旋转机械振动信号基于EMD的希尔伯特变换和小波变换时频分析比较

基于经验模态分解(Empirical Mode Decomposition, EMD)的希尔伯特变换(Hilbert Transformation,HT),是先把一列时间序列数据通过经验模态分解,然后经过希尔伯特变换获得频谱的信号处理新方法。介绍了该方法的理论和算法。对仿真和旋转机械油膜涡动故障振动信号分别用基于EMD的HT和基于小波变换(Wavelet Transformation,WT)的时频分析在时域、时频域和频域进行了比较研究,研究结果说明,旋转机械振动信号基于EMD的HT时频分析方法比基于WT的有效。

基于HMM校正与神经网络延拓的EMD端点效应抑制方法

针对神经网络延拓方法在抑制经验模态分解的端点效应时存在的延拓数据与真实数据往往存在误差的问题,提出了一种基于HMM校正的方法来减小预测延拓数据误差。首先利用径向基函数(RBF)神经网络预测估计方法对部分原始数据进行估计,同时对端点外数据进行预测。然后计算该方法估计的数据与真实数据的误差序列,再用HMM方法建立估计误差序列模型,用以预测延拓后数据的误差。最后用RBF神经网络延拓数据减去HMM预测的误差数据得到新的校正后延拓数据。仿真与实验证明了将HMM预测方法与RBF神经网络数据延拓结合应用到解决端点效应的过程中所得到的延拓数据更接近真实数据,能够更好地解决端点效应问题,提高了经验模态分解精度。

光通信粗瞄系统莫尔条纹信号正弦性补偿方法

为了保证光通信终端的精确对准,抑制编码器莫尔条纹正弦性偏差引入的细分误差,设计了基于经验模态分解(empir-ical mode decomposition,EMD)的正弦性修正方法。首先,介绍了卫星光通信终端跟瞄系统的组成与工作原理。接着,分析了莫尔条纹正弦偏差给系统带来的细分误差并给出满足工程需求的正弦性阈值。然后,在阐述EMD分解原理的基础上,给出了基于EMD的正弦性修正方法,该方法利用编码器自身粗码信息计算转速,从而确定精码莫尔条纹信号的基波频率值,并采用EMD分解在原始信号中提取与该值相匹配的基波分量。最后,对该方法进行了原理和转速自适应性仿真,并应用到去掉光学滤波镜片后的粗瞄回路编码器中。仿真及实验结果表明:在光通信终端的各工作转速下,修正后的莫尔条纹正弦性均小于0.85%,满足细分要求;修正后的精码译码结果精确,编码器测角精度维持在1″以内,满足终端对准精度的要求。