STFT-SC算法：改进的瞬时频率估计方法在旋转机械中的应用

"这篇论文研究了改进的Seam Carving瞬时频率估计算法，用于旋转机械故障诊断，特别是针对微弱振动信号的分析。通过结合短时傅里叶变换（STFT）和Seam Carving算法，提出了一种新的STFT-SC瞬时频率估计方法，能有效提取高噪声和邻近阶比信号的特征。" 本文重点讨论了在旋转机械故障诊断中，瞬时频率估计的重要性，尤其是在设备升降速阶段微弱振动信号的分析。传统的瞬时频率估计方法，如STFT谱峰搜索法、隐马尔科夫模型和分段最小二乘拟合算法，存在计算量大、精度受参数影响等问题。为了解决这些问题，作者引入了图像处理领域中的Seam Carving（SC）算法，并进行了改进。 Seam Carving算法通常用于图像尺寸调整，它通过寻找能量梯度最小的路径来删除或添加像素，以改变图像大小。在振动信号分析中，这种方法被用来寻找最优路径，即一阶瞬时频率。结合STFT，可以进行时频分析，同时利用SC算法的能量梯度和动态规划思想，有效地提取旋转机械振动信号的一阶瞬时频率。 STFT-SC算法首先利用STFT对振动信号进行时频转换，得到时频分布图，然后应用Seam Carving算法找出能量梯度最小的路径，即瞬时频率变化的轨迹。这使得算法能够在高噪声环境中准确识别信号的瞬时频率。最后，通过时域重构，对一阶时频数据进行处理，通过与仿真信号的相关性分析验证了算法的性能。 实验证明，STFT-SC算法在处理高噪声和邻近阶比振动信号时表现出良好的效果，提高了故障诊断的效率和准确性。这一改进的算法为旋转机械的早期故障检测提供了新的思路，特别是在处理微弱信号时，降低了对信号质量的依赖，有助于提升设备维护的及时性和有效性。 关键词：旋转机械、Seam Carving算法、瞬时频率估计、能量梯度。该研究得到了国家自然科学基金的支持，作者赵晓平博士专注于动态测试与虚拟仪器的研究。