基于EEMD⁃Hilbert变换的爆破振动信号频带⁃能量分布特征研究

为研究爆破地震波传播时的能量分布规律,以某基坑爆破工程为工程背景,利用EEMD⁃Hilbert工具,分析了同一测点不同方向、同直线不同爆心距以及同爆心距离不同最大段药量的爆破振动信号。结果表明,垂向信号能量主要集中在中频带,水平径向信号能量在中、低频带均有分布,水平切向信号能量主要集中在高频带;同次监测下,随着爆心距增大,信号高频能量衰减得更快,信号能量分布占比从高频向低频转移;爆心距相等的情况下,增加单段最大药量会促进信号低频能量占比增加,药量显著增大时,低频信号占比增加更为显著。

基于CEEMDAN-Hilbert变换的水下爆炸信号时频分析方法研究

研究水下爆炸冲击波信号的时频特性,对于舰艇利用弹药水下爆炸信号对抗自导鱼雷具有重要的实际意义。本文针对EMD-Hilbert方法中经验模态分解(EMD)存在模态混叠的问题,提出CEEMDAN-Hilbert方法实现水下爆炸冲击波信号精确的时频分析。在水深100 m处单发炸药爆炸,产生爆炸信号的频率主要分布在56.5 kHz以下的低频段,特别是0~28.3 kHz以下的能量最大,高于56.5 kHz的能量较少。通过与EMD-Hilbert方法相比,CEEMDAN-Hilbert方法在28.3~56.5 kHz频段的能量分布会更加明显,具有一定的优越性。

基于ICEEMDAN和Hilbert包络谱的滚动轴承故障诊断研究

针对滚动轴承故障振动信号因属于非平稳特征信号而导致故障特征频率难以提取的问题,提出了基于改进自适应噪声完备集合经验模态分解(ICEEMDAN)和Hilbert包络谱的滚动轴承故障诊断方法.首先,利用ICEEMDAN对故障信号进行模态分解,产生一系列的固有模态分量(IMF);然后,找出与原信号相关度较高的模态分量,作该模态分量的Hilbert包络谱图,并提取滚动轴承的故障特征频率.最终,通过对滚动轴承外圈和内圈的故障信号进行分析,并将结果与经验模态分解(EMD)的结果比较,证明了经过ICEEMDAN分解后Hilbert包络谱图能够明显反映轴承故障的特征频率,该方法可有效诊断滚动轴承的外圈和内圈故障.

基于改进EEMD-MB1DCNN的船用柴油机缸套-活塞环故障诊断

针对船用中高速柴油机缸套-活塞环振动信号非线性非平稳性以及同类型不同损伤程度故障发生时振动信号时频域特征相似、故障难以识别等问题,利用振动信号辨识故障,提出一种基于改进集成经验模态分解方法和多模块一维卷积神经网络端到端缸套-活塞环故障诊断方法,通过设计固有模态分量IMF信息质量筛选准则对EEMD分解出的IMFs进行重新排序,获得包含更多凸显故障特征成分的重构信号,输入到上述神经网络模型,通过振动信号分析并与现有方法比较,评估所设计IMF信息质量筛选准则与所搭建模型的性能,试验结果显示该方法能准确、有效地识别缸套-活塞环故障类型。在判断该易损件同类型不同磨损程度故障诊断中有较高的准确率,能对故障状况进行有效的特征提取与故障分类。

结合EEMD的噪声对消方法在遥测振动信号降噪中的应用

针对传统降噪方法难以兼顾飞行器遥测振动信号中细节信息损失和降噪性能之间的矛盾,提出一种集合经验模态分解(ensemble empirical mode decomposition,EEMD)和噪声对消相结合的降噪方法。信号经EEMD处理得到本征模态函数(intrinsic mode function,IMF),将第1阶IMF分量和其余IMF分量的累加和分别作为参考噪声和待降噪信号;利用核方法将信号映射到高维特征空间,利用映射到高维空间中的参考噪声和待降噪信号进行噪声对消。计算机仿真结果表明:该方法在避免信号细节信息损失的前提下具有良好的降噪性能,某次飞行器试验中实测数据处理结果证明方法有效和实用。

基于EEMD分解法对北武当观测站形变资料受气压干扰特征分析

本文通过选取北武当观测站的水平摆、伸缩仪,对观测数据受气压干扰明显的典型事件进行分析,研究气压变化如何对观测数据变化产生的影响,并对原始观测数据采用EEMD分解出含有干扰信息的IMF分量;对IMF分量进行Hilbert变换得出Hilbert时频图。结果表明,水平摆和伸缩仪受气压干扰明显,且气压干扰具有延时性。总之,通过EEMD方法对北武当观测站测向资料的分析,说明这种方法对气压干扰的研究有较好的效果,提高了识别干扰信息的能力。

高效前缀约简的三维Hilbert空间填充曲线编解码算法

3维Hilbert空间填充曲线(3D HSFC)的编码和解码效率对空间查询处理、图像处理等领域的应用举足轻重。现有的3维编解码算法独立编解码每一个点,忽略了Hilbert曲线的局部保持特性。为了提高编解码效率,该文设计了高效的3D状态视图,并提出一种新的前缀约简的3D HSFC编码算法(PR-3HE)和前缀约简3D HSFC解码算法(PR-3HD),这两个算法通过公共前缀的定义和识别、公共前缀约简及多种优化技术来最小化需要编码的阶数,从而提高3D HSFC的编解码效率。理论上证明:当编码或解码一个k阶的窗体(窗体内总共含有2k×2k×2k个点)时,PR-3HE平均每个点的编码阶数不超过2,PR-3HD平均解码阶数不超过8/7。相对于传统的基于迭代的方法,编解码时间复杂度从O(k)降低到了O(1)。实验结果表明,该文算法在模拟数据集和真实数据集上的表现显著优于现有算法。

基于声信号递归Hilbert变换的轴承故障诊断研究

轴承缺陷检测与损伤程度检测一直是旋转机械领域内非常重视的问题,虽然目前针对振动信号的研究已经取得相当好的结果,但是对于难以安装振动传感器的情况,诊断效果仍需改进。针对强背景噪声下故障轴承产生的声音,提出一种基于递归Hilbert变换和一维卷积神经网络的诊断方法来提取抽象特征并进行模式识别。卷积神经网络结构中引入了全局平均池化层来加速网络的运行。最后,通过数据集验证了所提方法的有效性,与其他常用分类方法进行对比,验证了该方法的优越性。结果表明:所提算法不仅能够准确识别轴承的损伤部位,而且能够准确区分部件的损伤程度。

一个含离散型分式核的Hilbert型不等式

引入若干正参数,新构建了一个分式型的离散形态的核函数,并借助于权系数的方法,建立了一个二重Hilbert型级数不等式,并证明此不等式的常数因子是最佳取值.另外,根据余割函数的有理分式展开形式,给出最佳常数因子的余割函数表示形式.通过对参数赋予一些特殊数值,得到了一些已有结果,并且给出了一些新的含特殊核函数的Hilbert型不等式.

基于EEMD-WPT的温室环境数据优化处理研究

【目的】解决温室系统中的数据采集传感器容易受到多种环境因素的干扰,从而导致数据中存在噪声的问题。【方法】提出一种集合经验模态分解(Ensemble empirical mode decomposition,EEMD)与小波包自适应阈值(Wavelet packet adaptive threshold,WPT)算法联合的数据降噪处理方法,并采用卡尔曼滤波与自适应加权平均算法对降噪后的数据进行融合。【结果】将EEMD-WPT算法应用于含噪温、湿度数据的降噪处理,相较于降噪前的数据,信噪比提升了73.08%。该算法相较于传统WPT算法具有更好的降噪效果,处理后的数据信噪比提升了40.31%,均方根误差降低了84.75%。【结论】该算法能解决数据跳动、冗余和丢失等问题,并为温室控制系统提供了有效的参数,具有较大的实际应用价值。

一个新的涉及一个多重可变上限函数和一个部分和的半离散Hilbert型不等式

应用权函数的方法,Euler-Maclaurin求和公式,Abel部分求和公式及实分析技巧,求出了一个新的涉及一个多重可变上限函数和一个部分和的半离散Hilbert型不等式.作为应用,考虑了特殊参数下不等式中最佳常数因子联系多参数的等价条件及一些特殊不等式.

基于EEMD-SVM-ELM模型的月降水量预测研究

针对地表降水量数据的非线性、非平稳特征,首先利用EEMD对月降水量初始数据进行分解,再利用Lempel-Ziv复杂度算法将分量划分为高频及低频分量,使用粒子群算法(PSO)优化基学习器参数,最终构建EEMD-SVR-ELM月降水量预测模型,并采用该模型对长江下游部分城市的月降水量实际数据进行预测。结果表明,该模型的综合性能最优,具有更高的精确度。相较于单一模型,在M_(MAE)、R_(RMSE)、M_(MAPE)指标上分别降低了37.4%、41.4%、42.5%,DM检验表明该模型显著优于其他模型,说明该模型可作为月降水量预测的一种有效新方法。

用于光伏串联电弧辐射检测的五阶Hilbert分形天线设计

串联电弧是光伏系统的主要故障类型之一,掌握光伏电弧的辐射特性是解决光伏电弧检测的重要前提.为实现对故障电弧的检测,需要设计针对电弧特征频带的天线.为此,对Hilbert分形天线进行研究,设计了五阶Hilbert分形天线实现电弧故障检测.通过提高分形天线阶数,减小谐振频率,扩大天线带宽.设计结果表明:五阶Hilbert天线在0~500 MHz电磁辐射能量较大的频段内驻波比小于3(在10~140 MHz和170~500 MHz频段内VSWR<3),增益为-38 dB,方向性良好.通过搭建光伏串联电弧实验平台和设计的五阶Hilbert分形天线,分析电弧电磁辐射信号时频特性.研究可为光伏系统电弧故障的检测提供参考.

融合EEMD-CNN的水电机组磨碰故障声纹识别模型

水电机组声纹信号包含大量反映内部机械状态的有效信息,为了准确提取水电机组磨碰故障声纹特征,提出一种基于聚合经验模态分解(EEMD)与卷积神经网络(CNN)相结合的水电机组磨碰声纹识别模型。首先将水电机组噪声信号进行EEMD分解,得到若干本征模态分量(IMF)和残余分量(Res),然后将得到的IMF和Res与原噪声信号构建融合特征向量;以融合特征向量为输入,碰磨故障输出,正常和碰磨故障试验数据为样本,训练CNN深度学习神经网络,得到水电机组磨碰故障识别器,识别水电机组磨碰故障。结合水机电耦合平台和实际机组试验磨碰数据,验证了所提方法对水电机组碰磨故障识别效果,平均准确率达到99.8%,且该方法识别效果显著优于其他几种识别模型。

基于改进Hilbert-Huang变换的管路环向裂纹故障诊断研究

在制造、加工、装配以及服役过程中,航空液压管路可能存在平面型缺陷。在适航载荷作用下,这些缺陷会萌生裂纹并发生扩展,最终导致管路破裂和油液泄漏。为了在管路产生微裂纹时对其进行故障诊断,采用了自行搭建的航空液压管路模态试验平台和测控系统,对存在环向裂纹航空液压管路的振动信号进行了采集和预处理。而在对管路振动信号进行分解时,由于经验模态分解(Empirical Mode Decomposition,EMD)算法存在模态混叠问题难以获得准确的本征模态函数(Intrinsic Mode Functions,IMF)。为提高信号处理精度,提出一种基于自适应噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和Hilbert变换理论相结合的改进Hilbert-Huang变换方法对航空液压管路环向裂纹进行故障诊断。研究结果表明,该方法能够更准确地诊断航空液压管路的环向裂纹故障。

基于EEMD分解的阶次跟踪方法研究

摆线针轮减速器组成零部件繁多、构成复杂,工作时噪声干扰大且多在变转速、往复的复杂工况下工作,因此,难以准确提取其内部的故障特征。针对这一问题,提出了一种基于集合经验模态分解(EEMD)与阶次跟踪分析的方法,对摆线针轮减速器进行了故障诊断。首先,对采集到的时域振动信号和转速信号进行了等角度域差值采样,得到了振动信号的等角域平稳信号;然后,对等角域信号进行了集合经验模态分解,得到了若干个固有模态分量(IMFs),计算了各个固有模态分量的峭度值,选取目标模态分量进行了信号重构;接着,采用快速傅里叶变换得到了故障信号的阶次图;最后,根据减速器的传动方式、各零部件的模数,计算出了各主要部件的故障阶次,对比减速器在故障前后阶次图的能量峰值进行了故障诊断。研究结果表明:该方法能够准确提取包含故障信息的固有模态分量,实现从等时域信号到等角域信号的转换,并提取摆线针轮减速器的滚针故障阶次(8.37阶),故障准确率达到99.6%,可实现摆线针轮减速器在非平稳工况下的故障特征识别,并验证该方法的可行性和有效性。

基于Hilbert变换的条纹-灰度线性投影三维测量

针对传统的条纹投影测量中绝对相位求解方法存在投影图像数量较多以及算法复杂程度高的问题,提出了一种基于Hilbert变换的条纹-灰度线性投影策略及相位求解方法,该方法仅使用3幅投影图像——1幅高频条纹图和2幅灰度线性变化图,通过Hilbert变换求得包裹相位,采用灰度线性变化图像得到基础相位,联立包裹相位和基础相位可得到条纹级数,进而得到绝对相位。通过构建的主动双目系统得到的三维重构结果发现,该方法可以有效恢复被测物体的三维形状,测量精度可达0.1 mm。

EEMD-小波在高边坡变形信息提取中的应用研究

针对高边坡变形呈现非平稳性及数据“噪声”多源的问题,提出了一种定向滤波的变形信息提取方法。首先,利用集合经验模态分解方法分解变形时序数据,结合定量分析法判别模态分量信号频段;然后,对高频模态分量中的“噪声”利用小波函数进行“靶向”消噪处理,并对趋势项进行傅里叶级数拟合;最后,重构高边坡变形分析模型,实现真实变形量的提取。结果表明,对比分析各项检验指标,通过“靶向”消噪,各高频模态分量消噪效果明显,重构后的集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)-小波高边坡变形分析模型较原始形变和其他模型在精度指标方面提升显著,该方法可用于高边坡的变形预测分析和真实变形量提取。

一个涉及高阶导函数的Hardy-Hilbert型积分不等式

应用权函数方法、参量化思想及实分析技巧,建立一个新的齐次核为1/(x+y)^(λ+m+n)(λ>0)的涉及高阶导函数的Hardy-Hilbert型积分不等式,求出了联系该式的最佳常数因子及多参数的等价陈述.作为推论,还求出了特殊条件下该不等式的等价形式、非齐次核的情形及算子表示,并导出了若干特例.

基于CEEMDAN-Hilbert变换的振动信息分解

为了对轴箱振动信息进行有效时频分析,提出利用完备集合经验模态(CEEMDAN)分解对振动信息进行分解,再通过Hilbert变换求其时频谱、边际谱和奇异值,实现振动信息的分析。通过分析钢轨正常和道岔状态轴箱振动信息,实现对钢轨表面状态的判断。结论如下:正常状态的振动频率主要集中在低频,道岔状态高频部分显著增加,且能量幅值峰值约是正常状态的50倍。道岔状态的边际谱和奇异值幅值均大于正常状态,且幅值峰值约是正常状态的3倍和5倍。