基于EEMD-HHT的边坡爆破振动信号分析

爆破工程所处的环境一般复杂多变,爆破振动信号大多呈现瞬时非平稳性特征。因此,为了准确分析爆破振动的信号特征以及传播规律,以首都环线高速公路承平段路基爆破工程为背景,通过引入EEMD分解方法,解决了传统EMD分解方法存在模态混叠的不足;结合HHT变换,对承平段典型路堑边坡岩体爆破振动信号进行了分析。研究结果表明:采用EEMD分解方法提取爆破振动信号中主要的IMF能量层,并对振动信号进行重构,可以达到良好的去噪效果;对施工现场爆破振动信号进行主成分分析、提取之后,瞬时能量和质点振速曲线整体平滑度显著提高,振动信号主成分提取效果良好;Hilbert能量谱可以清晰地体现时间、频率与能量三者之间的关系,展现出了爆破振动信号的时频特性和传播规律;测点振动主频主要分布在10~40 Hz的频率段范围内,近似呈现出随着传播距离的增加而衰减、随着距离的增加衰减幅度减弱的趋势。该分析成果对边坡稳定性分析和邻近建筑物的安全控制具有重要的现实意义。

一种EEMD-HHT与时频重排结合的转速曲线估计新方法

HHT(Hilbert-Huang Transform)和传统时频分析存在模态混叠、时频聚焦性差等问题,在估计转速曲线时误差较大。因此,提出将EEMD-HHT与时频重排算法结合的转速曲线估计新方法。采用EEMD(Ensemble Empirical Mode Decompositon)方法获取IMFs;找出参考轴所对应的IMF,并做Hilbert变换;用时频重排算法处理该IMF两端各一定长度的数据,对得到的重排矩阵进行限制条件的瘠线搜索,并将获得的瞬时频率值代替对应时间点内Hilbert变换得到的瞬时频率值;对"拼接"得到的整个时间段的瞬时频率值进行最小二乘拟合,得到光滑的转速曲线。将该方法应用于转子不平衡故障的阶比分析中,对实际测量信号进行了分析,并与HHT估计结果作比较,验证了其优越性和有效性。

基于EEMD-HHT的双馈感应发电机定子匝间短路故障研究

采用多回路理论构建电路模型,通过MATLAB进行不同故障的仿真,经分析得出定子匝间短路电流的谐波特性以及电压不平衡故障电流的谐波情况,对比可知二者谐波特性相类似,难以通过故障电流区分两种故障。用EEMD-HHT方法分析处理故障电流后,两种故障所得的现象不同,由此很好地区分了这两种故障情况,在定子匝间短路故障的诊断中,排除了电压不平衡故障的干扰,同时该方法还能得出电机故障的发生时刻,可以为定子匝间短路故障检测提供更加可靠的保障。

基于EEMD-HHT方法的隧洞爆破网路延时分析

由于非电毫秒雷管本身存在起爆误差,造成网路理论延时与实际延时存在较大误差。为更深入研究网路实际延时时间,以黄河上游某水电站引水发电隧洞工程实测爆破振动信号为分析对象,使用EEMD方法求出爆破信号IMF分量,进行Hilbert变换求出各分量能量,并对能量最大分量进行Hilbert变换求出包络线,再对包络线峰值进行分析得到网路的各段非电雷管的实际起爆时刻分别为49,74,178,235,350,469,609ms,从而准确求得网路中各段间的实际延时时间为25,104,57,115,119,140ms。对网路的理论与实际延时时间进行对比分析,发现理论与实际延时时间存在较大精度误差,这说明采用EEMD-HHT方法识别网路的延时精度是可行的。

基于EEMD-HHT的隧道爆破振动信号分析

为准确分析隧道爆破振动信号特征,基于EEMD-HHT方法对现场实测的爆破振动信号进行时频和能量分析。结果表明:EEMD算法可有效改善EMD分解产生的信号模态混叠效应;采用去噪指标对EMD和EEMD分解的信号进行量化评价,其中EEMD分解得到的信号去噪比较大,均方根差更小,即EEMD算法的去噪效果优于EMD;通过EEMD-HHT分析,能有效反映爆破振动信号的时间-频率-能量之间的关系;通过对爆破信号频带能量提取,发现在试验条件下爆破振动信号主振频带范围在41~50Hz,其余各频带能量围绕主频带呈现正态分布,0~10Hz低频带占据总能量的7.84%,爆破施工时应采取相应措施避免隧道衬砌结构发生共振现象。

EEMD-HHT方法在双馈式感应发电机定子匝间短路故障分析中的应用研究

定子绕组匝间短路故障是双馈式感应电机常见故障之一。采用多回路理论构建数学模型,通过MATLAB进行不同故障、不同条件下的仿真。用HHT方法分析故障电流虽然能够得到相应现象,但传统HHT中的EMD分解方法存在一定不足,分解结果不能区分匝间短路故障和一些非故障情况,而引入EEMD分解方法来替换EMD分解,则很好地克服了这一缺点,排除了电压不平衡、变转子转速等其他因素对匝间短路故障诊断过程中的干扰。EEMD-HHT方法可以为定子匝间短路故障检测提供更加可靠的保障。

爆破震动能量特性研究

以工程实测爆破震动信号为分析对象,使用EEMD信号分析方法将爆破震动信号分解得到多个固有模态（IMF）分量,在时域、频域进行Hilbert变换求出IMF分量的Hilbert能量,对比分析各IMF分量能量在总能量中所占百分比,研究爆破震动能量在频域、时域的分布规律。在频域能量主要集中在5-40 Hz内,该频带内的能量占总能量的97.55%,在高频和低频能量分布较少,其中大于40 Hz部分能量占总能量的2.2%,小于5 Hz部分能量占总能量的0.25%,表明爆破震动能量是集中分布在某个较窄频带范围内。在时域能量主要集中在0.1-1.0 s范围内,其中,时域的高频能量震动作用时间短、低频能量震动作用时间长,从而揭示了爆破震动强度相同条件下频率越低危害性越大。

爆破震动瞬时能量与岩体相对位移响应的关联性研究

通过结构动力方程求解得到岩体相对位移响应过程,以EEMD-HHT信号分析方法获得岩体爆破震动信号瞬时能量,在时域内进行分析研究岩体爆破震动信号瞬时能量与岩体相对位移响应的关系,发现岩体最大相对位移响应值滞后于爆破震动信号最大瞬时能量值的时刻;在时域内岩体相对位移响应过程曲线与爆破震动信号能量幅值并非相互对应,但与爆破震动速度时程曲线具有一定的关联性,这表明爆破震动激励下岩体相对位移响应值的大小与爆破震动能量、岩体的自振周期、爆破震动类型有关。

弹射冲击荷载下高速铁路路基振动加速度时频特性

高速铁路具有运营时速快、平顺性高等特点,将其作为列车机动发射站坪具有一定的优势,其振动加速度作为高铁路基结构破坏的关键参数有重要的研究价值.借助ANSYS有限元分析软件,结合弹塑性理论并引入三维一致粘弹性人工边界及其边界单元,建立半无限长无砟轨道-路基-地基非线性耦合静力学分析模型;在此基础上进行模态分析,得到了模型系统的振型、固有频率,进而建立了动力分析模型,并对比弹性地基梁板模型进行模型验证;基于上述动力分析模型,结合弹射冲击荷载得到了各结构层加速度时域信号;最后,基于EEMD-HHT变换对加速度信号进行时频分析.研究结果表明:各结构层加速度在荷载突变处取得瞬时加速度峰值,在0.17 s处取得加速度幅值;各结构层加速度成分主要分布在0~20 Hz,其中,2 Hz及10 Hz两处有明显峰值,且在2 Hz附近分布最为集中;自密实混凝土层、底座板、基床表层几乎没有发生加速度成分的吸收,而基床底层及以下有较大幅的吸收,因此,应重点关注0~20 Hz超低频范围内的基床表层及以上结构层的动力响应.

基于聚类经验模态分解(EEMD)的汶川M_S8.0强震动记录时频特性分析

在2008年5月12日汶川MS8.0地震中,四川数字强震台网共获取了133组三分向加速度记录.本文选取了一些不同断层距的台站所获取的强震动记录进行了处理和分析.在数据处理中,采用基于聚类经验模态分解(EEMD)提取信号时频特性的方法,有效获得了信号能量的时频分布,提取了中心频率、Hilbert能量、最大振幅对应的时频等特性,并与傅里叶变换、小波变换进行了对比研究.研究结果表明,对非线性的强震记录采用聚类经验模态分解(EEMD)能抑制经验模态分解(EMD)中存在的模态混叠问题;与傅里叶变换和小波变换相比发现,HHT边际谱在低频处幅值高于傅里叶谱;与小波变换受到所选取的母波强烈影响不同,HHT直接从强震记录中分离出固有模态函数(IMF),更能反映出原始数据的固有特性,Hilbert谱反映出大部分能量都集中在一定的时间和频率范围内,而小波谱的能量却在频率范围内分布较为广泛.因此,基于EEMD的HHT在客观性和分辨率方面都具有明显的优越性,能提取到更多强震加速度记录的时频特性.

基于EEMD自适应阈值去噪的电能质量扰动检测与定位研究

为了改善电能质量扰动信号的去噪效果,实现扰动信号的检测与准确定位,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)自适应阈值的电能质量扰动信号去噪方法。首先利用集合经验模态分解将含噪的扰动信号分解成一些相互独立的固有模态函数(Intrinsic Mode Function,IMF)分量,然后对所得的IMF进行自适应阈值去噪,从而抑制噪声干扰。采用希尔伯特黄变换(HHT)提取去噪后扰动信号的起止时刻、瞬时频率和幅值信息。相比于小波去噪的启发式阈值、自适应阈值、固定阈值、极大极小阈值等方法,该方法在去噪的同时减少了信息损失,信噪比SNR和均方误差MSE均有明显提高。仿真结果验证了该方法在电能质量扰动检测与定位中的有效性和可行性。

基于HHT的管道阀门内漏声发射检测研究

针对管道阀门内漏声发射信号的非平稳特征,提出将总体平均经验模式分解(EEMD)和希尔伯特变换相结合的希尔伯特黄变换(HHT)方法应用于管道阀门内漏声发射检测中。利用EEMD方法将阀门内漏声发射信号自适应分解为一簇本征模态函数(IMF),并对分解后的信号进行Hilbert谱和HHT边际谱分析,可以提取到阀门内漏声发射信号的本质特征,突破常规时频分析的非线性信号局限性以及经验模式分解(EMD)造成的模态混叠现象;相比于STFT频谱,Hilbert谱具有较高的时频分辨率,最后对信号的Hilbert边际谱分析确定了内漏信号的主要作用频率。该方法可以有效地应用于阀门内漏声发射检测中。

EEMD在雷暴日趋势特征分析中的应用

首先利用整体经验模态分解算法（EEMD）对加入高斯白噪声后的香港地区雷暴日时间序列进行本征模态函数（IMF）分解;其次对各IMF分量进行Hilbert变换,提取雷暴日波动特征参量,并给出雷暴日序列的Hilbert谱和边际谱;最后对各雷暴日IMF分量进行显著性检验。结果表明：香港地区近67 a雷暴日序列可分解为1项趋势项和5个中心频率不同的IMF分量,其中能量主要集中在0.35~0.5 Hz和0~0.05 Hz频段;通过分析IMF能量谱密度-周期分布,得出雷暴日变化周期为2.8 a左右的年际变化和25 a左右的代际变化为主要变化周期,其次是4.5和7.1 a左右的年际变化为次要变化周期,从趋势项可知香港地区雷暴日呈波动上升趋势。EEMD算法可较好地用于雷暴日趋势特征分析。

基于EMD的滚动轴承故障特征提取方法

故障特征提取是滚动轴承故障诊断的关键环节。首先系统研究经验模式分解方法;然后介绍在经验模式分解基础上提出的几种方法,包括:希尔伯特-黄变换,局域均值分解以及集合经验模态分解。分析各种方法的基本原理、应用和特点。EMD与多种故障特征提取方法相结合是轴承故障特征提取的研究方向。

EEMD在配电网电能质量扰动检测中的应用

鉴于引起配电网电能质量问题的扰动信号为非平稳信号,本文将基于集合平均经验模态分解(EEMD)的希尔伯特-黄变换(HHT)应用于配电网电能质量扰动检测。该方法通过对配电网电能质量扰动信号进行自适应分解,获得固有模态函数(IMF),再对IMF进行HHT获得准确的瞬时频率和瞬时幅值,可以准确刻画扰动发生时间、描述扰动信号的频率和幅值特征,同时克服经验模态(EMD)存在的模态混叠问题,为配电网扰动信号的检测提供了一种新的分析手段。通过配电网几种常见扰动信号进行仿真实验,结果验证了该方法的有效性。

基于改进HHT的风力发电系统轴承故障诊断

轴承是风力发电机组中故障率较高的部件,其故障信号为非线性、非平稳信号,经验模态分解是一种自适应的信号处理方法,可用来分析此类信号,但是模态混叠使得经验模态分解无法准确地将固有模态分离出来。针对此问题,采用总体平均经验模态分解进行改进,利用高斯白噪声的频率均匀分布的统计特性,抑制模态混叠现象,并通过计算固有模态函数与故障信号的互信息来剔除虚假分量,从而得到更准确的Hilbert-Huang谱,由此提取故障信息,判断故障类型。仿真试验及轴承故障诊断实例均证明了该方法的有效性。

基于EEMD的交联电缆局部放电信号检测研究

针对经验模态分解方法在提取局部放电信号时易产生模态混叠问题,将集合经验模态分解方法用于交联电缆局部放电信号的提取。该方法相对传统小波变换不需要选择基函数和确定分解层数,可以地自适应地将含有干扰信号的局部放电信号分解成不同时间尺度的固有模态函数,对主要成分是局放信号的分量进行阈值处理与重构得到局放信号,经过希尔伯特-黄变换得到局放信号的时间-相位-幅值谱,获得反映局放信号的特征信息。仿真和实验结果表明验证了集合平均经验模态分解在交联电缆局部放电信号检测中的可行性。

云南香格里拉、德钦—四川得荣交界5.9级地震加速度记录的时频分析

2013年8月31日四川省甘孜藏族自治州得荣县、云南省迪庆藏族自治州德钦县、香格里拉县交界地区发生的Ms5.9级地震,发震构造为德钦—中甸—大具断裂。采用基于聚类经验模态分解(EEMD)的HHT计算方法,对通过对震区附近架设的2个流动强震观测台站获取了的地震加速度记录进行时频分析,得到了不同台站加速度记录分量的边际谱、傅里叶谱及瞬时能量谱,量化提取了平均周期、中心频率和最大振幅等时频特性。研究结果表明:经过EEMD分解及谱分析所得到的FFT谱与Hilbert边际谱相比,随着频率的增加会放大其幅值;并且随着震中距的增加,最大地震动峰值加速度迅速衰减,加速度记录主频成分则随之增加。最后从四川境内近年来不同断层的错动类型与强震加速度记录的时频特性及Hilbert瞬时能量谱所反映的信号能量释放特点方面存在的差异,进行了分析研究,结果表明断层的错动类型对边际谱与傅里叶谱之间的关系影响不大,无论是走滑断层还是倾滑断层错动,Hilbert边际谱在低频处的地震动幅值均大于傅里叶谱的幅值,但断层的错动类型对能量随时间的释放过程影响较大。

基于改进EEMD的穿墙雷达动目标微多普勒特性分析

穿墙雷达动目标探测中人的心跳、呼吸、手臂摆动等运动的微多普勒信号是非线性、非平稳信号,可以采用经验模式分解(EMD)对其进行时频分析。由于EMD分解存在模式混合问题,该文提出一种改进的整体平均经验模式分解(EEMD)方法,并将其应用于穿墙雷达人的运动微多普勒特性分析中,并且对分解后的每个本征模式函数(IMF)进行Hilbert-Huang变换(HHT),得到信号的时间-频率-能量谱。仿真数据和实验结果分析均表明,改进的EEMD方法不仅能够有效消除EMD中的模式混合问题,将人运动微多普勒信号中的不同频率尺度分解在不同的IMF中,而且还能够有效抑制原始信号中的噪声,提高信噪比,得到更精细、更清晰的时频分布。

基于EEMD的有载分接开关触头松动故障诊断

针对基于经验模态分解(EMD)的希尔伯特黄变换(HHT)在变压器有载分接开关(OLTC)振动信号故障检测方面的模态混叠问题,提出了集合经验模态分解(EEMD)方法,有效解决了EMD模态混叠的缺点。在EEMD的基础上对振动信号进行HHT,提取信号的边际谱,实现对触头松动故障的检测。仿真与实际试验表明,将该方法应用于分接开关振动信号的分析,可有效地提取故障特征量,有利于对触头故障的诊断。