首页>
根据【关键词:时频分析】搜索到相关结果 6 条
-
航空发动机快变信号的匹配同步压缩变换研究
-
作者:
陈雪峰
王诗彬
程礼
来源:
机械工程学报
年份:
2018
文献类型 :
期刊
关键词:
航空发动机
同步压缩变换
故障诊断
时频分析
-
描述:
航空发动机快变信号特征提取是航空发动机健康监测与故障诊断的关键技术之一。针对航空发动机快变信号特征提取需求及其瞬时频率快变的特点,提出了匹配同步压缩变换方法。构造了匹配快变信号调频结构的瞬时频率估计算子,能同时考虑快变信号时频能量随频率和时间方向的分布,从而提高快变信号时频表示的能量聚集性,提升航空发动机快变信号提取能力。通过航空发动机主轴承寿命试验机的碰摩故障试验,以及某型航空发动机的碰摩故障诊断工程案例,验证匹配同步压缩变换方法对于航空发动机快变信号处理的有效性。工程应用结果表明,对于航空发动机转子系统动静碰摩故障,匹配同步压缩变换能够有效提取该故障导致的振动信号瞬时频率快速振荡的强时变特征,从而诊断转子系统碰摩故障。
-
一种基于时频分析的窄带雷达飞机目标分类特征提取方法
-
作者:
赵越
陈之纯
纠博
张磊
刘宏伟
李真芳
来源:
电子与信息学报
年份:
2017
文献类型 :
期刊
关键词:
特征提取
时频分析
熵值
低信噪比
目标分类
-
描述:
针对低信噪比情况下窄带雷达目标分类问题,该文提出基于时频分析的窄带雷达飞机目标分类特征提取方法。该方法利用喷气式飞机、螺旋桨飞机和直升机3类目标调制周期的差异,提取时频谱域的熵值变化特性,并给出时频分析中窗函数长度的优化选择方法。基于仿真和实测数据的实验结果表明,该文方法可以在低信噪比情况下显著提升飞机目标正确分类概率。
-
基于傅里叶分解方法的航空发动机转子故障诊断
-
作者:
刘洋
刘晓波
梁珊
来源:
中国机械工程
年份:
2019
文献类型 :
期刊
关键词:
航空发动机
故障诊断
时频分析
转子碰摩
傅里叶分解方法
-
描述:
针对传统时频分析法无法提取转子故障特征信息的问题,提出了基于傅里叶分解方法(FDM)的转子碰摩故障诊断方法.构造了调频调幅仿真信号,对比FDM、集合经验模态分解(EEGMD)、变分模态分解(VMD)的分解结果发现,FDM能够实现仿真信号的完备性分解,且时频分辨率高.利用FDM对采集到的转子试验器机匣单点转子全周碰摩试验故障数据进行诊断,不同算法故障信号分解结果的周期功率谱密度估计和故障特征提取结果表明,该方法具有更高的诊断可靠性,可有效地解决转子故障诊断问题.
-
航空电磁探测的运动噪声时频特征分析
-
作者:
朱凯光
庞奕荻
张孝双
钱泽利
彭聪
来源:
吉林大学学报(工学版)
年份:
2018
文献类型 :
期刊
关键词:
信息处理技术
时频分析
航空电磁法
线圈运动噪声
姿态角
-
描述:
由于航空电磁探测系统飞行姿态、速度和温度条件等影响,造成姿态角度变化引入了运动噪声,从而影响了观测数据的一致性。本文在法拉第电磁感应定律的理论基础上,仿真了姿态角引起的运动噪声的时、频谱图,分析了姿态角与运动噪声在时域和频域中的相关性。采用Gabor变换的时频分析方法,研究了姿态角产生的运动噪声对电磁响应的影响,从幅度关系上剖析了姿态角度与运动噪声的关联,对运动噪声与姿态角和其导数在不同频率点的相关性进行了对比,得出与姿态角本身相比,角度导数对运动噪声的影响更为严重。本文针对运动噪声的时频特征分析方法,为有用信号的降噪去噪提供了新的可行性思路和依据。
-
航空电磁探测的运动噪声时频特征分析
-
作者:
朱凯光
庞奕荻
张孝双
钱泽利
彭聪
来源:
吉林大学学报(工学版)
年份:
2019
文献类型 :
期刊
关键词:
信息处理技术
时频分析
航空电磁法
线圈运动噪声
姿态角
-
描述:
针对航空电磁探测系统由于姿态角度变化引入运动噪声的问题,提出了一种用于降噪去噪的时频特征分析方法。在法拉第电磁感应定律的理论基础上,仿真了姿态角引起的运动噪声的时、频谱图,分析了姿态角与运动噪声在时域和频域中的相关性。采用Gabor变换的时频分析方法,研究了姿态角产生的运动噪声对电磁响应的影响,从幅度关系上剖析了姿态角度与运动噪声的关联,对运动噪声和姿态角与其导数在不同频率点的相关性进行对比可知,与姿态角本身相比,其一阶导数对运动噪声的影响更显著。
-
基于改进经验小波变换多特征融合的航空交流串联电弧故障检测
-
作者:
崔芮华
张振
佟德栓
崔建平
来源:
电工技术学报
年份:
2022
文献类型 :
期刊
关键词:
极限学习机
经验小波变换
时频分析
多特征融合
航空电弧故障
经验模态分解
-
描述:
IEWT变换,自适应分解为5个经验模态分量(EMFs),提取EMFs的权重能量熵、EMF4的样本熵及EMF1的方均根值作为特征量。在进行数据标准化后,将3个电弧故障特征融合并形成多维特征矩阵,最后通过