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。

转速获取是变工况设备健康诊断的前提。在不便安装速度传感器的情况下,基于振动信号时频分析获取转频是最常用的途径。然而,由于时频分析方法的自身特性和采集的振动信号中往往包含大量的背景噪声,导致得到的时频分布能量聚集性差、部分时段转速信息微弱等问题,很难提取到完整、准确的转频信息。为解决这一问题,提出一种脊线信息增强与特征融合的转速估计方法。采用幅值累加平方策略对时频分布特征进行增强;从信号低频区域和共振频带分别预估计出转频信息;最后,建立基于概率分布和局部波动特性的信息融合准则,以确定脊线融合位置以及融合结果,实现转频的准确估计。轴承故障实验信号验证说明相比于传统的转频提取方法,提出的方法能够显著地改善能量微弱的转速信息的识别结果。

结合多传感器时频分布(multisensor time-frequency distributions,MTFD)和盲源分离(blindsource separation,BSS)的特点,提出一种针对机械复合故障信号的欠定盲源分离方法。首先利用Wigner-Ville分布将观测信号转化为MTFD矩阵;然后对该矩阵进行白化处理和噪声阈值处理,并对其自动项进行选择,对其特征向量进行集群处理,从而得到源信号TFD的估计;最后对源信号进行重建,得到源信号的估计。仿真及试验结果表明,本文所提出的方法在处理非平稳复合信号的欠定盲源分离方面具有很好的效果。