基于广义局部频率的非线性非平稳信号故障特征提取方法研究

振动信号时频分析作为设备故障特征提取的重要手段，在旋转机械故障诊断过程中发挥着非常重要的作用。但是，对于往复机械来说，由于其结构复杂、运动形式多样，系统激励具有多源冲击特点，产生的振动信号表现出较强的非平稳、非线性及非高斯等复杂特性。现有时频分析方法得到的频率成分，物理意义不明确，干扰频率成分多.

基于经验模态分解的混沌噪声背景下弱信号检测与信号提取

基于经验模态分解方法,研究了在强混沌噪声背景下进行弱信号的检测与信号提取。对仿真信号的研究表明:用该方法可以直接提取出微弱的偶然性和周期性冲击时域信号,对弱谐波信号可能不能直接提取,但可以直接提取出其频率特征,这些弱冲击信号和弱谐波信号完全淹没在强的混沌噪声背景信号中,无论从时域上还是频域上基本上都看不出来。对齿轮箱的实际信号的研究也表明:尽管某些故障信号有时极其微弱,EMD方法也能有效地实现这些非线性非平稳信号的分离和提取,从而为机械设备故障诊断提供直观的有效的参考。

基于EMD技术的弹性波信号降噪技术

弹性波无损检测技术由于其优点,应用范围日益广泛。在成桥检测中,由于激振、接收条件的限制,使得弹性波信号的信噪比大幅降低,如何准确的判定初始信号成为重要的课题。另一方面,经验模态分解(EMD)算法在处理非周期、非平稳信号中以其优越性而得到广泛关注。因此,采用改善迭代停止准则以及引入智能分析极值点等方法,对传统EMD分解方法的弊端进行了改进。通过实际采样验证了改进后的EMD算法对弹性波检测信号的处理能力。

基于VC与MATLAB混合编程的复杂数字信号EMD处理技术研究

以非平稳、非线性的轮扫掠力信号为例,围绕其采集及处理来进行陈述,重点研究了利用VC6.0与MATLAB7.0混合编程方法中的动态链接库技术对信号进行经验模式分解(EMD)。程序结合了VC与MATLAB的优点,使得数据采集与处理可在同一VC工程文件中完成,执行速度快,运行稳定且数据处理准确、方便。

桥梁动态监测数据特性识别方法研究

论文综述了GNSS监测桥梁结构动态变形所获取的坐标时间序列的数据特点。已有的经验模态分解及其衍生算法,在处理非线性非平稳信号时还存在着模态混叠、去噪效果不佳等不足,要从中识别桥梁结构的主要频率及其变化须完善和发展现有的时频分析方法。为此,论文以非线性非平稳信号为研究对象,探讨了非线性非平稳信号的经验模态分解、自适应随机共振和变分模态分解等理论,对这些方法在桥梁GNSS监测数据中的动态特性识别应用进行了初步探索,取得了以下主要结论。

固体潮时频分析新方法

对传统时频分析方法的特点和局限性作了介绍。采用Huang-H ilbert Transform ation方法分析了固体潮数据,即利用经验模态分解,将复杂信号分解成有限个本征模态函数之和,求取三维时频空间的H ilbert谱。仿真实验和重力固体潮实例分析表明,该方法适用于调频调幅信号特征的提取。

改进的Hilbert-Huang变换及在电磁辐射测量中的应用研究

提出了一种基于改进的希尔伯特-黄变换的电磁信号处理的新方法,该方法适合于在非平稳非线性噪声环境中的电磁辐射的测量。将非平稳信号通过经验模态分解的方法分解为有限个内蕴模式函数,利用自回归模型消除了希尔伯特-黄变换产生的边界效应,进而得到信号的瞬时频率。应用匹配滤波器对背景噪声进行滤除,得到实际电磁辐射信号。由于经验模态分解法的基函数是由信号自适应分解得到的,所以比傅里叶变换以及小波变换得到更好的分解效果。仿真及实验结果表明该方法在非平稳非线性的电磁信号处理中有效地滤除了背景噪声,解决了电磁辐射测量中的环境干扰问题。

复Gaussian小波核函数及多参数同步优化策略

对复Gauss-ian小波满足M ercy条件及其在H ilbert空间具有再生性的命题作了证明.用复Gauss-ian小波构建出一种核函数,与主成分分析方法相结合,对非线性非平稳信号进行参数辨识和预测.针对多参数模型优化时间过长,不利于工程应用的问题,提出了一种多参数同步优化策略.仿真实验验证了该方法的可行性和有效性,表明该方法具有较好的实用价值.

几种局域波分解方法的比较研究

基于Hilbert变换的局域波法 ,能得到信号有意义的瞬时频率。它的分解基是随动态信号波形的变化而变化 ,具有自调节自适应的特征 ,因此能在时频域内描述非平稳非线性信号的局部特性。提出的局域中值定理分解方法 ,能正确求出并分离包含在信号中的局域中值 ,从而得到更标准的信号基本模式分量。通过与其它几种局域波信号分解方法的比较 。

基于灰度预测的变长度经验模态分解方法研究

经验模态分解是目前分解非线性非平稳信号的有效方法,但其在应用时存在容易导致信号分解失真的端点效应问题。通过对现有的压制方法所存在的不足进行改进,提出了基于灰度预测的变长度经验模态分解方法,在端点处向外对称延拓一部分原始信号使其变成新的信号,进而利用基于灰度预测的经验模态分解方法计算固有模态函数。每得到一个固有模态函数之后,在两端切掉一定长度的序列,即预测不准确序列,从而避免因该序列被代入下一个固有模态函数的求解而导致中间信号被污染;随后利用正弦叠加信号和非线性非平稳信号等仿真数据进行分解实验。实验结果表明:无论是正弦叠加信号还是非线性非平稳信号,基于灰度预测的变长度经验模态分解方法的计算结果误差均小于常规经验模态分解和基于灰度预测的经验模态分解方法,同时对端点处相位信息的处理也更准确。