分辨率自适应分析和时频定位,表达碰撞信号的局部特征及变化趋势,发现其内在的本质和规律性。经过对汽车碰撞的原始信号进行db4小波变换,得出特征信号的趋势曲线和系列细节曲线,时频定位的逻辑关系清楚,对分析碰撞过程的时序以及碰撞过程发生的事件具有很好的指导作用。     

LTE-R应用于铁路通信多径衰落信道下的时频同步研究

LTE-R(Long Term Evolution-Railway,长期演进)作为下一代铁路无移动通信系统,采用OFDM(正交频分复用)的调制方式来提高频谱利用率。铁路无线通信系统易受到多径衰落和突发干扰的影响,严重影响铁路的行车安全和运输效率。因此研究符号定时同步和载波频率同步对铁路无线通信系统具有很重要的意义。采用重复共轭结构训练符号的自适应符号同步算法,首先确定训练符号的符号定时同步、载波频率同步以及信道参数,再经过迭代递推把符号定时同步起始位置调到FFT窗口的理想位置和对载波频偏进行补偿。仿真结果表明,该方法在多径衰落信道下有很好的符号定时同步估计和对载波频偏的补偿,信噪比越高符号定时同步估计精度也越高。     

基于LABVIEW的联合时频分析

在LabVIEW平台的基础上,研究了利用联合时频分析(JTFA)方法来分析信号的能量分布情况.此方法利用了短时傅里叶变换(STFT)的基本原理,对线性调频信号等一些非平稳信号进行分析,能很好地描述信号的频率如何随时间而变化,进而能很好把信号区分开来.这种方法比单独利用时域或频域来分析信号具有一定的优越性.     

跨座式单轨车桥时频分布特征与桥梁频率间接识别研究

基于多体动力学与小波时频分析理论建立跨座式单轨的车桥动力响应时频分析体系,并通过缩尺模型试验对该系统准确性进行验证,从而研究跨座式单轨车桥的时频谱分布特征与桥梁频率间接识别方法。研究表明：(1)建立的车桥数值模型具有较好的准确性,能够很好地模拟实际情况;(2)小波分析对桥梁横向、竖向低阶频率识别效果显著,尤其对横、竖向基频识别准确率很高;(3)低车速下横向频率辨识良好,高车速下竖向频率识别更显著,而不平顺主要影响竖向频率。研究结果表明,通过对车辆加速度进行低通滤波分析,可间接获取桥梁的基频信息,这些结果证明了多体动力学与小波时频分析的有效性,能够用于跨座式单轨车桥的动力响应分析;此外,对桥梁频率间接识别的研究,有助于工程实践中更好理解跨座式单轨车桥的性能和安全性。     

典型浅海海域海洋环境电场空间相关性分析

海洋环境电场是船舶电场检测的背景场和干扰场。研究和分析海洋环境电场频域、空间相关等特性,可为海洋中船舶电场信号特征有效提取提供支撑。本文对中国北黄海某海域海洋环境电场观测数据进行分析,通过关联场源因素的分频段滤波得到4个典型频段的电场数据。对各频段的时域、频域、极化特性进行分析,对同一频段不同测量体的数据相关性进行研究,分析结果表明:0.1～1 Hz,5～10 Hz频段的环境电场相关性较好,DC–0.1 Hz,1～5 Hz频段环境电场相关性相对较差。空间不同位置电场存在一定的相位偏移,通过相位补偿可提高环境电场信号的一致性,可为环境电场抑制提供依据。     

基于DFB光纤激光拍频解调的高分辨率声发射检测技术

提出了一种结构简单的基于分布式反馈(DFB)光纤激光器的拍频解调系统,该解调系统的应变分辨率可以达到6.4×10~(-3)με,动态范围可以达到400 MHz。提出的基于DFB光纤激光拍频解调技术的应变分辨率高于基于匹配光栅、线性滤波器和阵列波导光栅滤波器波长解调技术。动态范围大于基于可调谐激光器的相移光纤布拉格光栅强度解调技术和基于光纤干涉仪的光纤激光相位解调技术。整个系统的2个激光相互拍频得到拍频信号,通过基于虚拟仪器的信号采集处理系统进行处理。由高采样率的数据采集卡采集数据,通过基于LabVIEW的软件系统进行信号分析,得到拍频信号的频谱图。由频谱图得到拍频信号的带宽,再根据波长与频率的关系,DFB光纤激光器的灵敏度得到解调系统的应变分辨率。根据NI数据采集卡的采样率得到解调系统的动态范围。采用短时傅里叶变换法的时频分析方法提高应变分辨率。提出的DFB光纤激光拍频解调的声发射检测技术能够以较高的应变分辨率实现对由磨损或断裂等故障引起的高频声发射信号的检测。     

一种基于深度学习的电机轴承故障诊断方法

针对电机轴承故障信号通常呈现出非线性和不稳定性这一缺点,利用短时傅里叶变换将振动信号转换成二维时频图作为输入训练卷积神经网络;再利用卷积神经网络的自学习能力学习电机轴承故障类型与故障特征之间的深层联系.仿真实验结果表明,相比较其他方法,该方法具有更高的诊断准确率,能够更有效地识别电机轴承故障.