采用改进的集总平均经验模态分解法的内燃机气门拍击激励与燃烧激励分离的研究

提出了一种改进的集总平均经验模态分解(M-EEMD)方法,并阐述了其基本原理。通过仿真试验,证实了M-EEMD不仅能够很好地解决经验模态分解(EMD)中模态混叠问题,而且能够抑制集总平均经验模态分解(EEMD)的噪声残余和模态分裂等问题。作为实例,对一个4缸4冲程内燃机气缸盖罩的振动信号进行M-EEMD分解,并对分解得到的IMF分量进行时频分析。结果表明M-EEMD能够成功地将内燃机气门拍击引起的机械激励成分与燃烧激励成分分离。

基于集总平均经验模态分解法(EEMD)的星箭解锁分离机构冲击响应分析

基于集总平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD),提出一种星箭解锁分离机构冲击响应信号分析新方法。通过EEMD,将星箭解锁分离机构解锁过程的冲击信号分解成不同模态分量(Intrinsic Mode Function,IMF)。结果表明前两阶模态分量IMF主要为冲击引起的高频振动,而IMF3之后为冲击激励引起的不同阶固有模态振动和局部振动,并通过模态实验验证了分析的正确性。

基于MEEMD的内燃机辐射噪声贡献

为了研究内燃机振动成分对噪声的贡献,提出一种改进的集总平均经验模态分解(MEEMD)方法.通过仿真试验,对比MEEMD与传统经验模态分解(EMD)和集总平均经验模态分解(EEMD)的结果.结果表明,MEEMD是一种更为优秀的自适应信号模态分解方法,不仅能够抑制模态混叠问题,而且能够解决模态分裂等问题.采用MEEMD方法对内燃机振动成分对辐射噪声的贡献进行研究,以一个4缸4冲程内燃机为例,对标定工况下的缸盖罩振动信号和缸盖罩近场噪声信号进行MEEMD分解,并对分解得到的本征模态函数(IMF)进行时频分析,研究对辐射噪声贡献大的振动成分的来源.研究结果表明,通过MEEMD方法能够得到对内燃机辐射噪声贡献大的振动成分,并且准确确定其来源.

基于MEEMD-AIC的簇绒地毯织机噪声源识别方法

簇绒地毯织机噪声信号由多个噪声源信号混叠而成,为实现簇绒地毯织机噪声源识别,提出了一种基于改进集总平均经验模态分解(modified ensemble empirical mode decomposition,简称MEEMD)和赤池信息量准则(Akaike information criterion,简称AIC)的噪声源识别方法。首先,利用MEEMD将测得的噪声信号分解为有限个本征模态函数(intrinsic mode function,简称IMF)分量;其次,对分量矩阵的协方差矩阵进行奇异值分解(singular value decomposition,简称SVD),得到矩阵特征值;然后,利用AIC准则估计有效分量的个数,同时结合能量特征指标和皮尔逊相关系数法筛选出有效分量;最后,对筛选出的有效分量逐一进行时频分析,实现簇绒地毯织机噪声源识别。结果表明,耦联轴系中钩轴振动是簇绒地毯织机最主要的噪声源,该方法适用于簇绒地毯织机噪声源识别,对实现簇绒地毯织机主动降噪提供了理论支持。

阈值阵列模型下的超阈值随机共振信噪比增益

研究了阈值阵列模型和超阈值随机共振现象。对该模型进行剖析,认为阈值阵列系统可以分解为单个阈值系统与集总平均器的级联。为了研究周期输入下的超阈值随机共振现象,理论分析了周期输入下的阈值阵列模型输出随机过程的统计特性,以输出信噪比增益作为随机共振的测度,固定输入信噪比,观测输出信噪比增益相对于阈值噪声方差的变化规律。证实当输入噪声为高斯噪声时,在阈值阵列系统中加入统计独立的高斯白噪声可使输出信噪比增益大于1,当输入噪声为非高斯噪声时,可获得更高的输出信噪比增益。

四气门柴油机缸内流场LDA实验数据的分析研究

在一台经过改装的105单缸四气门柴油机上,由电机倒拖,使用激光多普勒测速仪(LDA)测量了缸内上部在进气和压缩过程的速度信号,分别使用小波分析法和集总平均法对进气和压缩过程中缸内的流场的平均速度和湍流强度进行了计算比较。小波分析结果中,对不同小波函数及小波分解层数分析结果进行了讨论。结果表明,在进气过程中,各尺度下的湍流强度值均较大,在压缩过程中,湍流强度值减小,使用集总平均法得到的湍流强度值大于小波分析法得到的结果。而且各不同尺度湍流强度变化曲线一致,说明各频段之间能量变化一致。

大跨斜拉桥北斗监测挠度温度效应分离研究

针对大跨斜拉桥北斗监测挠度温度效应分离问题,提出先利用挠度数据的周期特性,在挠度数据首尾分别进行波形延拓,在进行小波分解后所得小波细节中剔除高幅值车载作用挠度得到残余分量,将其与小波系数重构得到预降噪挠度,最后将预降噪挠度进行小波分解来实现挠度数据的高精度降噪;得到降噪挠度后,利用改进的集总平均经验模态分解(MEEMD)良好的可抑制分解过程中产生模态混叠的特性,将降噪挠度进行MEEMD分解,接着将所得日温差和年温差效应第1个半周期通过对称置换得高精度日温差和年温差效应,最后将降噪挠度剔除高精度日温差和年温差效应后所得残余分量再次进行MEEMD分解,所得趋势部分即为长期挠度,从而实现日温差效应、年温差效应、长期挠度的逐步分离。结果表明:波形延拓+预降噪+小波分解的降噪算法比传统单一降噪算法精度更高;温度效应分离算法能实现挠度温度效应各周期成分的精确分离,适合大跨斜拉桥北斗监测挠度温度效应分离。

基于MEEMD-SDP图像特征和DRN的行星齿轮箱故障诊断

在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(MEEMD)方法对齿轮振动信号进行了分解,获得了能够反映齿轮振动信号信息的固有模态函数(IMF);然后,通过对称点图案(SDP)分解方法提取了IMF分量,将其变换到极坐标下的雪花图像特征,并组成了特征向量;最后,引入深度残差网络(DRN)模型,实现了对行星齿轮箱齿轮不同故障的识别与分类,同时将其与卷积神经网络(CNN)模型进行了对比,并在东南大学公开的齿轮箱数据集上进行了不同模型对齿轮状态故障识别准确率的对比实验。研究结果表明:SDP图像特征能够全面表征齿轮的状态信息,相较于CNN模型,采用DRN模型对齿轮进行诊断得到的平均准确率有明显提高,可达到98.1%,能验证基于MEEMD-SDP图像特征和深度残差网络方法的有效性;研究结果对提升现有行星齿轮箱齿轮故障识别的准确率具有一定的价值。

基于EEMD和Hilbert边际谱的四轮车辆非平稳路面不平度分析

采用EEMD和Hilbert边际谱对四轮车辆的非平稳路面不平度进行了研究。应用EEMD算法对SY6480轻型客车在C级路面上变速行驶得到的非平稳路面不平度进行了分解,得到了C级路面不平度高频滤波后的Hilbert边际谱,确定了C级路面对变速行驶四轮汽车激励的频带范围和峰值频率,并把该结果与A级、B级和D级路面进行了比较,发现该车在A级、B级、C级和D级路面上变速行驶时受到的路面激励除了幅值随着路面不平度等级升高而增加外,其频谱结构没有明显的变化,这个结果为汽车在变速行驶时的主动悬架设计、振动控制和平顺性分析提供了理论依据。

数据驱动的凸轮式绝对重力仪微小故障诊断

针对凸轮式绝对重力仪微小故障幅值小、故障特征微弱及易被噪声掩盖而难于发现等特点,提出了一种融合改进集总平均经验模态分解(modified ensemble empirical mode decomposition,简称MEEMD)、能量熵以及多尺度排列熵(multi-scale permutation entropy,简称MPE)的凸轮式绝对重力仪微小故障诊断方法。通过MEEMD算法对凸轮式绝对重力仪不同工况下的振动信号进行自适应分解,筛选出有效的本征模态函数(intrinsic mode function,简称IMF),提取出振动数据中具有敏感特征的多尺度排列熵和能量熵,将提取的多维特征向量矩阵输入到以径向基函数(radial basis function,简称RBF)为核函数的支持向量机(support vector machine,简称SVM)中,基于数据实现了凸轮式绝对重力仪微小故障的精确诊断。试验结果表明,该方法可以有效区分凸轮式绝对重力仪的各类微小故障,识别准确度达到97.1%,解决了因微小故障导致凸轮式绝对重力仪测量精度低的问题,实现了重力仪微小故障的快速溯源和精准定位,具有较好的工程应用前景。

基于MEEMD-PE与CS-WNN模型的网络时延预测

针对网络控制系统诱导时延具有的随机性、非平稳性、非线性等特点,提出了一种基于改进的集总平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)-排列熵和布谷鸟搜索(cuckoo search,CS)优化的小波神经网络(wavelet neural network,WNN)时延预测算法。首先通过MEEMD对网络诱导时延序列进行处理,分别计算各模态的排列熵值,对复杂度相近的模态进行重组后得到新的子序列,从而达到降低建模复杂度和减少计算量的目的;然后利用CS算法优化的WNN预测新的子序列;最后叠加各子序列预测结果以获得时延序列的最终预测值。仿真表明,该算法具有较好的预测精度,能反映时延序列的总体趋势,可有效地降低异常值影响等优点。

基于EEMD和状态空间分析的汇市和股市动态关系研究

本文使用集总平均经验模态分解方法 (EEMD)将上证综指和人民币兑美元汇率分解为波动频率不同的分量,并在对各分量进行分析的基础上将其划分为短期分量、中长期分量和趋势项后,采用滚动窗口相关系数、状态空间模型实证研究了两者之间动态传导机制。结果发现,趋势项决定了两者的长期走向,是其内在特征的体现,中长期分量反映了重大事件对两者变动趋势的影响,短期分量反映了市场上噪音对两者变动趋势的影响;汇率和上证综指之间存在相互传导机制,不论是短期分量、中长期分量还是趋势项,汇率对股市的传导大于股市对汇率的传导,且两者的短期分量和中长期分量的传导随着国家政策和外界环境的变动而变动,趋势项基本不受外界环境的影响。

名义汇率和名义利率之间联动关系的动态研究——基于EEMD、滚动窗口相关系数和状态空间模型的分析

该文首先基于汇率和利率联动关系的经典理论分析了两者在短期和中长期内的不同传导路径,接着采用集总平均经验模态分解方法(EEMD)将名义汇率和名义利率分解为波动频率不同的分量,并在对各分量进行分析的基础上将其划分为短期分量、中长期分量和趋势项,最后采用滚动窗口相关系数、状态空间模型实证研究了两者之间的动态联动关系,结果发现,名义利率和名义汇率不同波动频率的分量之间均存在异质性,即波动频率不同,两者之间的关系体现出不同的特性。