基于改进Hilbert-Huang变换的管路环向裂纹故障诊断研究

在制造、加工、装配以及服役过程中,航空液压管路可能存在平面型缺陷。在适航载荷作用下,这些缺陷会萌生裂纹并发生扩展,最终导致管路破裂和油液泄漏。为了在管路产生微裂纹时对其进行故障诊断,采用了自行搭建的航空液压管路模态试验平台和测控系统,对存在环向裂纹航空液压管路的振动信号进行了采集和预处理。而在对管路振动信号进行分解时,由于经验模态分解(Empirical Mode Decomposition,EMD)算法存在模态混叠问题难以获得准确的本征模态函数(Intrinsic Mode Functions,IMF)。为提高信号处理精度,提出一种基于自适应噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和Hilbert变换理论相结合的改进Hilbert-Huang变换方法对航空液压管路环向裂纹进行故障诊断。研究结果表明,该方法能够更准确地诊断航空液压管路的环向裂纹故障。

基于Hilbert-Huang变换的水环式真空泵故障诊断研究

为提高水环式真空泵设备的运行可靠性,保障生产安全,利用Hilbert-Huang变换,开展水环式真空泵故障诊断研究。采用振动传感技术,对真空泵的振动信号开展采集;采用经验模式分解法,把繁杂的振动信号分割成几个相对简易的单独行星际信号,理解和分析信号的特性和结构;利用Hilbert-Huang变换,对真空泵进行全面故障诊断,获取故障类型与故障程度。实验分析证明提出的诊断方法可行,针对不同故障类型的水环式真空泵,在准确性方面均展现显著优势。

基于Hilbert-Huang变换的配电自动化主站FA故障识别

由于电力系统中的故障信号往往具有非平稳、非线性的特性,传统的故障识别方法往往难以取得理想的效果。因此,现提出基于Hilbert-Huang变换的配电自动化主站FA故障识别。首先,对配电自动化系统主站结构进行了设计与分析,其次,基于Hilbert-Huang变换提取FA故障信号,通过IMF的特性来捕捉电流波动的重要时刻点,最后,实现配电自动化主站的馈线自动化故障识别。实验结果表明:通过本次实验,验证了基于Hilbert-Huang变换的配电自动化主站FA故障识别的有效性和可靠性。该方法能够在故障发生后迅速准确地识别出故障的位置,为配电网的故障处理和恢复提供了有力的技术支持。

基于Hilbert-Huang变换的电网故障行波定位方法

正确辨识和检测故障行波信号是实现电网故障行波定位的关键。提出了一种新的故障行波信号时频分析方法,采用Hilbert-Huang变换(HHT)对故障行波信号进行检测,通过经验模态分解(EMD)法提取故障行波信号的固有模态函数(IMF),再进行Hilbert变换,得到各自的瞬时频率,由瞬时频率进行行波到达时刻的准确检测。HHT与小波变换比较,不存在变换参数的选取难题,变换结果具有唯一性。仿真结果表明HHT能更准确地提取电网故障行波波头位置,有效提高故障行波定位精度。

Hilbert-Huang变换方法在谐波和电压闪变检测中的应用

将一种新的非平稳信号处理方法,即HHT(Hilbert-HuangTransform)方法用于检测与时频分析典型的电能质量扰动信号,如谐波、电压闪变与波动信号。该方法由经验模态分解法(EMD)及Hilbert变换两部分组成,先用EMD提取信号的固有模态函数(IMF)分量,再对IMF作Hilbert变换求瞬时频率和幅值。该方法可以从时域和频域两方面同时对信号进行分析,能够准确检测出突变、非平稳谐波和电压闪变信号的时间、频率和幅值信息。仿真分析结果表明了该方法检测非平稳电能质量扰动信号的有效性。

基于支持矢量回归机的Hilbert-Huang变换端点效应问题的处理方法

Hilbert-Huang变换的端点效应表现在两个方面,对信号进行经验模态分解(Empirical mode decomposition, EMD)和对各个内禀模态函数(Intrinsic mode function,IMF)进行Hilbert变换时都会产生端点效应。为了克服 Hilbert-Huang变换中的端点效应,采用支持矢量回归机对信号延拓后再进行经验模态分解,该方法可以有效地克服EMD方法的端点效应问题,得到具有物理意义的内禀模态函数;然后再次采用支持矢量回归机对IMF分量进行延拓后进行Hilbert变换,可有效地抑制Hilbert变换中的端点效应,获得准确的瞬时频率和瞬时幅值,从而得到具有物理意义的Hilbert谱。对仿真和实际信号的分析结果表明,基于支持矢量回归机的数据序列延拓方法能有效地解决Hilbert-Huang变换中存在的端点效应问题,而且其效果优于基于神经网络的数据序列延拓方法。

基于Hilbert-Huang变换的生物触电电流检测模型

为了检测触电时刻剩余电流中生物体触电支路电流信号的难题,应用Hilbert-Huang变换方法,确定了生物触电时剩余电流的固有模态函数中相关系数最大的IMF分量的局部幅值达34.02 m A,且与原信号相关性系数达到0.99,同时剩余电流与触电电流暂态过程频谱特性具有相似变化规律。以此为基础,应用生物电流信号高频IMF分量幅值的突变特征,作为触电故障时刻确定判据,建立生物触电故障时刻判定方法,实际数据的仿真处理正确率为94.17%;筛选剩余电流分解的相关性较高的有限个数的低频固有模态IMF分量,应用逐步多元线性回归方法,提出基于剩余电流固有模态分量的生物触电支路电流幅值检测方法,仿真试验结果的平均相对误差值5.46%,具有良好的适应性和实用性,为研发基于生物体触电电流而动作的剩余电流保护装置提供参考。

Hilbert-Huang变换与地震信号的时频分析

本文介绍了HHT时频分析方法及瞬时频率的概念,给出了已知信号的经验模态分解及其时频分布,并对实际地震波形信号进行了HHT时频处理与剖析。结果表明,HHT方法能准确描述地震波形信号的非线性时变特征,是地震信号时频分析的有效工具。

Hilbert-Huang变换与大地电磁信号的时频分析

将Hilbert-Huang变换引入大地电磁信号的时频分析中,介绍HHT(Hilbert-Huang transform)时频分析原理及方法,给出仿真信号的经验模态分解及其时频分布,并对实测大地电磁信号进行HHT时频处理与剖析。研究结果表明:Hilbert能量谱随时频的具体分布具有很强的非稳态动态变换时频刻画能力;时频谱的时间、频率分辨率不受Heisenberg测不准原理的限制,且其时间、频率分辨率都很高,有很好的时频聚集性;HHT方法能用于描述大地电磁信号的非线性时变特征,是大地电磁信号时频分析的有效工具。

基于Hilbert-Huang变换的行波法高压输电线路故障定位

输电线路发生短路故障时,产生的故障暂态行波是一种非线性、非平稳信号。准确提取行波波头信号,是行波法故障定位的关键。将Hilbert-Huang变换这一非平稳信号处理工具应用于故障行波波头的检测,实现故障定位。利用GPS同步采集输电线路双端故障前后一段时间的电流数据,对其进行经验模态分解,将得到的高频模态分量进行Hilbert变换,得到相应的时间-频率谱图。时频图上的频率突变时刻即为行波波头的到达时刻。Matlab仿真结果表明,该方法能准确捕捉行波波头的到达时刻,有较高的定位精度。

Hilbert-Huang变换在电气化铁路谐波检测中的应用

将Hilbert-Huang变换(Hilbert-Huang transform,HHT)用于电气化铁路谐波检测中,应用该方法可以提取任意频次的谐波信号。为了解决直接应用经验模式分解(empirical mode decomposition,EMD)方法可能出现的模态混叠问题,文中采用基于傅里叶变换(Fourien tranform,FT)的EMD方法对电气化铁路谐波信号进行提取。首先利用傅里叶变换对指定频率部分进行滤波,然后分别进行HHT变换,再重新组合,即可得到信号全部完整的本征模态函数(intrinsic mode function,IMF)分量,进而计算其Hilbert谱,得到谐波信号的Hilbert谱值。对电气化铁路牵引变电站实测谐波电压、电流数据进行了分析,仿真结果表明利用改进的HHT方法可以得到电气化铁路各次谐波的准确时频分布。

Hilbert-Huang变换中的一种端点延拓方法

经验模式分解是Hilbert-Huang变换中的关键一步,但其在构造极值点上下包络线的过程中存在着严重的端点效应问题。在现有解决该问题方法的基础上提出了一种相似极值延拓方法。该方法将数据两端相邻极值点的横坐标差值作为极值形状特征,再利用该形状特征和已知极值点的均值对信号进行延拓。克服了现有延拓方法仅参照数据端点处极值点进行延拓的缺陷,综合考虑了数据序列两端极值点变化与其它极值点信息对信号进行延拓。仿真和实例证明,相似极值延拓方法能够有效的抑制端点效应,而且算法简单且易于实现。

基于Hilbert-Huang变换的ECG消噪

提出一种基于Hilbert-Huang变换的ECG消噪方法,该方法对含噪ECG进行经验模态分解,对分解后的IMF进行Hilbert频谱分析,然后根据ECG信号噪声特点对三种主要噪声分别消噪.工频干扰和高频噪声主要存在于ECG的低阶IMF中,而基线漂移主要存在于ECG的高阶IMF中,对低阶IMF采用基于自适应阈值的形态学滤波方法进行消噪,对高阶IMF采用平滑滤波法进行基线漂移估计.仿真实验和实际应用结果表明该方法优于小波消噪法,不仅对三种主要噪声具有较好的抑制作用,还能很好的保留ECG波形特征.

Hilbert-Huang变换及其在电力系统中的应用

通过综述国内外Hilbert-Huang变换及其相关端点效应、模态混叠、筛分停止准则等问题的研究现状,讨论了该变换的特点。详细分析了Hilbert-Huang变换在电力系统设备故障检测与故障诊断、电力系统振荡分析、电能质量检测和负荷预测等方面的应用现状。最后,对其在电力系统中的应用进行了展望,认为Hilbert-Huang变换可以联合其他方法克服本身缺点,并根据电力系统信号的特点,更有效地应用于电力系统。

HILBERT-HUANG变换端点效应处理新方法

HIBERT-HUANG变换(HHT)实现过程中,对信号进行经验模态分解(Empirical mode decomposition,EMD)和对分解得到的各个本征模函数(Intrinsic mode function,IMF)进行HILBERT变换时都会产生端点效应。对此问题,采用波形特征匹配延拓数据,提高经验模态分解精度,有效地抑制HILBERT变换中的端点效应,获得准确的HILBERT时频谱。所延拓数据兼顾原始信号中的极值点及非极值点的波形数据,使延拓数据特征与原信号一致,在HHT变换实现过程中仪需一次延拓,算法简单。仿真计算和转子系统故障试验分析结果表明,所用方法可以有效解决HHT变换的端点效应问题。

基于Hilbert-Huang变换和小波包能量谱的电压暂降源识别

针对电压暂降源识别问题,提出一种基于Hilbert-Huang变换(HHT)和小波包能量谱的电压暂降源识别方法。首先对电压暂降信号经过经验模态分解(EMD),得到一个固有模态函数(IMF)集合,然后将各IMF进行n层小波包分解并计算其小波包能量谱,得到Hilbert-Huang(HH)谱图。通过比较突变点、幅值、谐波等特征量,对电压暂降源进行识别。实验结果表明,该方法简洁可靠、识别准确性高、实用性强。

Hilbert-Huang变换在齿轮故障诊断中的应用

为齿轮故障诊断提供了一种新的途径,将Hilbert-Huang变换引入齿轮故障诊断,提出了局部Hilbert能量谱的概念,同时根据齿轮故障振动信号的特点建立了两种基于Hilbert-Huang变换的齿轮故障诊断方法:基于EMD的频率族分离法和Hilbert能量谱方法。采用EMD(Empiricalmodedecomposition)方法对齿轮振动信号能有效地将各个频率族分离;局部Hilbert能量谱可以反映齿轮振动信号的能量随时间和频率的分布情况,从而可以提取齿轮振动信号的故障信息。将这两种方法应用于齿轮故障诊断中,结果表明,基于EMD的频率族分离法和Hilbert能量谱方法都能有效地提取齿轮故障特征信息。

Hilbert-Huang变换端点效应问题的探讨

为了克服Hilbert-Huang变换中的端点效应,利用时变参数ARMA(AutoregressiveMovingAverage)模型对信号进行外延后再进行EMD(EmpiricalModeDecomposition)分解,在一定程度上克服了EMD方法的端点效应问题;同时利用时变参数ARMA模型对IMF(IntrinsicModeFunction)分量进行延拓后再进行Hilbert变换,有效地抑制了Hilbert变换中的端点效应,可以得到准确的瞬时频率和瞬时幅值。

Hilbert-Huang变换理论及其计算中的问题

以地震波的谱分析为例 ,对比分析了Hilbert Huang变换 (HHT)与傅立叶变换的差别 ,结果表明 :HHT是对非平稳时程进行数据分析的有效工具 ,能有效地将各种频率成份以固有模态函数的形式从时程曲线中分离出来 ,但这种固有模态函数与傅立叶变换结果不同 ,而且Hilbert谱是包含时间 -频率 -振幅的三维谱 ;可采用在端点改造一个小波串的方法解决HHT存在的端点飞翼现象 .

Hilbert-Huang变换中的理论研究

1996年 ,NordenE .Huang等人提出了一种新的非平稳信号的时频分析方法———Hilbert_Huang变换 (HHT)。它以瞬时频率为基本量 ,以固有模态信号为基本信号 ,与以往的时频分析方法相比有明显的区别 ,在应用中已表现出了独特的优点。但这一新方法还处在发展阶段 ,在建立严密的理论和方法的完善方面还有许多事要做。本文首先对这一方法作了简单介绍 ;然后借助振动信号模型提出了固有模态信号应满足的一个重要数学条件 ,进而建立了固有模态信号的数学模型 ;基于这一模型 ,论证了固有模态信号对局部对称性要求的必要性 ,以及用极值点拟合固有模态信号包络线和经验模态分解的合理性。这些工作使Hilbert_Huang变换的研究向前迈进了一步。