经验模态分解中虚假模态分量消除法

基于能量原理,提出经验模态分解(EMD)中虚假模态分量消除方法。在正常采样的条件下,分析信号EMD分解误差与虚假模态分量的关系,讨论虚假模态分量的性质。从EMD分解的完备性角度考虑在虚假模态存在情况下能量不守恒,给出模态函数消除法,从EMD分解结果中剔出虚假模态分量,消除信号经验模态分解误差。其有效性在所给例子中得到证实。

一种改进的Hilbert-Huang变换方法及其应用

针对希尔伯特–黄变换方法中存在的端点效应和虚假模态分量等问题,分析其产生原因,提出一种基于边界极值均值延拓的端点效应抑制与虚假模态分量剔除相结合的改进方法。该方法首先根据信号两侧端点和其临近极值点的特性,对包络线在信号两端点处的位置进行约束,从而改善包络线拟合结果,在一定程度上抑制端点效应问题的产生。然后,依据各模态分量间的正交性原理,通过虚假模态分量剔除算法,选取能够反映信号特征的敏感模态分量,以保证分析的准确性。通过数值仿真,验证了所提方法的有效性。最后,应用于发动机异响故障诊断中,诊断结果表明该方法有效抑制了传统希尔伯特–黄变化方法的端点效应和虚假模态问题,可有效提取发动机异响信号的故障特征。

改进EMD法对汽轮机故障特征提取准确性研究

传统的EMD处理故障特征时,因为分解的虚假模态分量影响而使得故障特征不够准确,需要将其去除。借鉴了较低采样频率(二倍Nyqvist频率以下)基于能量原理去除虚假模态分量的方法,将其改进应用于较大采样频率的汽轮机故障特征提取之中,实现对汽轮机故障信号去除经验模态分解过程的虚假分量。并用此改进EMD方法对汽轮机油膜震荡和动静碰磨的信号进行处理,最终得到更准确的汽轮机故障特征信息。

基于FastICA去噪和改进HHT的转子不平衡故障特征提取方法研究

针对转子不平衡振动信号非平稳性并伴随较强环境噪声的特点,提出一种基于快速独立分量分析(FastICA)和改进希尔伯特-黄变换相结合的故障特征提取方法。该方法采用FastICA法去除环境噪声等因素对于故障特征提取精度的影响,再利用自适应白噪声总体平均模态分解方法将故障信号分解为一系列固有模态函数(IMF),并采用基于相似性评估的虚假IMF选择算法将与故障信息无关的虚假IMF分量剔除,从而保证故障信息提取的准确性和有效性。通过仿真分析证明了所提方法的有效性,并且实际试验表明:该方法可有效提取转子不平衡信号的故障特征,为该类故障的诊断提供了一种切实可行的方法。