基于经验模式分解的包络解调技术及其应用

提出了一种新的调制信号解调分析技术,来抑制传统的包络解调方法中经常出现的无意义的频率成分.首先,对复杂的振动信号进行经验模式分解,得到若干个基本模式分量,再对包含调制信号的基本模式分量进行包络分析以提取故障信息.该方法利用经验模式分解来实现故障信息的有效分离,从而提高了诊断信号的信噪比.利用该方法对某齿轮箱轴承座振动信号进行经验模式分解,进而解调出高速轴转频这一调制频率,准确地诊断出该故障是由齿轮轴不对中所引起的,通过针对性的维修后,消除了故障,从而验证了该方法的有效性.

环境激励下基于经验模式分解的结构模态参数识别方法

识别结构模态参数是结构健康监测和振动控制等研究及工程实践中的一个重要环节,同时也是前提和难点所在。提出基于经验模式分解(EMD)的环境激励结构模态参数识别的STD法、复指数法与ARMA法。3种方法采用EMD将结构环境振动响应原始信号分解成若干个基本模式分量(IMF),使每一个基本模式分量仅为结构的某一阶固有模态,采用相关系数法结合频谱分析挑选出真实IMF,进而分别用STD法、复指数法与ARMA法进行模态参数识别。四层钢框架模型环境振动试验分析结果表明,3种方法能有效地避免结构各阶模态之间的相互影响,能够更清晰更方便得到结构模态参数。采用基于奇异值差分谱进行去噪处理,使得识别结果更加准确。

基于经验模式分解的随机子空间识别方法

提出了基于经验模式分解(EMD)的环境激励结构模态参数随机子空间识别(SSI)方法。该方法用设置间断频率的EMD将结构环境振动响应原始信号分解成若干个基本模式分量(IMF),使每一个基本模式分量仅为结构的某一阶固有模态,进而用随机子空间方法进行模态参数识别。实桥环境振动实验分析结果表明,该方法能有效地避免结构各阶模态之间的相互影响,能够更清晰方便地得到结构的模态参数。

多分量神经网络自回归模型及其工程应用

提出了基于局域波的多分量神经网络自回归模型 ,用于对非线性动态系统时间序列进行建模。首先通过局域波法对分析的原始时间序列进行分解 ,使之成为不同尺度的基本模式分量 ,然后用多层神经网络对每个基本模式分量分别进行时间序列预测。最后 ,所有分量的预测值通过另一个单层线性神经网络进行重构 ,作为原始时间序列的预测值。并把该方法用于转子故障诊断。实验数据表明 ,这种结构用于故障诊断 ,性能优于传统的分析方法。

基于多分量奇异熵的往复式压缩机故障分类

由于往复式机械振动信号的强烈非线性,对其进行特征提取较为困难.针对上述现象提出了一种计算信号多分量奇异熵的特征提取方法.通过局域波法提取出振动信号的各基本模式分量.利用非线性动力学相空间重构理论适当选择嵌入维数与延迟时间,计算出往复机振动信号各基本模式分量的奇异熵值,提取出故障信息,并经自适应神经模糊推理系统(ANF IS)对故障特征进行分类.结果表明全部分类正确,达到了故障诊断的目的.

基于优化变分模态分解和复杂度的农产品期货市场非线性特征研究

本文基于优化变分模态分解(GAVMD)与复杂度相结合的方法,对大连和郑州商品交易所近5年的农产品期货市场交易额进行非线性分析。首先对两交易所的农产品期货交易额进行GAEMD分解,对遗传算法(GA)对变分模态分解(VMD)的参数进行优化,自适应确定最优参数。其次,筛选出蕴含农产品期货市场交易信息最丰富的有效基本模式分量(IMF)分量,计算IMF的复杂度指标,再求得复杂度综合指标。结果表明,该方法可以对农产品期货市场交易额非线性特征进行评估,能够有效地定量识别不同交易所的农产品期货交易额非线性特征。

基于经验模式分解的直觉模糊网络故障诊断

针对平稳时间序列信号,提出一种基于EMD多模态分量特征提取和直觉模糊网络的故障诊断方法。该方法首先对原始信号进行EMD分解,经EMD分解获得基本模式分量(IMF),选择能量最大的几个IMF并转化为模糊特征向量,对机器故障进行诊断,然后将模糊特征向量输入到直觉模糊网络中,实现对机器工作状态及不同故障类型的识别,该方法应用于柴油机振动信号的故障诊断,实验结果证明了其可行性和有效性。

改进的随机共振和EMD混合模型用于转子早期故障检测

针对旋转机械转子早期故障检测精确度低的问题,建立了尺度变换随机共振降噪下的经验模式分解(EMD)模型。利用尺度变换随机共振模型在全频段范围内自适应地提取待测信号中所含频率信息,为了避免漏警检测造成的安全隐患,模型选用低阈值检测共振频率,但在强噪声扰动下有可能带来虚警检测;为了去除虚警检测,该模型根据检测到的共振频率对实测信号进行带通滤波,将滤波后的信号通入改进的EMD系统,以检测出共振频率分量对应的幅度值,剔除幅度值较小的虚警现象,从而保证整套模型具有高精确度故障检测的性能。理论分析和实测结果表明,该混合模型能准确检测出旋转机械转子的早期故障信息。与现有方法相比,该混合模型故障检测结果具有更高的可靠性。

基于EMD和支持向量机的柴油机故障诊断

为了解决传统小波或小波包变换方法对柴油机振动信号频率分辨率不高、易受邻近谐波分量间交叠影响的缺陷,提出了一种基于经验模态分解和支持向量机的故障诊断方法。该方法首先对振动信号进行经验模态分解,分别提取能量最大的几个基本模式分量的小波包特征;然后采用支持向量机在每个独立的特征子集中进行训练,并按该子集对应的基本模式分量的能量权重进行加权融合。试验中将该方法应用于6135型柴油机的故障诊断,结果表明,针对每个基本模式分量分别进行故障分析是可行的,能够对6135型柴油机常见故障模式进行准确识别。

基于EMD降噪和谱峭度的轴承故障诊断方法

能否减小噪声干扰,提高信噪比,有效地提取故障信息是进行滚动轴承早期故障诊断的前提和关键。提出一种基于经验模态分解(empirical mode decomposition,EMD)和谱峭度(spectral kurtosis,SK)的滚动轴承故障诊断方法。首先对所提取的故障信号运用EMD分解,得到多个基本模式分量(intrinsic mode function,IMF),然后根据互相关系数去除伪分量,选取合适的IMF分量进行信号重构以达到降噪目的,突出高频共振成分,再应用谱峭度法确定带通滤波器的参数,最后对重构信号进行包络分析完成故障诊断。

基于吸引子SVD降噪的改进EMD法

基于经验模式分解(empirical mode decomposition,简称EMD)分解出的基本模式分量往往会因为原始数据中的一些异常数据和高频噪声而丧失明确的物理意义。因此,提出了一种基于系统重构吸引子奇异值分解(singular value decomposition,简称SVD)降噪的EMD分解方法。在改进方法中,原始信号经SVD降噪后分解出了原信号中的有用成分和冗余成分,对有用成分进行EMD分解可以减少原信号中冗余成分对EMD分解能力的干扰,提高EMD分解能力,使得分解出的基本模式分量更加具有实际意义,更加有利于特征的提取。

基于改进EMD算法的永磁同步电机故障特征提取

针对常用时频分析方法的不足,介绍了一种自适应时频分析方法-经验模式分解的基本原理和算法,并对其算法进行了改进。在此基础上,用EMD时频分析方法对永磁同步电机定子绕组匝间短路的电磁转矩信号进行了分析,提取了瞬时频率、幅值等瞬时故障特征,并提出了能量特征向量,为永磁同步电机的故障诊断提供了准确的依据。

基于导波的圆柱结构损伤识别方法

为实现基于导波的旋转圆柱结构的无损检测,提出一个圆柱模型和相应的损伤识别方法。当该圆柱模型处于无缺陷和有缺陷状态时,基于动态有限元方法定义并校对所感应的纵波的反射系数和残余系数。仿真结果表明残余系数可以作为一个有效的参数用于损伤识别。这种损伤识别方法在试验中得以验证。利用一个圆形的薄铝板模拟该圆柱模型的径向切片。两个圆形的压电应变片(Piezoelectric transducer,PZT)分别固定在铝板上下表面的圆心位置用于激励和采集导波信号。对比分析铝板在无缺陷(基准)状态下和有缺陷(检测)状态下从导波信号中所提取的第一阶基本模式分量(Intrinsic mode function,IMF),以校对基础阶对称(S0)模式的残余系数。试验结果和仿真结果的一致性验证了所提出的损伤识别方法的有效性,并且为实现旋转圆柱结构的无损检测奠定基础。

局域波分解算法

局域波分析是一种新的时频分析方法,该方法的关键是局域波分解算法,它的好坏直接影响到基本模式分量的精度,进而影响到它的实际应用。综述了各种局域波分解算法,讨论了各种算法的性能和特点,指出了改善局域波分解性能的具体措施和应用局域波分解算法应注意的有关问题,展望了局域波分解算法的可能发展。对局域波分解算法的改进和局域波分析的应用具有参考价值。

一种新的非平稳信号分析方法——局域波分析

该文介绍一种新的非平稳信号分析方法一局域波分析。该方法源于瞬时频率的概念,它能把动态信号的局部特征正确地在时频域内予以描述。局域波分解的基不是固定的,而是随动态信号波形的变化而变化,具有自调节自适应的特征。与传统的时频分析方法相比,局域波分析有很多优点,它是分析非平稳信号的一般方法。该文讨论了局域波分析的应用,指出了该方法需进一步研究的有关问题。

高阶非线性时频表示在故障特征提取中的应用

将高阶时频表示引入机械故障诊断领域。介绍了Wigner高阶矩谱(WHOS)的概念、定义。针对多分量信号Wigner高阶矩谱的交叉项会产生“虚假信号”,结合局域波法,提出了一种抑制WHOS交叉项的新方法。首先对复杂信号进行预处理,利用局域波分解方法把其分解成有限个具有单分量特性的基本模式分量,然后对每个基本模式分量计算WHOS。该方法能有效抑制WHOS时频分布的交叉项。通过仿真实验和转子的故障实验,以Wigner双谱为例,验证了该方法的实用性,为故障诊断的特征提取提供了新的工具。

瞬时频率的一种估计方法

为了得到在物理上有意义的瞬时频率 ,必须把基于信号全局性的限制条件修改为局部的限制条件 ,并且把这些条件转换成物理上可实现的步骤。首先讨论了用希尔伯特变换定义的瞬时频率的定义 ,然后介绍了一种新的瞬时频率估计方法。该方法利用局域波分解方法 ,把复杂的信号分解成有限个基本模式分量 ,从而使由希尔伯特变换定义的瞬时频率具有实际物理意义。由于该方法是基于信号局部特征的 ,因此适用于非线性、非平稳信号的处理。最后指出了这一方法研究的有关问题。

Hilbert-Huang变换在电晕放电辐射信号分析中的应用

提出利用Hilbert-Huang变换(HHT)对电晕放电辐射信号进行分析,该方法通过经验模式分解(EMD)将电晕放电辐射信号分解成有限个基本模式分量(IMF),然后根据Hilbert变换求出各个基本模式分量的瞬时频率,从而分析出电晕放电辐射信号的频率成分;同时在EMD分解的基础上构成时空滤波器,完成信号的降噪处理。仿真和实例分析表明:该方法与传统时频分析方法相比,有更高的分辨率,能够更加准确、有效地应用于对电晕放电辐射信号的时频分析;与小波降噪技术相比,该方法在信号降噪上具有很强的自适应能力。

基于局域波法的时间序列预测

提出了一种新的用于时间序列预测方法。由于实际信号常常具有非平稳特征,直接应用AR模型进行时间序列分析,得不到理想的效果。而局域波分解法是一种新的分析非平稳、非线性的工具。 用局域波分解法对待预测的时间序列进行经验模式分解,产生多个基本模式分量,对各个分量分别进行AR模型预测,然后重构各个预测值。仿真结果表明预测结果比直接进行AR模型预测更加精确。

信号经验模式分解与间断频率

基于环境激励条件下结构的模态参数识别问题需要处理采集的数据信号来得到所需的参数信息.经验模式分解(EMD)通过筛分过程将原始信号分解成若干个基本模式分量(IMF),可看作无需预设带宽的自适应高通滤波方法.通过设置间断频率可以避免模态混叠,使每一个基本模式分量表示结构的某一阶固有模态.采用信号实例说明该方法的主要计算过程,分解结果表明该方法能有效对信号进行分解,方便模态参数识别.