小波变换和希尔伯特-黄变换在时频分析中的应用

简单介绍了时频分析的基本理论,将小波变换和希尔伯特-黄变换分别应用于几个非平稳信号的分析当中,将二者进行一个简单的比较,最终得出结论.     

时频分析及其应用

介绍了时频变换和小波变换,利用三级小波包分解,获取信号能量分布的特征向量,根据信号能量分布的特征向量相关系数,确定两种信号相关程度,给出了识别不同信号的识别方法.试验表明本方法在车辆噪声、振动源识别应用方面比传统的分析方法更为简单、有效,为车辆振动和噪声控制的研究提供了新的测试手段.     

基于HHT的船舶非线性横摇运动响应特性研究

针对航行于海上船舶的横摇运动具有非线性非平稳的特点,探索采用希尔伯特-黄变换(Hilbert-Huang Transform,简称HHT)方法研究船舶在波浪中的非线性横摇运动的响应特性,对几种不同海况下的船舶的典型运动响应,首先通过经验模态分解提取典型横摇响应信号的固有模态函数(Intrinsic Mode Function,简称IMF),再对分解得到的IMF分量进行Hilbert变换,求得典型横摇响应信号的Hilbert谱,通过分析所得谱图的特征,获得船舶非线性横摇运动响应的动力学特性。仿真结果表明,HHT方法在分析船舶非线性横摇运动的动力学特性研究中具有可行性和有效性,从而为船舶运动分析研究提供了一个新的方法。     

小波变换与HHT在HVDC系统故障特征提取中的对比研究

介绍了高压直流输电(HVDC)系统的特点及小波变换与希尔伯特-黄变换的原理。针对高压直流输电系统,利用MATLAB/Simulink对其进行交直流侧短路接地故障的仿真,分别通过小波变换和希尔伯特-黄变换对其进行故障特征的提取。分析结果,得到了在HVDC系统的短路故障特征提取中,小波变换有一定的局限性,而希尔伯特-黄变换更有效直观的结论。     

基于小波神经网络的舰载雷达目标识别方法

介绍了用于雷达目标识别的小波神经网络的结构与算法。该方法基于子波变换进行特征提取和识别,在最小均方能量准则下,用共轭梯度算法求解子波函数线性组合的尺度和延时参数,以及神经网络的权值。结果表明,该方法的实际结果具子波的非线性,可有效解决雷达目标的识别问题。     

环境激励下船舶结构模态参数识别方法综述

基于模态分析理论,对环境激励下的模态参数识别方法进行归纳总结,讨论了不同模态参数识别方法的基本思想和优缺点,并着重介绍船舶航行状态下的模态参数识别。文章对国内模态参数识别的研究热点问题进行了阐述,为相关科研人员研究环境激励下模态参数识别提供了有益参考。     

应用移动质量法的结构损伤小波识别方法

为提高结构损伤识别的精度,充分发挥小波识别在特征提取、信号奇异性检测、信号降噪等方面的独特优势,提出采用移动质量多次检测法的结构损伤小波识别方法。该方法采用移动质量块在不同位置对桥梁进行多次测量,利用各次测量的频率值的变量来确定桥梁结构的其他模态参数,从而确定桥梁的局部单一和多处损伤情况。采用数值算例对该方法进行验证,结果显示,对简支梁的单一和多处损伤识别效果明显。     

超声波检测混凝土强度中的声波频谱分析方法

总结超声波检测中声波信息的数值分析方法发展历程,注重分析了快速傅立叶变换,小波分析理论以及引进了目前国际上刚兴起的希尔伯特-黄变换。     

自升式平台的非线性结构动力分析

自升式平台是一种柔度较大的平台结构.在设计这种平台时,应该考虑平台结构的动力特性,特别是要进行非线性的结构动力分析.本文通过对平台实例的计算,指出并分析了结构的线性动力分析和非线性动力分析结果的差异,表明了对自升式平台进行非线性结构动力分析的必要性.     

利用声压信号基于HHT方法识别结构模态参数

文章基于结构振动声辐射的近场声压信号,结合Hilbert-Huang变换推导出声压信号和结构模态参数的关系,实现了利用声压信号对结构模态参数的识别。该方法既结合了声压信号非接触测量的优点,也结合了HHT适合处理非线性非平稳信号的优点,且只需适当一位置近场声压测量值,就可以准确地识别结构的固有频率和模态阻尼比。数值模拟实例也表明了该方法准确有效,为工程实际中结构的模态参数识别提供了一种新的简单实用方法。     

基于时频分析的陀螺平台工作状态识别方法

目前惯导系统在航海、航空、导弹和宇航事业中得到了广泛应用,陀螺仪的精确度和稳定性直接决定惯性导航系统质量的好坏.阐述了陀螺平台的工作原理;对时频分析识别信号信息的方法进行了研究;给出了基于时频分析的陀螺工作状态的识别全过程.     

基于工序质量信息的工艺优化技术研究

机械加工工艺的异常会导致质量波动的产生,异常很难被发现,容易造成二次加工甚至报废品的出现。因此,查找质量隐患,分析原因,找到解决办法是工艺优化的重要途径。加工工艺的好坏受到多种因素影响,这些因素之间相互影响、相互作用,单独对一种因素进行优化往往难以达到理想目标。针对这一问题,提出了运用质量管理的手段实时监控工序状态、查找异常工序,利用正交试验,综合优化机床、刀具、切削参数等工艺条件的工艺优化方法,达到改进工艺、避免质量事故的目的。     

基于无线传感器网络的船舶识别方法

本文总结了基于无线传感器网络的船舶识别方法,并进行可行性分析,提出基于Zig Bee的无线传感网络身份自动识别技术。理论分析表明,基于WSN的船舶识别技术具有良好的兼容性、抗干扰性和安全性,对船舶产业的发展具有很好的促进作用。     

基于非线性水弹性理论的舰船水动力分析

舰船在海上航行时,海风与波浪载荷等都是典型的非线性载荷,载荷导致的舰船结构受力和形变都处于动态变化过程中。为了提高舰船在风浪载荷下的结构强度,提高振动仿真的精度,有必要针对非线性载荷下的舰船动力学特性进行研究。本文系统介绍非线性水弹性理论的原理,并基于高阶元边界法进行了非线性波浪载荷的建模,并在Matlab中进行了舰船的非线性振动响应特征,具有重要的意义。     

基于流固耦合的螺旋桨性能分析及参数优化

为了研究某型螺旋桨水动力及强度特性.首先建立螺旋桨实体模型,再在CFX中设置计算条件,运用CFD有限元方法计算与分析不同进速下螺旋桨的推力系数、转矩系数、敞水效率以及桨叶压力分布等水动力参数特性及其变化趋势;然后通过Workbench平台应用流固耦合方法,将CFX求解得到的螺旋桨表面压力载荷加载到螺旋桨结构强度分析模型上,对螺旋桨的强度进行计算.最后通过改变纵倾角和螺距对螺旋桨结构进行优化,并将仿真结果与原桨比较,结果表明适当增大纵倾角能增大螺旋桨强度,适当降低螺距能提高螺旋桨敞水效率、提高抗空泡性能并增大螺旋桨强度.     

基于流固耦合的螺旋桨性能分析及参数优化

为了研究某型螺旋桨水动力及强度特性。首先建立螺旋桨实体模型,再在CFX中设置计算条件,运用CFD有限元方法计算与分析不同进速下螺旋桨的推力系数、转矩系数、敞水效率以及桨叶压力分布等水动力参数特性及其变化趋势;然后通过Workbench平台应用流固耦合方法,将CFX求解得到的螺旋桨表面压力载荷加载到螺旋桨结构强度分析模型上,对螺旋桨的强度进行计算。最后通过改变纵倾角和螺距对螺旋桨结构进行优化,并将仿真结果与原桨比较,结果表明适当增大纵倾角能增大螺旋桨强度,适当降低螺距能提高螺旋桨敞水效率、提高抗空泡性能并增大螺旋桨强度。     

趸船-锚链体系非线性有限元分析

提出便于工程设计应用的趸船-锚链体系非线性有限元模拟方法,可考虑锚链的几何大变形特征以及锚链-泥面接触行为。根据拟静态分析方法,给出具体计算流程,可对水位变动、外荷载作用情况下趸船-锚链体系的受力和位移进行求解。通过对某海事局工程实例进行分析,验证了计算方法的可行性和工程应用价值。     

Detection of nonlinearity effects in structural integrity monitoring methods for offshore jacket-type structures based on principal component analysis

The detection of changes in the dynamic behavior of structures is an important issue in structural safety assessment. The development of detection methods assumes greater significance in the case of offshore platforms because the inherent problems are compounded by the harsh environment. Here, we describe an instrumented physical model for the structural health monitoring of an offshore jacket-type structure and the results of tests in several different damage scenarios. In a comparative investigation of two different methods, we discuss the difficulties of implementing damage detection techniques for complex structures, such as offshore platforms. The combined algorithm of a fuzzy logic system and a model updating method are briefly discussed, and a method based on stochastic autoregressive moving average with exogenous input is adopted for the structure. The consideration of uncertainties and the effects of nonlinearity were major objectives. So, the methods were also investigated based on the test scenarios consisting of the physical model with a geometric nonlinearity. The principal component analysis method was utilized for the detection of nonlinearity in the recorded data. The results show that the developed methods are suitable for damage classification, but the quality of the acquired signals must be considered an important factor influencing successful classification. The development of these methods may be extremely useful, as such technologies could be applied for offshore platforms in service, enabling damage detection with fewer false alarms.     

基于随机模糊参数的导弹武器系统可用度分析

针对复杂战场条件的导弹武器系统可用度评估,各时间参数分布不完全服从指数分布,且不能用马尔可夫过程来分析的缺点,假定部件的寿命服从指数分布,修理时间和保障延误时间均服从任意分布,并且修理设备服务期服从指数分布,其更换时间服从任意分布的情况下,利用马尔可夫更新过程理论和拉普拉斯变换工具,建立考虑技术阵地设备部分战损情况下和具有保障延误的串联可修导弹武器系统可用度模型。同时考虑分布参数的不确定性和区间模糊性,将随机模糊理论引入可用度分析领域,采用三角模糊数量化模糊信息,并给出算例进行验证。算例结果与前期仿真结果吻合,验证了模型的可行性和有效性。该方法能综合考虑各种可用度的影响因素及其模糊性,为非马尔可夫型系统的可用度分析提供了有效的方法。     

A new time-frequency analysis method based on single mode function decomposition for offshore wind turbines

The Hilbert-Huang transform (HHT) has been widely applied and recognised as a powerful time-frequency analysis method for nonlinear and non-stationary signals in numerous engineering fields. One of its major challenges is that the HHT is frequently subject to mode mixing in the processing of practical signals such as those of offshore wind turbines, as the frequencies of offshore wind turbines are typically close and contaminated by noise. To address this issue, this paper proposes a new time-frequency analysis method based on single mode function (SMF) decomposition to overcome the mode mixing problem in the structural health monitoring (SHM) of offshore wind turbines. In this approach, the structural vibration signal is first decomposed into a set of window components using complex exponential decomposition. A state-space model is introduced in the signal decomposition to improve the numerical stability of the decomposition, and then a novel window-alignment strategy, named energy gridding, is proposed and the signals are constructed in the corresponding gridding. Furthermore, energy recollection is implemented in each gridding, and the reassembling of these components yields an SMF that is comparable to the intrinsic mode function (IMF) of the HHT, but with a significant improvement in terms of mode mixing. Four case studies are conducted to evaluate the performance of the proposed method. The first case attempts to detect three different frequencies in a simulated time-invariant signal. The second case attempts to test a synthesised signal with segmental time-varying frequencies (each segment contains three different frequencies components). The analysis results in these two cases indicate that mode mixing can be reduced by the proposed method. Furthermore, a synthesised signal with slowly varying frequencies is used. These analysis results demonstrate the effective suppression of non-relevant frequency components using SMF decomposition. In the third case, the experimental data from vortex-induced vibration (VIV) experiments sponsored by the Norwegian Deepwater Programme (NDP) are used to evaluate the proposed SMF decomposition for vibration mode identification. In the final case, field data acquired from an offshore wind turbine foundation and offshore wind turbine are analysed. The mode identification results obtained using SMF decomposition are compared with those produced by the HHT. The comparison demonstrates superior performance of the proposed method in identifying the vibration modes of the VIV experimental and field data.