环境激励下大型桥梁模态参数识别的一种方法

提出一种依据环境激励下结构振动响应的大型桥梁模态参数识别方法,该方法以限制带宽的经验模态分解(BREMD)和随机子空间识别(SSI)为基础,首先利用EMD将环境振动响应分解成一系列只含结构某一阶固有模态的本征模态函数(IMF),然后利用SSI识别桥梁模态参数。针对大型桥梁自振频率低、模态密集的特点,引入屏蔽信号限制EMD过程中带宽以消除模态混叠;运用该法识别了赣龙铁路某特大桥的模态参数,并将其与峰值拾取法、SSI识别结果以及理论计算值进行对比,结果表明:该方法能有效的识别大型桥梁模态参数,屏蔽信号的引入解决了模态混叠问题,稳定图中的虚假模态得到抑制。

短样本条件下提高HHT识别模态参数精度的方法

由于在短样本条件下Hilbert-Huang变换(Hilbert-Huang transform,简称HHT)识别模态参数的精度主要受经验模态分解(empirical modal decomposition,简称EMD)模式混合和随机减量法(random decrement technology,简称RDT)提取自由衰减响应时平均次数不足的影响,针对这两个影响因素,引入带宽限制信号抑制EMD的模式混合,提高EMD的精度;并引入分层抽样技术,提出基于拟合偏差和样本量的层权确定方法来进行多次识别,然后加权平均,提高RDT的总平均次数。仿真试验和应用实例表明,结合分层抽样的限制带宽EMD识别模态参数的方法能提高短样本条件下HHT识别模态参数的精度。

癫痫发作瞬态带宽特征自适应检测方法

癫痫是常见的神经系统疾病之一。癫痫发作的识别通常采用脑电测量记录中的癫痫发作起始点,以辅助医生进行诊断并对患者的发作状态报警。利用脑电信号的瞬态参数提出了一种自适应带宽特征,可用于提高癫痫发作检测精度。首先,利用经验模态分解(EMD)求得脑电信号的本征模态函数(IMF),并计算特定阶次IMF的解析信号;其次,利用该解析信号求解瞬时幅值与瞬时频率,对EEG信号的带宽特征添加权重,得到可用于癫痫检测的自适应带宽特征(Adaptive Bandwidth);最后,利用该特征完成癫痫发作检测。采用长达118 h 49 min的癫痫患者临床脑电数据进行实验,实验结果表明,自适应带宽特征的敏感性、特异性、准确性参数均比原特征取得明显提高。自适应带宽特征可提高癫痫发作检测精度并降低时间延迟,便于及时采取治疗措施,为临床检测提供了重要依据。

应用自适应带宽信号的BS-EMD混叠消除

经验模态分解(Empirical Mode Decomposition,EMD)存在的模态混叠现象严重影响了其应用效果,成为制约其在工程中推广应用的一个重要难题。在总结引起模态混叠的主要原因及分析模态混叠产生机理的基础上,借鉴高频谐波加入法(High Frequency Harmonic Added EMD,HFHA-EMD)原理并对高频谐波信号的构造进行改进,提出了一种应用自适应带宽信号的B样条EMD(B-Spline EMD,BS-EMD)模态混叠消除方法。该方法利用EMD的二进带通滤波特性和总是先分离高频分量的特点,根据被分析信号的BS-EMD得到的第一个IMF分量确定带宽限制频率和带宽限制幅值,从而构造出自适应带宽限制信号。通过在原始信号中添加自适应带宽限制信号来改变EMD带通滤波器的中心频率,再进行BS-EMD分解消除模态混叠。与EMD、BS-EMD进行对比分析,验证了该方法的优越性。与HFHA-EMD的对比仿真分析表明,两种方法都可以有效消除模态混叠现象,但是该方法在构造自适应带宽限制信号上更加明确可行,也更具自适应性。对含复杂异常事件的实际转子故障信号分析也验证了该方法在工程应用中的有效性和可行性。

基于改进BREMD与ELM的断路器机械故障诊断

为了准确快速的从断路器的振动信号中获取故障信息,提出了一种基于改进限制带宽经验模态分解的故障特征提取方法,并与极限学习机相结合实现断路器故障诊断。针对限制带宽经验模特分解在选取最优带宽频率上的不足,该方法先建立优化函数,确定最优限制带宽信号频率,再在经验模态分解的过程中引入该信号频率。提出的方法通过选取限制带宽经验模态分解的最优带宽频率,从而提高了频率分辨能力,能够对从断路器中提取的正常与故障时的振动信号进行有效分析。实验结果表明,采用本方法建立故障诊断知识库,再利用极限学习机进行训练得到的故障诊断模型,其正确率达到98.3%,具有较高的精确度和较强的鲁棒性,可以用于诊断断路器的机械故障。

基于改进Hilbert-Huang变换算法的电气化铁路谐波检测

通过对电力机车负载电流进行仿真建模,得到电力机车在不同工况下的电流波形;使用改进的Hilbert-Huang变换算法对电流波形进行谐波检测;采用限制带宽经验模态分解算法对原始电流波形进行分解;通过引入屏蔽信号来控制本征模态函数的带宽,以有效抑制模态混叠.结果表明,所提出的改进Hilbert-Huang变换算法能够有效检测电气化铁路负载电流中各次谐波随时间变化的特征.

基于Hilbert-Huang变换与理想带通滤波器的系统识别

针对经验模态分解存在模态混叠现象,提出基于Hilbert-Huang变换与理想带通滤波器的系统识别方法。该方法利用傅里叶变换得到结构加速度响应频响函数,粗略估计固有频率范围,通过半功率带宽法设计理想带通滤波器,定量化确定通带带宽,使信号在经过滤波器后频域内零相移,同时不改变其幅值谱。结构响应通过指定频带的理想带通滤波器产生若干窄带信号,利用经验模态分解获取结构模态响应,经Hilbert变换构造模态响应解析信号,并通过线性最小二乘拟合提取结构模态参数与物理参数。结果表明:半功率带宽法可实现带通滤波器频带的定量化设计,理想带通滤波器的零相移特点较好契合Hilbert-Huang变换用于系统识别的要求,两者结合可有效地解决模态混叠现象,减少虚假模态,大大提高结构系统识别精度。