信号特征提取方法与应用研究

论文摘要

信号特征提取是从信号中获取信息的过程,是模式识别、智能系统和机械故障诊断等诸多领域的基础和关键。动态信号的复杂性和特征提取的多学科交叉融合特性使得信号特征提取方法一直是人们广为关注的重要研究方向。本文以把握学术前沿为前提,以多学科知识的相互渗透和紧密结合工程应用为主要思路,探讨信号特征提取方法的研究途径,研究具有工程实用意义的信号特征提取方法。主要研究工作如下:1.研究了离散Fourier变换中存在的谱泄漏效应对多频信号的频率、幅值和相位估计精度的影响。结合插值快速Fourier变换,并考虑了长程泄漏的影响,提出了一种迭代插值FFT方法。方法可有效地消除长程泄漏效应,提高估值精度。与著名的Grandke的IFFT和Liguori的IFFTc方法的比较结果表明,在信号存在噪声干扰以及信号参数不同的情况下,该方法获得的结果有最好的估计精度,有最好的综合性能。2.分析了机械系统动态响应的波形特点,提出用指数衰减正弦波作为字典原子来分解信号,并结合匹配追踪和遗传算法给出了一种自适应信号分解方法。方法能有效地提取平稳的周期波形和非平稳的冲击衰减响应。与著名的Gabor原子的比较表明,该方法对提取机械冲击响应比用Gabor字典原子更有效,提取的结果有更为明确的物理解释,可以获得更为稀疏的信号表示。方法已成功应用于往复机械的故障诊断。3.研究了基于非参数波形原子的特征波形提取方法。将具有先验知识的模板信号通过滤波器组得到一组不需要用任何参数表达的基函数,由此构造出非参数特征波形原子。模板信号的引入使得提取的特征波形具有物理可解释的特点;应用滤波器组形成的特征波形原子具备了形状和位置可调的能力,因此具有很宽的适应性。仿真和实验信号验证了方法的有效性,尤其是在噪声和信号频带重叠的情况下,也能将信号分离和提取出来。4.研究了由微弱的随机激励引起的瞬态波形的提取方法。从理论上证明了周期干扰成分的存在对提取的随机减量特征信号的影响,结合数字滤波技术和随机减量技术,提出了一种从周期干扰环境中提取随机减量特征信号的简便方法。用该方法实现了旋转机械油膜涡动的在线监测和稳定性裕度的趋势分析与预测,解决了这一应用难题,获得了满意的结果。5.针对感应电动机系统无传感器监测与诊断中存在的特征信息微弱、易受环境噪

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 特征提取与信号表示
• 1.2 从频域分析到时频域分析
• 1.2.1 Fourier 分析
• 1.2.2 Heisenberg 测不准原理
• 1.2.3 短时Fourier 变换
• 1.2.4 小波分析
• 1.2.5 二次时频能量分布
• 1.3 基于过完备字典的信号稀疏分解
• 1.3.1 基展开和过完备展开
• 1.3.2 过完备展开算法
• 1.3.3 时频原子和字典
• 1.4 源于特定应用的特征提取方法
• 1.4.1 随机减量技术
• 1.4.2 Hilbert-Huang 变换
• 1.4.3 Park 矢量法
• 1.5 课题来源、研究思想及主要工作
• 第二章 基于长程泄漏补偿的迭代插值FFT 方法
• 2.1 引言
• 2.2 离散Fourier 变换的泄漏问题
• 2.2.1 短程泄漏
• 2.2.2 长程泄漏
• 2.3 泄漏的抑制和消除方法回顾
• 2.3.1 整周期采样与补零技术
• 2.3.2 频域插值技术
• 2.3.3 时域与频域交替迭代技术
• 2.4 提出的迭代插值FFT 方法
• 2.4.1 长程泄漏的补偿原理
• 2.4.2 提出的迭代IFFT 算法
• 2.5 方法验证、比较和误差分析
• 2.5.1 方法的可行性验证及比较分析
• 2.5.2 对噪声影响的敏感性分析
• 2.5.3 对信号参数的敏感性分析
• 2.6 引线键合数据分析
• 2.7 本章小结
• 第三章 基于特征波形原子的信号特征提取方法
• 3.1 引言
• 3.2 信号特征提取中的两个热点问题
• 3.2.1 字典原子与特征波形的匹配问题
• 3.2.2 多种特征波形共存时的特征提取问题
• 3.3 机械振动的波形特征与字典原子选择
• 3.4 自适应信号分解方法
• 3.4.1 匹配追踪算法
• 3.4.2 方法的实现及特点
• 3.5 仿真信号分析
• 3.6 实验研究及其与传统方法的比较
• 3.7 往复机械故障特征提取与诊断
• 3.8 本章小结
• 第四章 基于非参数原子的特征波形提取方法
• 4.1 引言
• 4.2 非参数特征波形原子的构造和分解原理
• 4.2.1 特征波形原子的构造
• 4.2.2 特征波形的提取
• 4.3 方法的实现
• 4.3.1 滤波器组
• 4.3.2 模板信号的选取
• 4.3.3 子频带选择
• 4.3.4 特征波形提取过程及算法
• 4.4 方法的可行性和有效性验证
• 4.4.1 重构性验证
• 4.4.2 非参数原子的可调性验证
• 4.4.3 含有噪声干扰的瞬态波形提取
• 4.5 多瞬态波形提取
• 4.6 实验数据分析
• 4.7 本章小结
• 第五章 随机激励引起的瞬态波形特征提取方法
• 5.1 引言
• 5.2 随机减量技术原理
• 5.3 周期激励对随机减量技术的影响
• 5.3.1 随机减量技术的直观解释及其存在的问题
• 5.3.2 周期激励的影响
• 5.4 周期干扰的消除方法
• 5.4.1 机械系统周期激励信号的产生特点及其消除原则
• 5.4.2 零相移数字滤波器及其讨论
• 5.5 转子轴承系统油膜稳定性在线监测
• 5.5.1 油膜涡动特征
• 5.5.2 稳定性特征参数提取
• 5.5.3 应用实例
• 5.6 本章小结
• 第六章 基于谐波阻抗和导纳的信号特征提取方法
• 6.1 引言
• 6.2 方法提出的前提和背景
• 6.2.1 异步感应电动机的结构和工作原理
• 6.2.2 气隙偏心和气隙谐波
• 6.3 谐波阻抗和谐波导纳
• 6.3.1 阻抗和导纳
• 6.3.2 谐波阻抗和谐波导纳
• 6.4 谐波阻抗和谐波导纳的估计方法
• 6.4.1 计算步骤和存在的问题
• 6.4.2 方法Ⅰ：FFT 内插法
• 6.4.3 方法Ⅱ：自适应信号分解方法
• 6.5 感应电动机转速检测
• 6.6 感应电机驱动的旋转机械转子失衡特征提取
• 6.7 感应电机驱动的旋转机械油膜涡动特征提取
• 6.7.1 油膜涡动的运动特征
• 6.7.2 电机电信号的频率特征
• 6.7.3 实验分析
• 6.8 本章小结
• 第七章 抑制交叉项时频分析方法
• 7.1 引言
• 7.2 时频能量分布及其比较
• 7.2.1 Cohan 类时频能量分布
• 7.2.2 Wigner-Ville 分布
• 7.2.3 伪Wigner-Ville 分布与短时Fourier 变换谱
• 7.3 交叉干扰项及其抑制方法回顾
• 7.3.1 交叉干扰项的产生及特征
• 7.3.2 交叉干扰项抑制方法及其讨论
• 7.4 抑制交叉干扰项的时频分析方法研究
• 7.4.1 方法研究的原则
• 7.4.2 机械信号分析的应用特点
• 7.4.3 预滤波时频分析方法
• 7.4.4 方法的实现
• 7.4.5 仿真分析
• 7.5 时频分析应用研究
• 7.5.1 周期性重复冲击信号分析
• 7.5.2 调制信号分析
• 7.5.3 旋转机械转子低频振动识别
• 7.6 本章小结
• 第八章 结论与展望
• 致谢
• 参考文献
• 攻读博士学位期间的科研成果