极值斜率经验模式分解结合独立分量分析的单通道盲分离

针对单通道盲分离领域先验信息不足的问题,提出了一种基于极值斜率经验模式分解和独立分量分析的单通道盲分离算法。首先通过极值斜率经验模式分解算法以不同尺度逐次分解混合信号的波动和趋势,得到一组固有模态函数。然后将其作为独立分量分析算法的输入信号,从得到的独立分量中萃取出与源信号相似的独立分量,通过重构算法恢复源信号,达到分离目的。实验信号采取仿真信号和实际信号,实验结果表明,该算法不需任何先验信息,鲁棒性强,能较快地得到良好的分离效果。

一种随机激励下时变结构工作模态辨识方法

时变结构在随机激励下的瞬时频率辨识始终是一项充满挑战的任务。结合图像处理技术和基于能量的脊线检测方法,提出一种自适应提取时频脊线的方法,其优点在于无须先验信息(如分量个数、分量带宽)即可实现时频域内所有分量脊线的提取,同时增强脊线提取的稳定性。在已知瞬时频率的基础上,又利用多通道固有啁啾分量分解方法实现时域内各通道各频率成分的同步分离,通过计算各分量的瞬时振幅比值获得瞬时振型。白噪声激励下的三自由度时变结构仿真和色噪声激励下的充液圆筒放水实验证明了该方法的有效性、鲁棒性和实用性。

转子断条与静态偏心复合故障诊断方法

为了探究笼型异步电动机中,转子断条和静态偏心两种故障的影响因素和耦合规律,提高转子断条与静态偏心复合故障识别的准确率,基于多通道自适应陷波和总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)两种算法对转子断条与静态偏心复合故障进行诊断分析。首先采用自适应陷波技术滤除定子电流中的工频及奇次谐波,再对信号进行EEMD分解获得若干固有模态分量(intrinsic mode function,IMF)。然后对IMF分量进行包络分析,解调出故障特征频率,甄别故障类型。实验结果表明,该方法对转子断条与静态偏心复合故障能够准确识别。