针对变工况风电齿轮箱振动信号存在频谱频率模糊问题,以及传统时域同步平均方法需要键相信号及转速稳定要求。提出了一种不需要键相信号可跟踪变转速振动信号瞬时频率的时域同步平均方法。该方法通过非线性短时傅里叶变换(Non-linear short-time fourier transform,NLSTFT)获取变转速齿轮箱振动信号瞬时频率曲线,积分得到瞬时相位曲线;根据瞬时相位对原始信号进行角域重采样,获得阶次信号;最后对阶次信号进行TSA处理进行齿轮故障诊断。以某机组的齿轮箱实测数据,有效地验证了所提方法在风电齿轮箱故障诊断中的有效性及工程实用性。

齿轮在机械传动系统中有着广泛应用,由于齿轮啮合过程中参与啮合的轮齿对数周期变化,因此,齿轮啮合刚度为时变参数,在啮合时会产生啮合振动。当齿轮副出现齿根裂纹时,啮合刚度会减小,齿轮啮合产生的系统振动响应也发生改变,通过振动响应辨识齿轮啮合刚度能够监测齿轮副的健康状态。针对齿轮啮合刚度的时变特征,提出了基于指数窗截取递推最小二乘(Exponential window recursive least square,EWRLS)算法和振动信号瞬时频率的齿轮啮合刚度辨识方法。进行啮合刚度辨识时,EWRLS算法将输入、输出齿轮的转速曲线分别作为辨识输入信号和观测信号,使用指数窗函数进行数据截断,使用递推最小二乘算法估计系统参数。为了计算输入、输出齿轮的转速曲线,使用经验模态分解(Empirical mode decomposition,EMD)方法将振动信号分解为具有不同变化频率的本征模态函数(Intrinsic...

根据时频脊线所在的位置信息与信号瞬时频率的对应关系,提出根据时频脊线提取多成分瞬时频率的新方法。该方法是,先通过加窗处理对一维时间信号进行时域分段,对每个时段信号采用自适应核函数时频分析,再把每个时段上求得的时频分布拼接成信号整体时频谱;然后将时频分布图转换成直观的二维图像,进行平滑处理后采用二维Laplacian算子提取时频图像的脊线并作细化处理;采用Hough变换自动检测时频脊线的特征参数,特别对正弦调频信号和线性调频信号的时频脊线检测问题进行论述。仿真试验和齿轮故障诊断的工程实践证明了该方法的可行性和有效性。

为了解决结构早期损伤难以正确识别的问题，结合聚类经验模式分解（EEMD）解决随机不确定性问题和支持向量机（SVM）解决预测问题这两者的优势，提出了一种基于EEMD特征提取的支持向量机回归（SVR）结构状态趋势预测方法。先对单自由度结构渐进损伤的加速度振动信号进行EEMD，再进行希尔伯特变换（HT），计算瞬时频率，然后用回归支持向量机对反映结构健康状态的瞬时频率进行趋势预测。研究表明：对于渐变损伤该方法可以准确地、高精度地预测结构状态趋势。

PCM/FM调制是测控通信中一种常用的调制方式,对其进行正确识别对测控信号侦察有着非常重要的意义。给出一种适用于各种调制指数PCM/FM信号的瞬时频率直方图调制识别方法,采用滤波方法改进瞬时频率估计的性能,提出一种从归一化后的瞬时频率直方图中提取特征的方法,分析算法对载频估计误差的鲁棒性,并利用实测数据验证算法的性能以及算法对多普勒频率变化的鲁棒性。

根据超声无损检测中缺陷和噪声反射回波的瞬时频率的差别，提出利用超声信号瞬时频率在一移动窗内熵的信息，估计缺陷的时频位置。瞬时频率熵方法使得用Wigner—Ville分布表示超声信号时，既能利用Wigner—Ville分布的重要性质，又能实现缺陷的准确定位。对仿真数据和实际探伤数据的实验结果分析表明，瞬时频率熵方法不仅能够识别单个缺陷，也能有效地检测多个缺陷。

针对粗晶材料超声检测时严重的结构噪声使信噪比很低的问题,使用非线性时频分布对超声信号进行处理,充分考虑信号的时域、频域和相位的信息,根据超声信号在缺陷和噪声处瞬时频率的不同,结合超声信号的空间投影特点,提出了一种基于信号瞬时频率的超声信号处理方法.首先使用Choi-Willianms分布将信号变换到时频域,估计出信号瞬时频率,然后通过瞬时频率的有序度对超声信号进行加权处理.该算法充分利用了超声信号时域、频域和相位的信息,不仅消噪性能好,而且缺陷定位准确.

为解决轧机扭振非平稳瞬态冲击信号瞬态特征量提取的难题,采用EMD（Empirical mode decomposition）方法提取信号的固有模态函数（IMF）,再结合Hilbert变换建立单频振动瞬态信号瞬时频率提取模型,得到信号的Hilbert/Huang时频谱,进而得到Hilbert边际谱,从而提取扭振信号瞬态特征。该算法既避免了小波分解中的频率混叠,又具有时间尺度自适应调整的特点,克服了小波变换中小波基选取的难题。通过仿真实验验证了该方法的可行性,通过轧机在咬钢抛钢时实测瞬态信号的分析表明了该方法的可靠性。