基于混叠模态Lamb波能量衰减特性的液位检测研究

提出了一种利用混叠模态Lamb波检测液位的方法。利用具有单侧液体负载的Lamb波的频散方程求得了相速度频散曲线,分析了波的离面位移和接收信号能量衰减的关系,选择激励了对液位变化敏感的Lamb波模态。仿真计算了不同角度入射波对应的混叠接收时域信号及其对应的能量。实验测试结果表明,包含B4模态波为主的混叠波的检测区分度远高于其他模态混叠波和纵波,该结果与理论计算相符。

分离EMD中混叠模态的新方法

针对经验模态分解(empirical mode decomposition,EMD)过程中可能出现的模态混叠问题,提出一种新的处理方法.该方法利用了差分运算、累计求和,同时结合EMD来实现混叠模态的分离.该文对数值仿真信号和LOD(length-of-day)数据进行了仿真分析,比较了原始EMD和所提算法的分析结果.仿真结果表明,该算法可有效分离混叠模态,得到尺度成分清晰的本征模态函数.

经验模态分解中的模态混叠问题

针对经验模态分解(empirical model decomposition,简称EMD)存在的模态混叠问题,总结了引起模态混叠异常事件的类型,讨论了模态混叠的产生原因,提出了采用加入高频谐波后再进行EMD分解消除模态混叠的方法。根据信号分析频率范围和特征选择高频简谐波的频率和幅值,并使高频谐波作为第1阶IMF分解出来,可以有效消除模态混叠现象,异常事件通常可以包含在第1阶IMF中,必要时可以将加入的高频信号直接减掉,不影响对EMD结果的判断。与总体平均经验模态分解法(ensemble empirical model decomposition,简称EEMD)对比的仿真计算表明,两种方法都可以有效消除模态混叠现象,但高频谐波加入法具有运算速度快、误差小、分解结果物理意义明确和不需后处理的优点,对含复杂异常事件的实际故障信号分析验证了该方法在工程应用中的有效性和可行性。

消除经验模态分解中混叠现象的改进掩膜信号法

经验模态分解方法能在时频域上正确地描述非平稳非线性信号的局部特征。但由于模态混淆,当信号组合分量的频率太接近时,常不能得到正确的经验模态分解结果。针对这一情况,提出了消除经验模态分解中混叠现象的一种方法——改进的掩膜信号法,并将其应用于风机叶片振动信号的分析中。该方法以能量为基础对掩膜信号的选择进行改进,并通过掩膜信号结合EMD来达到消除模态混叠现象的效果。对风机叶片振动信号进行验证的结果表明,该方法简便易行,可有效分离混叠模态,提取有用信号,并且对白噪声也有削减效果。

调幅-调频信号的经验模态分解包络技术和模态混叠

经验模态分解(Empirical mode decomposition,EMD)是一种数据驱动的自适应非线性非平稳数据处理方法。包络技术和模态混叠问题是EMD研究的重要课题。将非线性非平稳信号定义为多成分调幅-调频(Amplitude modulation-frequency modulation,AM-FM)信号模型,而EMD分解的每一个固有模态函数为单一的AM-FM信号。通过研究单成分AM-FM信号的包络以及多成分AM-FM信号EMD分解引起的模态混叠问题,提出新的EMD包络条件,并给出新包络算法的数值计算方法。基于新条件包络算法,提出单成分AM-FM信号相位和瞬时频率的新估计算法。提出解决多成分AM-FM信号EMD分解的模态混叠问题的新方法,并通过几组仿真信号和一组实测的转子碰摩数据验证了方法的有效性。

基于独立分量分析的EMD模态混叠消除方法研究

针对经验模态分解(empirical mode decomposition,EMD)算法中存在的模态混叠现象,提出一种应用独立分量分析进行模态混叠消除的新方法。首先应用形态学滤波方法将信号中的噪声予以消除,减少由于噪声因素造成的模态混叠现象。然后将信号进行EMD分解,获得不同的IMF分量,将存在模态混叠成分的IMF分量进行相空间重构,利用基于峭度最大化的独立分量分解算法实现混叠成分的分离,仿真分析和工程应用的结果表明,所提方法能有效地消除EMD分解过程中的模态混叠现象。

利用聚合经验模态分解抑制振动信号中的模态混叠

传统EMD易于造成分解模态的混叠,混叠后的IMF分量失去原有物理意义。聚合经验模态分解(ensemble empirical mode decomposition,EEMD),是一种将噪声辅助分析应用于经验模态分解中的新方法,可以较好的抑制EMD分解中产生的模态混叠现象,将其应用于振动信号的模态提取中,取得较好的工程效果。

抑制模态混叠的HHT结构模态参数识别方法研究

针对传统经验模态分解法(EMD)的模态混叠问题,在分析模态混叠产生机理的基础上,提出基于互补总体平均经验模态分解(CEEMD)与信号调频(FM)结合的组合分解方法(FM-CEEMD),并通过仿真信号验证了FM-CEEMD分解方法的有效性。将FM-CEEMD分解取代传统EMD分解应用于希尔伯特-黄变换(HHT),得到抑制模态混叠的改进HHT结构模态参数识别方法。仿真试验与实际拱坝识别结果表明:提出的改进HHT法不仅能避免模态信息丢失、提高模态参数识别精度,同时也适用于实际水利工程模态识别研究。

噪声干扰环境下抑制EMD模态混叠方法

经验模态分解(EMD)作为时频分析的经典算法,已经得到广泛的应用。然而,其分解质量容易受到噪声等干扰的影响,产生模态混叠问题。本文针对经验模态分解中因噪声存在的模态混叠问题,提出一种自适应的预处理方法。首先对输入信号进行B样条最小二乘拟合,消除了噪声的影响后,再进行EMD分解。为提高算法的自适应性,提出了一种基于极值点出现时刻的节点选取方法。对线性信号与非线性信号的仿真实验表明该方法有较高的分解精度;与聚合经验模态分解方法(EEMD)的分析对比结果表明该方法能很好地抑制噪声引起的模态混叠。

Hilbert-Huang变换中的模态混叠问题

希尔伯特-黄变换(Hilbert-Huang transform,简称HHT)存在的模态混叠现象严重影响了实际应用效果。在分析研究HHT原理及模态混叠产生机理的基础上,提出了基于形态滤波预处理与端点延拓相结合的方法抑制模态混叠现象。与集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)方法比较,所提出的方法能够更快速、准确地分解出表征信号的本征模态函数(intrinsic mode function,简称IMF)分量。将该方法应用于滚动轴承的实测信号分析,结果表明,该方法在实际应用中同样具有很好的模态混叠抑制效果。

多尺度形态滤波模态混叠抑制方法

针对Hilbert-Huang变换(HHT)中存在的模态混叠现象,依据数学形态学理论,提出多尺度平均组合形态滤波方法,并构建了多尺度平均组合形态滤波器对原始振动信号进行降噪预处理,以实现对模态混叠的抑制。并以滚动轴承的振动信号为原始数据进行故障特征频率提取实验,将所提方法与集合经验模态分解(EEMD)方法对模态混叠的抑制效果进行对比。结果表明,所提的多尺度平均组合形态滤波方法耗时仅为EEMD的1/10,且特征频率提取的误差率比EEMD低0.16%。最后,将多尺度平均组合形态滤波与HHT相结合进行滚动轴承故障特征提取的现场试验,特征频率提取结果与理论值的误差率为0.26%。

爆破振动信号分析中模态混叠和虚假分量消除的改进方法

针对CEEMD(Complementary Ensemble Empirical Model Decomposition)方法在处理爆破振动信号中模态混叠和虚假分量问题方面的局限性,提出一种改进的解相关CEEMD方法。第一,对信号端点进行特殊处理后,采用CEEMD对信号进行分解;第二,求取各IMF分量信号与原信号的相关系数及其频谱图,共同判定虚假分量;第三,将虚假分量与主分量相加后,通过解相关计算消除模态混叠。仿真信号的CEEMD分解结果以及相关系数与能量插值计算表明,改进的解相关CEEMD方法分解精度比EMD(Empirical Model Decomposition)和CEEMD高,有效抑制了信号模态混叠现象,能够避免直接处理虚假分量而带来的能量损失。应用于爆破振动信号分解,基本保证了各IMF分量非主频率信号的能量比例较低。改进方法有效消除了爆破振动信号的模态混叠和虚假分量现象。

基于SVD的EMD模态混叠消除方法

为了改进EMD中模态混叠的缺陷,提出一种基于SVD的模态混叠消除方法。SVD有两个特性,一是每个频率成分对应两个大小相当的奇异值;二是各频率成分经分解得到的奇异值大小与该频率成分的振幅呈正相关。该方法根据信号中主要频率成分构造出一组与原信号频率相等、幅值与原信号振幅成整倍数的正弦信号,并与原信号叠加后对叠加信号进行SVD分解,然后成对选取分解得到的奇异值重构出一组信号,依次减去前面加入的对应频率的正弦信号即可得到分解结果。实验表明,对于EMD分解模态混叠现象严重的信号,该方法能够进行有效消除模态混叠。

基于归一化幅频系数的模态混叠解决方法

针对在经验模态分解的过程中由于间断信号造成的模态混叠问题,提出利用对信号作经验模态分解得到的第1个固有模态函数的瞬时频率和幅度定义归一化幅频系数,分离出间断信号。实验结果证明,该方法可以克服间断信号对后续经验模态分解的影响,将间断信号分离为一个固有模态函数。

HHT分析局部放电信号时模态混叠的抑制

希尔伯特-黄变换因其良好的自适应性在局部放电等非线性、非平稳信号分析中得到广泛应用,但其分解过程中因运算产生的模态混叠常常使得分析结果产生较大偏差。本文通过小波包变换对待分析信号进行分解重构,将原始信号中的高低频信号分解,再对各重构信号分别进行经验模态分解,并以最优合成相关系数作为筛选标准选取有效的固有模态函数分量进行希尔伯特变换,最终绘制出原始信号的希尔伯特谱及边际谱。经过仿真及实际局部放电信号分析验证,与传统希尔伯特-黄变换相比,本文方法能有效地抑制模态混叠的影响,继而更准确地表达信号所含频率成分以及时频分布情况。

EMD模态混叠问题在小波去噪中的影响

针对EMD中的模态混叠问题,利用EMD或EEMD与小波阈值去噪相结合的去噪方法,分析比较几种不同的阈值选取准则和阈值函数条件下的去噪效果,通过计算机仿真表明,模态混叠问题影响EMD的去噪效果。

基于AMD的经验模态分解含间断信号模态混叠消除方法

针对在经验模态分解筛选过程中间断信号引起的模态混叠问题,提出了一种基于解析模态分解的经验模态分解模态混叠消除新方法。利用第1个固有模态函数的瞬时频率特性得到其频率成分及二分频率,且能实现对间断信号的定位,然后再采用解析模态分解方法分离出间断信号,再对处理后的信号进行经验模态分解,从而消除该间断信号的影响。仿真分析和工程应用的结果表明,该方法能有效消除间断信号在经验模态分解过程中引起的模态混叠现象。

经验模态分解及其模态混叠消除的研究进展

由Huang提出的经验模态分解(Empirical Mode Decomposition,EMD)算法是一种数据驱动的自适应非线性时变信号分析方法,可以把数据分解成具有物理意义的少数几个固有模态函数(Intrinsic Mode Function,IMF)分量。然而模态混叠会导致错假的时频分布,使IMF失去物理意义,严重影响了EMD分解的准确性与实用性。分别针对一维和多维EMD抑制模态混叠,总结归纳了相关研究取得的主要成果,指出了各方法抑制效果的改进及仍有的不足。最后讨论了相关研究及应用未来的发展趋势。

基于多次滑动均值滤波的混合储能功率分配与定容研究

为了解决混合储能系统功率分配时因模态混叠导致功率分配不精确、储能系统成本过高的问题,提出一种多次滑动均值滤波(MMAF)的功率分配方法用于削弱模态混叠现象,降低混合储能成本。首先,获取满足平抑要求的混合储能最小总功率指令,采用MMAF算法对其进行滤波,获得蓄电池与超级电容各自的功率指令,引入Pearson相关系数量化模态混叠现象,作为判断滤波次数和每次滤波滑窗大小的指标,将蓄电池和超级电容各自的功率指令作为储能定容的可行域,考虑电池荷电状态约束求取储能适配的最小额定功率和额定容量;然后,基于等效运行时间建立蓄电池全寿命周期量化模型,为经济性分析提供依据;最后,以改进的混合储能全寿命周期成本模型验证了该文方法可以有效地限制模态混叠,降低混合储能系统成本。

局域能量逐层提取的LMD模态混叠抑制方法

提出了一种基于局域能量逐层提取的局域均值分解(Local Mean Decomposition,LMD)模态混叠抑制方法。对待分析信号利用LMD得到一系列乘积函数(Product Function,PF),对各PF的能量进行积分,根据积分比值确定模态混叠导致的能量泄漏程度,并从具有模态混叠的高阶PF中移除下一阶PF的成分构成新的PF,从原始信号中减去新的PF得到新的待处理信号,继续执行LMD,直到所有PF频率成分各自独立,从而实现对模态混叠的抑制。仿真结果表明:算法可以有效抑制小频率比混合信号导致的模态混叠,在实际工程上具有一定推广应用价值。