基于经验模态分解(EMD)的小波阈值除噪方法

针对低信噪比信号的去噪问题,提出了一种基于经验模态分解的小波阈值去噪方法,并与小波变换去噪法的效果相比较．试验结果证明,当信号的信噪比较小时,基于经验模态分解的小波阈值去噪效果是相当有效和稳定的,为研究环境脉动下结构的输出信号去噪处理提供了新的手段．

一种基于经验模态分解(EMD)的位场分离方法

经验模态分解(EMD)是一种利用信号极值特征进行时空滤波的方法。经分解得到不同阶次固有模态函数(包含从高到低不同频率段的成分),而残余量为信号的趋势分量,代表信号的平均趋势。本文将经验模态分解用于地球物理场的位场分解中,提出了一种基于EMD的位场分离方法。与常规位场分离方法中的滑动平均法和趋势分析法相比,EMD无须预先设置参数,因而不受人为因素的影响,其结果能够更好地反映位场的固有特征。应用该法对新疆准噶尔盆地准东地区的磁异常资料进行处理,从中识别出与石炭系油气有关的火成岩异常。

基于经验模态分解和小波包能量熵的杉木加载过程中细观损伤监测与识别

【目的】细观损伤是承载木材断裂的主要原因之一。木材的多孔层状结构使其损伤过程变得复杂,针对单一信号处理方法较难充分挖掘木材断裂声发射信号中的细观损伤信息,造成识别信息不充分、不完备的问题。本研究提出通过经验模态分解(EMD)和小波包能量熵结合的信号处理方法,通过声发射无损检测手段,识别杉木加载过程中的细观损伤类型。【方法】以杉木为研究对象,进行单轴压缩、双悬臂梁和顺纹拉伸3种单一损伤试验,并对其进行加载过程中声发射信号的采集、监测与分析。通过小波包阈值法消除损伤试验中采集的声发射信号噪声,经由EMD和相关系数计算,分离出最能体现杉木细观损伤特征的本征模态(IMF)分量,并对IMF分量进行基于傅里叶变换的峰值频率分析和小波包能量熵分析,提取杉木细观损伤的特征。【结果】(1)EMD和小波包能量熵结合的信号处理方法能够判断杉木加载过程中声发射信号对应的细观损伤类型与构成。(2)杉木不同细观损伤类型的声发射信号对应不同的小波包能量熵区间:胞壁屈曲与塌溃(0.69~0.99)、层间开裂(1.57~1.78)、纤维束断裂(1.92~2.27)。(3)宏观断口观察和电镜显微分析验证了该方法的准确性。【结论】经验模态分解–小波包能量熵法避免了声发射信号模态堆叠的影响,并解决了木材细观损伤复杂且难以识别的问题,为杉木木材断裂的早期诊断方法提供了理论支撑。

经验模态分解(EMD)中边界处理的新方法

在深入研究和分析希尔伯特-黄变换(HHT)方法的基础上,对信号提出了半周期半对称延拓算法,并以此来处理经验模态分解中存在的边界误差问题.通过信号模拟试验,并与EMD方法的结果作比较,检验了该方法的有效性和精度.

基于经验模态分解重构方法的北江飞来峡洪水频率分析

在历史洪水考证(1764—)和实测洪水(1953—2024年)的基础上,应用时序图、滑动均值、M-K方法、Hurst指数等对北江飞来峡站洪水的一致性进行了检验;根据P-Ⅲ频率分析方法,采用历史考证洪水对洪水系列重新排序进行洪水频率分析,基于经验模态(Empirical Mode Decomposition,EMD)分解与合成的频率计算方法对洪水频率进行了分析计算。结果表明:北江极端洪水自1990年代中期表现出趋多趋频趋强的特点,经检验发生了显著变异;采用传统的水文频率计算方法得到的各频率洪水设计值比原设计值增大500~600 m^(3)/s;采用基于EMD分解与合成的频率计算方法得到2020水平年的各频率设计值增大3500 m^(3)/s以上,2030水平年的各频率设计值增大3800 m^(3)/s以上。基于EMD分解重构的洪水频率计算方法能够及时对变化环境做出响应,具有一定的推广应用价值。北江飞来峡站的水文频率计算结果发生了较大的改变,宜尽快重新核定。

一种基于经验模态分解和局部极大值点数的配电网高阻接地故障检测方法

配电网高阻接地故障(HIF)因故障特征微弱而难以被常规装置检测到,容易引发过电压、火灾和人身触电等安全问题。本文提出一种将时频分解和阈值判断结合的HIF识别方法。首先,利用经验模态分解(EMD)对零序电流进行处理;然后,选取第二个固有模态分量(IMF)作为特征分量并进行高斯滤波;最后,统计特征分量的局部极大值点的个数来判断是否发生HIF。利用PSCAD/EMTDC软件搭建10kV配电网模型进行算法验证。仿真结果表明,所提方法能够以较高的准确率将HIF和一些常见的干扰事件区分开,并且在发生噪声干扰、采样率变化、系统中性点接地方式改变及系统网络结构改变的情况下,均表现出较好的适应性。

一种消除EMD中模态混叠的经验方法

经验模态分析（EMD）方法与基于傅里叶变换的信号分解方法有着本质的不同，由于其分解基函数不是预先确定，而是在分解过程中由信号本身特性决定，因此EMD方法具有很好的自适应性。尽管有着其独特的优越性，但是EMD方法缺乏严谨的数学证明，没有明确的数学表达式，存任着如模态混叠、端点飞翼等问题。

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。

独立分量分析–经验模态分解特征提取在水电机组振动信号中的应用

提取出水电机组振动信号中故障特征和微弱征兆信号,可以更好地了解机组的运行状态和故障发展趋势,但由于水电机组多源振动信号的相互混叠,信号呈现出非线性、非平稳性,故障特征信号提取是该领域的一个难题。为此该文提出了一种基于独立分量分析(independent component analysis,ICA)和经验模态分解(empirical mode decomposition,EMD)的特征提取新方法(ICA-EMD)。首先,用ICA将多通道振动信号分离成为统计独立分量;然后,对这些统计独立分量做自相关分析,消除环境噪声的影响;最后,对消噪后的所有统计独立分量统计逐一进行EMD分解,并将各个统计独立分量内蕴的同频本征模态函数进行累加重构,最终提取出能表征机组故障的本征模态函数。仿真信号和实测信号的试验验证表明,与其他方法相比,该方法在提取故障早期信号、微弱信号和突变信号方面更具优越性和有效性,提取结果更能满足实际工程应用需求。

基于经验模态分解的汽车动态称重数据处理

在论述经验模态分解(EMD)的基础上,提出了虚假模态的概念。讨论了虚假模态对信号稳态量的影响及其相应的处理方法,结合汽车称重信号的特点,应用EMD方法对实测信号进行了分解,对分解结果进行了分析和说明。5组100个称重信号的分解结果表明,EMD方法对汽车动态称重信号的处理是有效的,车速小于等于30km/h时前轴的偏差为5.23%,后轴偏差为10.30%,总重偏差为6.93%。

基于经验模态分解和正弦波参数法的介损角测量算法

将基于经验模态分解(empirical mode decomposition,EMD)的新型时空滤波方法应用于介损角的测量中。利用EMD对强噪声背景下的采样信号进行分解,根据所得到的固有模态分量的频谱特性进行选择性滤波,提取其基波分量,并结合正弦波参数法计算介损角。探讨了系统频率变化和介损角变化对测量真实值的影响。仿真结果表明该方法可明显减小计算误差,对提高数字化测量δ的精确性具有实际意义。

经验模态分解理论及其应用

阐述了经验模态分解(EMD)的概念、基本理论及其作为一种数据驱动的时频分析方法,能够根据信号特点自适应地将信号分解成一组具有物理意义的固有模态函数的线性组合,十分适合于非线性、非平稳信号分析的机理,然后综述了一维EMD算法在解决包络拟合、边界效应、模态混叠等关键问题上的研究进展,重点对新兴的多维经验模态分解的发展情况进行了详细论述;介绍了EMD在信号去噪,地球物理、生物医学信号处理,电力工程、机械工程故障诊断方面的主要应用,结合EMD研究中的难点问题,指出了下一步研究的五个重要方向。

基于经验模态分解的旋转机械振动信号滤波技术研究

把经验模态分解方法引入了旋转机械振动信号滤波领域 ,详细地解释了这种方法及其算法。通过对一个带高频毛刺干扰的振动信号的经验模态分解与本征模函数的组合 ,演示了基于经验模态分解的振动信号滤波的方法。把振动信号滤波前后的波形进行了比较 。

利用经验模态分解方法抑制SAR斑点噪声

提出了一种利用经验模态分解 (EMD)方法抑制SAR斑点噪声的方法。利用经验模态分解方法 ,可以将SAR图像分解为一系列的以空间周期尺度不同为特征的模态 ,定义空间特征周期尺度不大于 4的为噪声。通过从图像中减掉噪声成分使SAR斑点噪声得以抑制。用这种方法处理SAR图像在斑点抑制和纹理信息保持两方面取得了令人满意的结果。

基于经验模态分解及近似熵的输电线路单相自适应重合闸

根据经验模态分解和近似熵算法,提出了一种针对输电线路单相接地故障的故障类型诊断方法,该方法具有一定的抗干扰能力,可以快速判断故障类型,以提高重合闸成功率。线路故障仿真结果验证了该方法的有效性和实用性。

基于经验模态分解包络谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳特征和传统包络分析法的缺陷,提出了一种基于经验模态分解包络谱的滚动轴承故障诊断方法。该方法首先采用经验模态分解将原始信号分解为若干个平稳的固有模态函数之和,然后求出包含主要故障信息的若干个固有模态函数分量的包络谱,再定义包络谱中故障特征频率处的幅值比为特征幅值比,最后以特征幅值比作为故障特征向量,输入神经网络,以神经网络的输出来判断滚动轴承的工作状态和故障类型。对滚动轴承内国、外国故障振动信号的分析结果表明,基于经验模态分解包络谱的故障诊断方法能有效地提取滚动轴承的故障特征。

基于低通滤波和经验模态分解的舰船耐波性试验信号分析方法研究

针对舰船耐波性实测信号中趋势项难以消除而影响滤波精度这一问题,采用经验模态分解方法消除趋势项的影响。根据舰船对波浪运动响应的低频特点,在经验模态分解前先进行低通滤波,可使实测运动信号中的谱峰频率处在相对高频位置,减少EMD迭代次数,并使有用信息包含在第一个IMF中,方便对有用模态的识别。还针对实船耐波性试验无法直接获得垂荡位移的实际问题,对垂向运动加速度联合采用低通滤波、数值积分和EMD去趋势项消除积分误差的方法获得垂荡,通过模型耐波性试验以及对实舰横摇角速度采用该方法求得的横摇与实测横摇的比较,验证了该方法在舰船耐波性实测信号分析中的有效性。

基于经验模态分解和希尔伯特-黄变换的精密孔镗削颤振特征提取

针对精密孔镗削加工过程中容易出现颤振现象,影响精密孔的表面质量问题,建立了镗削加工的监测系统,对镗削颤振信号进行特征提取,以实现对镗削颤振的快速预报。首先,根据颤振信号的时频特点,将经验模态分解(EMD)和希尔伯特-黄变换(HHT)引入颤振特征提取过程,并介绍了其基本原理及具体实现过程。然后,在线拾取镗杆的振动信号,并对振动信号进行EMD分解和HHT变换。最后,通过对各本征模态函数分量的Hilbert谱分析,提取出了颤振发生的征兆特征。实验结果表明,利用EMD和HHT对镗削振动信号进行特征提取,可以在颤振形成之前0.5s得到颤振爆发的征兆,为后续的颤振抑制工作赢取时间,进而确保精密孔的表面加工质量。

经验模态分解和魏格纳-维利分布在往复泵泵阀振动信号特征提取中的应用

将经验模态分解(EMD)和魏格纳-维利分布(WVD)两种方法应用于往复泵泵阀振动信号特征的提取。首先对现场采集的振动信号进行EMD分解,再对分解得到的固有模态函数(IMF)分量进行WVD分析后叠加,最终得到的信号Wigner-Ville分布可以有效抑制由于干扰项引起的频率混叠和干扰问题,有助于将原始信号在时间历程、频率成分和幅值大小三个方面的特征信息同时进行准确提取。试验结果表明,该方法能够全面、有效地表征出振动信号中所蕴含的泵阀状态信息,为后续进行泵阀状态识别和故障诊断奠定基础。

基于经验模态分解的属性优化方法

本文提出了一种基于经验模态分解的属性优化新方法,其具体步骤为:首先对某一种地震属性的各个列向量分别进行经验模态分解,得到各个列向量的固有模态分量组;其次分别对每一组固有模态分量的各个分量的权重进行归一化,并将前若干分量分别乘以相应的归一化权重系数后再线性相加得到新的列向量,进而构成优化后的属性矩阵;然后对其他几种参与优化的属性也实行前面两个步骤,分别得到相应的新的地震属性矩阵;最后将得到的新地震属性矩阵进行线性叠加,得到优化后的地震属性矩阵。将经验模态分解方法和主成分分析方法分别应用于相同的实际资料,试验证明前者在保证运行效率的情况下能用更少的主成分(固有模态分量)刻画出更多的原始属性信息,并且提高了原始属性剖面的分辨率。