EEMD方法在转子碰摩故障诊断中的研究

转子系统发生局部碰摩故障时,故障特征呈现出复杂的高倍频或分数倍频成分。为了实现多频率碰摩故障特征的有效提取,将集合经验模态分解方法(ensemble empirical mode decomposition,EEMD)应用到转子局部碰摩故障诊断中。首先利用仿真碰摩信号,验证了EEMD时频分析方法在碰摩故障诊断的有效性,其次通过对转子系统水平方向碰摩、竖直方向碰摩、水平-竖直同时碰摩和正常4种不同振动状态的EEMD分解,计算基本模态分量(IMF)的振动强度,得出不同状态的振动强度趋势分布图。实验结果表明,EEMD方法能够从强噪声背景信号中提取出微弱碰摩特征,实现转子系统的碰摩故障诊断。

基于EEMD方法的火花光谱信号处理研究

基于电荷耦合器件(CCD)的火花光谱仪是一种用于元素成分分析的光谱仪,其输出信号是高频的CCD有效信号和低频的背景噪声叠加在一起的复合信号,火花光谱的有效信息主要集中在信号的较高频段,很容易被背景噪声淹没和干扰,因此获取完整有效的光谱信息,需要对信号进行有效处理。经验模态分解(EMD)方法可以自适应分析信号,不需要设置参数,但存在模态混叠的问题,信号中不同频率的成分可能会混淆;集合平均经验模态分解(EEMD)成功地解决了EMD方法中模态混叠的问题,能更加清晰地将信号中的不同频率成分分解出来,因此更加适合光谱信号的研究。使用火花光谱仪对不锈钢标准样品(选取短波段、中波段和长波段代表性元素碳C、锰Mn、镍Ni、铬Cr和铝Al)进行采集,获得了标准样品的火花光谱原始信号。通过EEMD方法进行自适应的分析和处理,每个CCD信号均获得了11阶固有模态函数(IMF),根据信号的幅频特性,IMF1-IMF2表征为特征信号部分,最后一阶IMF11为背景噪声成分。通过重构上述处理信号,结合基于连续小波变换的惩罚最小二乘法进行了二次处理,获得了最终处理后的信号。将处理后的信号导入仪器处理软件中,获得了碳、锰、镍、铬和铝元素的含量梯度曲线,结果显示采用EEMD方法处理的信号和原处理方法效果相当,但省去了额外采集空白噪声段的环节,大大节省了分析的时间,从而提高了仪器的运行效率。

EEMD降噪方法在飞机强度试验异响识别中的应用

针对飞机强度试验中异常信号被背景噪声淹没、提取信号特征困难这一问题,提出了结合相关系数的集合经验模态分解方法(EEMD)降噪方法。首先对信号进行EEMD降噪,然后根据相关系数筛选出用于重构信号的IMF分量,提取特征值,最后运用支持向量机进行分类辨识。通过与几种降噪法进行比较,结果表明,结合相关系数的EEMD降噪方法优于其它降噪方法,更适用于充满噪声的全尺寸飞机强度试验中。

CEEMD-FCM模型下的管道缺陷识别方法

为提高管道缺陷识别精度,利用补充集合经验模态分解方法(CEEMD)和模糊C-均值(FCM)聚类算法,提出CEEMD-FCM的管道缺陷识别模型。首先,分析管道缺陷信号波形特征,引入粒子群优化算法(PSO)改进小波阈值降噪方法,实现管道缺陷信号的降噪;然后,采用CEEMD分解缺陷信号,并借助能量熵原理提取缺陷的特征参量;最后,利用模拟退火算法(SA)和遗传算法(GA)优化FCM,完成管道缺陷的分类。结果表明:基于CEEMD-FCM模型的管道缺陷识别方法的综合识别精度达到87. 5%,可实现石油化工领域管道缺陷模式的精准识别,保障管道安全运行,降低事故发生率。

敦煌太阳总辐射多时间尺度变化特征及影响因素

采用集合经验模态分解(EEMD)以及M-K突变检验方法,基于敦煌市1971—2020年太阳总辐射、相对湿度、总云量和沙尘日数等气象资料,分析了敦煌市太阳总辐射演变的多时间尺度特征,探讨了影响敦煌市太阳辐射的关键气象因素。结果表明:(1)1971—2020年敦煌市年太阳总辐射上升趋势显著,线性气候倾向率为49.6 MJ·m^(-2)·(10a)^(-1),多年平均年辐射量为6354.0 MJ·m^(-2),属于太阳能资源最丰富区。年辐射在1970年代最少,2010年代最大。敦煌市太阳辐射四季分明,辐射量夏季>春季>秋季>冬季,分别以32.5、13.4、2.9 MJ·m^(-2)·(10a)^(-1)和1.1 MJ·m^(-2)∙(10a)^(-1)的速率增加。近50 a敦煌市太阳总辐射以2.9 a和7.1 a的年际变化和16.7 a的年代际变化占主导地位。(2)月太阳辐射变化呈“单峰型”,从3月开始急剧增加,5月达峰值,6月开始逐渐下降,12月达全年最低值。太阳总辐射小时分布呈单峰型,一天中最大值出现在12:00—13:00。(3)年、春季和夏季太阳辐射变化的突变时间为1997年、2000年和1982年。(4)影响敦煌太阳辐射的气象要素可归结为三个因子:大气透明度因子、光照因子和湿度因子,不同季节各气象因子与太阳辐射的相关性有所差异。

基于数据分解及因果推理的设备可靠性预测模型

为解决设备的可靠性数据受多种因素影响而同时具有线性特征和非线性特征的问题,提出1种集合经验模态分解法辅助的设备可靠性预测组合模型,该模型结合差分整合移动平均自回归模型和因果推理模型。首先,对原始数据采用集合经验模态分解法,得到固有模态函数分量和余项;其次,将模态函数分量输入差分整合移动平均自回归模型得到线性分量,进而将线性分量和原始数据作差,得到非线性分量;最后,基于该非线性分量,提出因果分析模型,实现对设备可靠性的有效预测。研究结果表明:与流行的可靠性预测模型相比,组合模型分别在平均绝对误差和均方根误差指标上降低0.015 9和0.026 5,进一步证明本文所提方法的正确性和有效性。研究结果可为工业生产中提升设备可靠性预测提供新思路。

龙羊峡水库对下游水沙条件变化的影响分析

为了研究龙羊峡水库对下游水沙条件变化的影响,以水库下游贵德水文站年径流量和年输沙量作为研究数据,采用互补集合经验模态分解方法对建库前后径流和泥沙进行多时间尺度分析,结合多时间尺度熵和纳什效率系数分析建库前后径流和泥沙各分解序列的复杂波动特征及各分量对原始序列的贡献程度。结果表明:水库运行对下游水沙变化均有显著影响,且对泥沙的影响大于径流,同时不同时间尺度下的水沙相关关系均发生改变;水库运行会加剧水沙系统的复杂性,但随着多时间尺度波动周期的增大,水沙各分解序列复杂性降低,可预测性升高;径流和泥沙的信息量集中在中高频分量上,综合考虑建库前后水沙波动周期的变化,建议黄河上游水沙监测和研究周期分别为4~7 a和3~4 a。

基于混合模型的中长期降水量预测

针对中长期降水量预测精度较低的问题,提出了由改进集合经验模态分解方法、最小二乘法、核极限学习机和改进的果蝇优化算法构成的混合模型来对区域年度降水量序列进行预测。首先,通过改进集合经验模态分解方法将非平稳降水量时间序列分解为多个分解项。然后,根据不同分解项的特性分别采用最小二乘法和核极限学习机对其进行预测。由于核极限学习机均存在一定的参数敏感特性,因此提出使用改进的果蝇优化算法来对核极限学习机的相关参数搜索寻优,以提高其预测精度。最后,将各分解项的预测结果叠加,从而形成最终预测结果。以广东省7个地市1951-2015年的年度降水量为例,对所提方法进行了验证,结果表明:相比于自回归移动平均模型和核极限学习机模型,混合模型预测具有更高的预测精度。

基于SVD-EEMD和TEO*的滚动轴承弱故障特征提取

将奇异值分解(singular value decomposition,简称SVD)与集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)进行结合,提出一种适用于滚动轴承弱故障状态描述的敏感特征提取方法。为提高信号故障信息的提取质量,对采集信号进行相空间重构得到一种Hankel矩阵。根据该矩阵的奇异值差分谱,确定降噪阶次进行SVD降燥。用EEMD分解降噪后的信号可获得11个本征模态函数(intrinsic mode function,简称IMF)和1个余项。依据建立的峭度-均方差准则,筛选出一个能够有效描述故障状态的敏感IMF分量,计算其相应的Teager能量算子(Teager energy operator,简称TEO),对此TEO进行Fourier变换,实现了对滚动轴承弱故障模式的有效辨识。用美国凯斯西储大学公开的滚动轴承故障信号对所建立的方法与传统EEMD-Hilbert法和EEMD-TEO方法进行对比,结果表明:经本方法提取的敏感特征能准确突显滚动轴承故障频率发生的周期性冲击,可准确识别其故障类型。

基于CEEMDAN LOF的企业能耗异常辨识研究

针对传统“一刀切”式的企业能耗标准难以实现异常精准辨识的问题,提出了基于CEEMDAN LOF的企业能耗异常辨识方法。首先,利用基于层次的密度聚类算法(HDBSCAN)构建企业能耗模式判别树,对企业能耗实时数据进行用能模式匹配;然后,引入完全自适应噪声集合经验模态分解方法(CEEMDAN)提取时序能耗数据的运行趋势,去除时序能耗数据趋势性对异常辨识的影响,并基于局部异常因子(LOF)法对能耗数据进行离群点分析,实现企业能耗异常的精准辨识。算例采用某省水泥企业真实能耗数据进行分析,结果表明,所提方法在异常检测精度方面具有优势。

一种基于EEMD的飞机强度试验降噪方法

在飞机强度试验中异常信号被背景噪声淹没，提取信号特征困难。针对这个问题，首先对信号进行EEMD降噪，然后根据相关系数筛选出用于重构信号的IMF分量，提取特征值，最后运用支持向量机进行分类辨识。通过与几种降噪法进行比较，结果表明结合相关系数的EEMD降噪方法优于其它降噪方法，更适用于充满噪声的全尺寸飞机强度试验中。