基于希尔伯特-黄变换的高速侵彻损伤源定位

高速钝体侵彻双层结构产生的Lamb波在传播过程中受复杂结构界面和测试环境影响,导致含损伤特征的有效信号易被其他因素干扰。文中以双层钢板结构为研究对象,重点研究侵彻产生的Lamb波在钢板中的传播特性。针对非线性的冲击源信号,基于希尔伯特-黄变换(Hilbert-Huang Transform,HHT)对侵彻产生的瞬态非平稳信号进行分析并重构,提取了含冲击源特征的Lamb波S 0模态信号,基于误差函数的几何定位算法确定了相应的损伤源位置。结果表明,所提方法可有效剔除复杂环境中其他不相干杂波的影响,重构后的信号提高了定位精准度。

基于希尔伯特-黄变换的2.2 MW风力发电机噪声特征研究

在某大型风电场2.2 MW水平轴风力发电机周围,上下风向及60°夹角处布置了6个测点,实验测量风力机气动噪声,经1/3倍频分析获得了6.55~15.00 m/s风速条件测点总声压级变化关系。在此基础上,运用经验模态分解(EMD)和希尔伯特-黄变换(HHT)方法,结合边际谱分析获取了关键的风力机噪声时频变化特征。结果表明:与标准测点对比,同向60°测点的总声压级非常接近,风力机上风向4#测点噪声水平偏低;通过EMD得出的方差贡献率和相关系数均表明:噪声主要能量集中在770~1120 Hz频段;边际谱的主频与其对应风速间存在较好的3次方拟合关系。

航空发动机试飞中转静子碰摩故障信号处理的希尔伯特-黄变换(HHT)方法

时变信号处理的新方法希尔伯特-黄变换,是把一时间序列数据通过经验模态分解(Empirical Mode Decomposition,简称EMD)成本征模函数组(Intrinsic Mode Function,简称IMF),然后经希尔伯特变换(Hilbert Transformation,简称HT)获得频谱的信号时频分析方法引入到航空发动机转静子碰摩故障振动信号处理领域。该方法的理论和算法为用MATLAB语言编写分析程序,再用仿真信号验证程序的正确性和有效性;然后对飞行试验中获得的故障振动信号进行分析。结果表明,用EMD和HT方法对航空发动机转静子碰摩故障振动信号进行时频分析是有效的。

基于数学形态学与希尔伯特-黄变换的线路故障测距方法研究

输电线路故障定位是快速检查故障位置、节约能源的必要措施。针对行波测距方法中影响测距精度的问题,如噪声干扰、波头到达时间标定偏差以及波速计算误差,文中提出了一种基于数学形态学(mathematical morphology,MM)与希尔伯特-黄变换(Hilbert-Huang transform,HHT)结合的双端行波故障测距算法。首先对故障发生后的高频暂态量经Clark变换后得到线模和零模分量,通过线模分量提取故障行波,再对夹杂噪声干扰的行波信号进行数学形态学滤波处理;然后通过经验模态分解(empirical mode decomposition,EMD)和希尔伯特变换得到瞬时频率谱图,继而找到突变点位置,确定波头到达时间,结合与波速无关的双端行波测距计算故障发生位置;最后对比采用结合算法和单一算法下的测距结果。仿真结果表明,结合算法的测距精度比单一算法更高,且误差精度为0.086‰,验证了所提线路故障测距算法具有较高的可靠性和精确度。

希尔伯特-黄变换(HHT)在复合电能质量扰动分析中的应用

为准确分辨出电能信号中的扰动成份,进行电能质量治理,笔者通过对暂降+谐波、暂升+谐波、脉冲+谐波、暂升+波动、暂降+波动、脉冲+波动等6种双重扰动信号进行EMD分解,希尔伯特-黄变换,然后着重对信号的前2阶IMF,第1阶IMF的瞬时频率,希尔伯特谱进行分析。结果显示,EMD分解能分解出复合的扰动信号成份,第一阶的IMF分量的瞬时频率及希尔伯特谱能对扰动发生时刻、谐波成份进行较准确的分析。

基于变分模态分解和希尔伯特变换的转子非平稳信号故障特征识别

为了提升传统希尔伯特黄变换在处理复杂非平稳信号时的时频分析能力,本文将变分模态分解和希尔伯特变换进行结合,提出了一种时频分析方法变分模态分解和希尔伯特变换。此外,为了对变分模态分解的模态数进行自动调整,还提出了一种基于相关系数的希尔伯特黄变换参数优化方法,有效避免了由于希尔伯特黄变换模态数设置不合理而导致的信号分解不足和分解过剩的问题。利用转子故障信号对变分模态分解和希尔伯特变换方法的时频分析能力进行了验证,并且与传统希尔伯特黄变换的对比突出了该方法在处理非平稳信号中的优势。

希尔伯特—黄变换(HHT)在EH-4数据去噪处理中的应用

工频噪声源于社会生产活动中产生的电磁噪声,常会造成视电阻率曲线病态或发散。为了提高数据处理与解释的精度,本文针对EH-4数据中常见的工频噪声,采用希尔伯特—黄变换进行去噪处理,通过对实际数据的时间序列处理分析可知,该方法利用数据自身的时间尺度特征自适应地分解信号,能够很好地去除工频噪声,为大地电磁信号的去噪提供了一条有效的路径。另外,本文还针对经验模态分解过程中产生严重的模态混叠及“端点效应”进行分析,运用聚合经验模态(EEMD)对仿真信号及实测数据的时间序列进行分解,有效地解决了模态混叠等问题。

希尔伯特–黄变换在变压器局部放电脉冲识别中的应用

时频分析方法是变压器局部放电特征提取的有效手段。讨论利用小波变换方法分析非平稳信号的局限性,介绍希尔伯特–黄变换(Hilbert-Huang transform,HHT)的理论体系,并分别应用2种时频分析方法得到不同类型局放信号的幅值谱,从中提取了时频熵向量作为用于模式识别的特征量,模糊聚类结果显示,由希尔伯特–黄变换得到的时频熵向量具有优于小波变换的聚类特性。因此,希尔伯特–黄变换是目前变压器局放信号特征提取的有效方法。

基于经验模态分解和希尔伯特-黄变换的精密孔镗削颤振特征提取

针对精密孔镗削加工过程中容易出现颤振现象,影响精密孔的表面质量问题,建立了镗削加工的监测系统,对镗削颤振信号进行特征提取,以实现对镗削颤振的快速预报。首先,根据颤振信号的时频特点,将经验模态分解(EMD)和希尔伯特-黄变换(HHT)引入颤振特征提取过程,并介绍了其基本原理及具体实现过程。然后,在线拾取镗杆的振动信号,并对振动信号进行EMD分解和HHT变换。最后,通过对各本征模态函数分量的Hilbert谱分析,提取出了颤振发生的征兆特征。实验结果表明,利用EMD和HHT对镗削振动信号进行特征提取,可以在颤振形成之前0.5s得到颤振爆发的征兆,为后续的颤振抑制工作赢取时间,进而确保精密孔的表面加工质量。

基于希尔伯特-黄变换的合成孔径雷达内波参数提取新方法

基于希尔伯特-黄变换,发展了合成孔径雷达内波参数提取的新方法,解决了传统的傅里叶变换不能提取非线性内波群各个孤立子波信息的问题。利用该方法对巴士海峡附近的一幅ERS-1 SAR内波图像进行了内波参数提取。希尔伯特-黄变换对内波剖面数据进行了尺度分解,根据归一化方差最大来提取内波分量。该方法具有自适应性。结果表明,该方法获取的内波平均波长与傅里叶变换和小波分析具有较好的一致性,提取得到的反映各个孤立子波信息的波形比小波分析的要清晰,提高了数据的质量。通过提取的内波信号,利用极值序列计算了剖面线前后段平均波长大小,消除了谱分析当中的180°模糊问题。计算了明暗点的间隔,反演得到各个孤立子波的半振幅宽度。利用CTD数据获得的跃层深度,反演前导波振幅,与验证算例结果在量级上一致。

希尔伯特黄变换中边际谱的研究

为了深入理解和正确掌握希尔伯特 黄变换(Hilbert HuangTransform,简称HHT)中的边际谱概念,证明了边际谱的线性性质,指出了文献中对边际谱概念的一种误解,提出了边际普与Fourier频谱之间本质区别的一种的新观点,即Fourier频谱的幅值只能反映频率在信号中实际存在的可能性大小,而边际谱的幅值则能真实反映频率在信号中是否存在。利用边际谱的线性性质进一步给出了边际谱的物理意义,即边际谱的幅值表示信号中某一频率在各个时刻的幅值之和。通过一个实测振动信号验证了边际谱在应用中的优越性。

基于希尔伯特-黄变换的电力系统低频振荡的非线性非平稳分析及其应用

研究了基于希尔伯特–黄变换法从广域测量系统的实测数据中提取电力系统时变振荡特性的一种实用方法。该方法能够分析非线性、非平稳信号的局域动态行为和特性,更好地反映振荡过程中所包含的多个模式随时间的变化规律以及模式间的相互影响,还可提高识别能力和处理效果。在贵州电网的初步实验结果证明了该方法的有效性。

应用希尔伯特黄变换的水下目标特征提取

针对传统时频分析方法的水下目标特征提取各有其局限,采用了希尔伯特黄变换方法用于水下目标特征提取.仿真与实验数据的处理结果表明,希尔伯特黄变换方法对于信号的时频特性具有较高的分辨能力,希尔伯特边际谱能够清晰的突出目标弹性成分;希尔伯特谱能有效地展现目标的亮点结构,时频分辨力高于小波变换.研究表明混响具有与目标信号明显不同的希尔伯特谱特征,希尔伯特谱可以有效抑制混响.结果表明希尔伯特黄变换方法是一种有效的水下目标特征提取方法.

基于希尔伯特-黄变换的电力系统谐波分析

准确的谐波分析对电力系统稳定具有重要意义。为克服FFT方法与小波分析方法的缺点,提出将希尔伯特?黄变换(Hilbert-Huang transform,HHT)用于谐波分析。将谐波信号进行经验模态分解(empirical mode decomposition,EMD),得到一系列经验模态函数(intrinsic mode function,IMF)。由于不同的IMF对应不同的谐波分量,通过对每个IMF分量进行Hilbert变换(HT)及最小二乘拟和,最终可以得到各次谐波的幅值、频率和相位,从而实现电力系统谐波的准确分析。在经验模态分解过程中,采用了分段三次Hermite插值,并通过添加极值的方法减轻边缘效应的影响,使谐波分析能够更准确。仿真表明,Hermite插值比三次样条插值对谐波分析更具优势。该方法分析电力系统谐波精度高,能够取得满意的效果。

希尔伯特-黄变换的端点延拓

希尔伯特-黄变换(HHT)是近年来发展起来的一种新的时间序列信号分析方法.该文在对HHT深入研究与充分肯定的基础上,发展了信号的镜像闭合延拓和包络的极值延拓两种方法.通过几个典型的例子检验了两种方法,并与Huang等(1998,1999)进行了比较,得到了令人满意的结果.镜像闭合延拓法根据信号端点的分布特性,把镜子放在具有对称性的极值位置,通过镜像法把镜内信号映射成一个周期性的信号,不存在端点,从根本上避免了经验模态分解和希尔伯特变换的端点问题.极值延拓法简单易行,具有与镜像闭合法相当的效果,在处理非对称波形信号时更显其优越性.

改进希尔伯特–黄变换方法提取水轮机动态特征信息

常规的希尔伯特–黄变换(Hilbert-Huang transform,HHT)方法能较好地分析水轮机轴系信号,但经经验模态(empirical mode decomposition,EMD)分解后,在原始信号的低频区易产生虚假的内禀模态函数(intrinsic mode function,IMF)分量,干扰特征信息的提取,引发误判。该文提出基于能量波动的改进HHT方法及其判别条件。该方法利用分量信号能量递减原则并设定判别阈值来跟踪筛选虚假分量。通过仿真信号对该方法进行了有效性验证,并以原型水轮机非最优工况下动态信号为例,进行了应用检验。结果表明,该方法具有良好的虚假分量识别能力,提取真实的水轮机特征参量,更加适合分析复杂而特殊的水轮机动态特征信息。

基于双谱和希尔伯特-黄变换的断路器故障诊断方法

通过对断路器正常合闸和异常合闸时的声波进行双谱分析，发现声波的高频分量能量分布能够体现断路器的工作状态。通过希尔伯特-黄变换分析。发现合闸过程中声波信号高频分量持续时间较短，根据高频分量经过经验模态分解后的各固有模态函数能量分布特点，提出了基于固有模态函数能量熵的故障特征提取方法。模拟实验中取500-3000Hz信号的固有模态函数能量熵作为断路器故障诊断的依据，能去除低频环境噪声对分析结果的影响。实验结果验证了基于双谱分析和希尔伯特-黄变换的声波分析方法对于诊断断路器机械故障的有效性。

基于希尔伯特-黄变换的心音包络提取

目的提取心音信号的包络特征,根据包络对信号进行时域分析。方法本文提出了利用希尔伯特-黄变换对心音信号进行包络提取的方法。首先利用黄变换对心音信号进行预处理;然后对处理后的信号进行希尔伯特变换得到心音信号的包络。结果突出了心音信号的第一心音和第二心音,准确提取了心音的各种时域特征。结论采用此方法能够准确地提取心音信号的包络,为进行下一步分析奠定了基础。

希尔伯特-黄变换地震信号时频分析与属性提取

地震信号属于非线性和非平稳信号,传统的分析方法主要包括短时傅立叶变换、小波变换和Cohen类时频分布等等;希尔伯特-黄变换是分析非平稳信号的新方法,该方法的关键部分是信号的经验模态分解,通过经验模态分解,复杂的信号可以分解为有限的数量很少的几个固有模态函数,从而可以得到信号的希尔伯特时频谱;将该方法应用于单个的地震道数据,可以对地震道进行经验模态分解并得到希尔伯特谱,应用于地震剖面,可以得到意义更加明确的瞬时频率和瞬时振幅等地震属性,模型试算和实际应用表明了该方法的有效性.

基于希尔伯特-黄变换与小波方法的径流序列分析

将希尔伯特-黄变换方法用到黄河三门峡站的天然年径流水文的分析与识别中,分解得到不同尺度下的固有模态函数;与小波分解方法对比,仿真出的径流变化成分不仅在时域上,而且在频谱上把低频信号中奇异信号的局部变化刻画出来,并具有更加清晰的物理意义;为水文径流序列的演变模式研究提供了一种新的分析方法.