基于Fast-ICA算法的改进EEMD算法在桥梁工程中的运用

目前,以振动分析为基础的桥梁结构健康状态评估方法逐渐受到人们的重视,模态参数识别作为振动分析的关键问题之一,还需进一步完善。模态参数识别即是对结构的振动信号进行动力特性参数的识别,以得到结构的频率、振型以及阻尼比。为了精确地识别出桥梁结构的模态参数,需先对传感器采集的结构响应信号进行分解和重构以保留结构的真实信息,再对重构信号进行模态参数辨识。现阶段,集合经验模态分解算法作为常用的信号分解算法之一,存在两大缺陷,即所得本征模态函数间存在模态混叠现象和有效本征模态函数的定义没有统一的标准。基于此提出对应的改进算法,首先将夹角余弦法用于筛选有效IMF分量;其次将盲源分离算法中的Fast-ICA算法嵌入EEMD分解算法中以避免模态混叠现象的发生;接着将所提算法运用于模拟信号以验证其可行性;最后将所提改进算法运用于实际桥梁工程的响应信号中,并对比分析所得模态参数值以验证该算法的可靠性。结果表明,所提算法较现有EEMD算法具有更好的信号分解效率,且能够有效地剔除结构的虚假信息,保留实际桥梁结构的真实信息。

基于EEMD-Fast ICA-STFT的车用起动电机噪声源识别

提出基于集成经验模态分解(EEMD)、快速独立分量分析(Fast ICA)和短时傅里叶变换(STFT)的噪声源识别方法,对起动电机噪声信号进行声源识别研究。首先采用集成经验模态分解法将单一通道的电机噪声信号分解为一系列本征模态分量,随后用Fast ICA算法提取独立成分,最后利用短时傅里叶变换良好的时频分析特性,对Fast ICA分离结果进行时频分析,结合时频分析结果和电机噪声的先验知识,确定了各独立分量与电机不同噪声源的对应关系。

基于EEMD和FastICA的单通道背景声舱音盲源分离

针对单通道信号盲源分离(blind source separation,BSS)模型的极端欠定问题,提出利用总体经验模态分解(ensemble empirical mode decomposition,EEMD)将单通道混合信号分解成多个瞬时频率本征模态函数(intrinsic mode function,IMF)分量的形式,构建新的观测矩阵,再通过快速独立分量分析(fast independent component analysis,FastICA)实现信号的盲源分离。仿真实验和实验室研究表明:该方法能够抑制宽频和瞬态干扰,有效地将淹没于噪声中的目标信号提取出来。实测数据分析表明该方法可以在飞机发动机噪声干扰下有效地提取背景声舱音信号,证明该方法在舱音信号处理中的有效性。

基于EEMD、度量因子和快速峭度图的滚动轴承故障诊断方法

基于EMD、谱峭度以及包络分析的滚动轴承故障诊断方法,提出了改进的基于EEMD、度量因子和快速峭度图的诊断方法。该方法首先将故障信号进行EEMD分解得到一组IMFs,然后用度量因子筛选出最能表征故障信息的IMF分量重构信号,再用快速峭度图构造最优带通滤波器,最后将滤波后的重构信号进行包络分析并将包络谱与轴承故障特征频率进行比较,从而诊断出具体故障。滚动轴承的内圈故障仿真数据以及工程实测数据均很好地验证了提出的改进方法的有效性,说明其具有良好的应用前景。

基于EEMD和快速谱峭度的滚动轴承故障诊断研究

从经验模态分解(EMD)中得到的本征模态函数(IMF)存在模态混合现象,并且其末端效应影响分解效果,针对这一问题,以西安交通大学XJTU-SY滚动轴承中的振动数据为例,对其外圈振动的正常数据和失效数据分别进行了对比研究。首先,采用集合经验模态(EEMD)分别对正常和失效轴承的振动信号进行了分解,得到了各阶IMF分量;然后,通过峭度准则选择关键的IMF分量进行了信号重构,计算了重构的信号快速谱峭度,根据快速谱峭度得出的中心频率和带宽为依据,对重构信号进行了带通滤波处理;最后,对包络谱进行了对比分析,获得了滚动轴承的准确故障特征信息。研究结果表明:通过EEMD分解和快速谱峭度得出滤波后的重构信号降噪效果明显,可以得到良好的故障带宽和中心频率;该方法能有效测出XJTU-SY滚动轴承出现外圈故障时的振动频率。

CEEMDAN辅助快速谱峭度的滚动轴承故障诊断方法

为解决集合经验模态(EEMD)存在分量重构误差大和提取的故障特征不明显问题,课题组提出一种自适应噪声完备集合经验模态分解(CEEMDAN)辅助快速谱峭度的故障诊断方法。首先采用CEEMDAN将故障信号分解为多个IMF分量,计算分量的谱峭度值,选择峭度和相关度最大的分量进行重构;然后通过快速谱峭度图确定最大共振频带,进行带通滤波分析,获得故障信息;最后采用某滚动轴承实验数据分别对内圈故障和外圈故障进行实验分析。结果表明:与原始故障信号相比,该方法获得的包络谱更清晰,故障频率更明显,内圈故障频率为162 Hz,外圈故障频率为107 Hz。该方法提取故障特征突出,可以得到有效的故障频带。

电站锅炉管阵列内声传播特性及时延值测量

对电站锅炉管阵列内声传播特性及时延值进行研究,利用Fluent软件对非均匀温度场与均匀温度场、不同管排数及不同布置方式的管阵列内声传播特性进行对比,并搭建管阵列实验台,引入快速集合经验模态分解(EEMD)算法对管阵列内时延值进行测量.结果表明:管阵列内声传播存在声阻带,且在非均匀温度场集合经验模态分解下声阻带向低频段移动,管排数越多,声阻带效应越明显,管道间节距对错列与顺列布置方式下的声阻带有一定影响;基于快速EEMD处理,选用低频段声信号能够获得有效时延值.

采用改进互补集总经验模态分解的电能质量扰动检测方法

针对集总经验模态分解(EEMD)方法加噪参数(噪声幅值、集总次数)需人为确定、分解残余噪声大以及计算耗时长的缺点,提出一种自适应快速互补集总经验模态分解(AFCEEMD)方法.该方法分析不同频率形式噪声对极值点分布的影响,确定加噪频率采用高频辅助分解的优势,并以极值点分布特性作为评价指标自适应选择最优加噪频率.通过对EEMD加噪准则的研究,推导出加噪幅值和分解次数采取固定值:0.01SD和2次,且以正负成对的形式加入到原始信号中.通过仿真实验和搭建的电能质量扰动平台的实测数据验证了所提方法的自适应性和计算性能,而且适用于电能质量扰动检测与分析.

高压断路器振声联合故障诊断方法

针对现有的高压断路器机械故障诊断方法存在的不足,本文提出了一种新的高压断路器振声联合诊断机械故障的方法。此方法首先利用快速核独立分量分析(fast KICA)对采集到的声波信号进行盲源分离处理,并对处理后的声波信号和采集到的振动信号进行改进集合经验模式分解(EEMD)。其次,对分解后的每一个固有模态函数(IMF)求其二维谱熵,并以此二维谱熵矩阵的变换矩阵作为支持向量机的输入特征向量对断路器机械状态进行识别。最后实验表明,振声联合复合分析方法有效提高了高压断路器机械故障诊断的正确性和实用性。

一种基于RTK-GNSS技术的大跨径悬索桥动态特性分析方法

为了研究一座大跨径自锚式悬索桥的动态特性,本文采用实时动态差分-全球卫星导航定位系统(RTKGNSS)和加速度计对环境激励下天津富民桥进行监测试验.考虑到RTK-GNSS系统定位精度的缺陷,提出了一种基于集合经验模态分解(EEMD)法与小波分解(WD)技术的联合降噪方法(EEMDWD),利用该方法对监测信号进行降噪处理以提高仪器的测量精度.随后,采用快速傅里叶变换(FFT)与随机减量技术(RDT)对降噪信号做进一步分析,从中获取结构的固有频率与相应的阻尼比.同时,为了与实测结果进行对比,建立了结构的有限元模型.分析结果表明:(1)采用EEMDWD联合降噪方法可以有效抑制背景噪声的影响,并且明显优于采用单独的EEMD或者WD分析的结果;(2)通过FFT分析,成功拾取到了结构的1阶固有频率,即f =0.5873 Hz,且RTK-GNSS与加速度计两类传感器的模态频率识别结果相一致,进一步验证了RTK-GNSS系统用于监测环境激励下大跨径桥梁动态响应的可行性;(3)通过RDT分析,成功拾取到了结构的阻尼比,即ξ=2.12%;(4)阻尼比实测值与有限元模型分析结果基本吻合,两者相差2.86%.