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Hilbert-Schmidt独立准则的多标签学习算法

与传统二分类或多分类的单标签问题不同,多标签问题研究中一个目标可能与多个标签相关联,标签之间丰富关系的存在导致对多标签问题的分析研究更加复杂。针对如何利用特征与标签、标签与标签之间的关系的问题,文章提出了基于Hilbert-Schmidt独立准则的多标签学习算法。该方法利用Hilbert-Schmidt独立准则评估特征和它的标签之间关联性并对其进行改进,采用多项式核函数代替线性核函数来衡量特征和标签的相关联性,考虑到不同标签对分类的贡献不同,加入标签权重矩阵。实验证明,文章研究的算法可以提高多标签分类的性能。

基于感应电机启动电磁转矩Hilbert-Huang变换的转子断条故障诊断

该文提出了一种感应电机转子故障诊断新方法。当感应电机转子出现断条故障时,转子绕组的不对称将会使电磁转矩谱中引入2sfs(s为转差率,fs为电网频率)谐波分量。利用Hilbert-Huang变换中经验模态分解(EMD)方法对启动电磁转矩信号进行了分解,得到若干本征模态函数(IMF)。通过计算包含故障信息的IMF分量的瞬时频率,可以检测出转子断条故障。同时,根据包含故障信息的IMF的幅值可以进一步判断出转子断条根数。实验结果证明该方法是可行的。

基于支持矢量回归机的Hilbert-Huang变换端点效应问题的处理方法

Hilbert-Huang变换的端点效应表现在两个方面,对信号进行经验模态分解(Empirical mode decomposition, EMD)和对各个内禀模态函数(Intrinsic mode function,IMF)进行Hilbert变换时都会产生端点效应。为了克服 Hilbert-Huang变换中的端点效应,采用支持矢量回归机对信号延拓后再进行经验模态分解,该方法可以有效地克服EMD方法的端点效应问题,得到具有物理意义的内禀模态函数;然后再次采用支持矢量回归机对IMF分量进行延拓后进行Hilbert变换,可有效地抑制Hilbert变换中的端点效应,获得准确的瞬时频率和瞬时幅值,从而得到具有物理意义的Hilbert谱。对仿真和实际信号的分析结果表明,基于支持矢量回归机的数据序列延拓方法能有效地解决Hilbert-Huang变换中存在的端点效应问题,而且其效果优于基于神经网络的数据序列延拓方法。

Hilbert-Huang变换在滚动轴承故障诊断中的应用

提出了一种新的滚动轴承故障诊断方法——基于小波系数包络信号的局部Hilbert边际谱方法,在Hilbert—Huang变换的基础上介绍了局部Hilbert谱和局部Hilbert边际谱,并将它应用于滚动轴承的故障诊断中。用小波基将滚动轴承故障振动信号分解,对高频段的小波系数用Hilbert进行包络分析得到包络信号,再对包络信号进行Hilbert—Huang变换求出局部Hilbert边际谱,从局部Hilbert边际谱中就可以判断滚动轴承的故障部位和类型。通过对滚动轴承具有外圈缺陷、内圈缺陷的情况下的振动信号的分析,说明该方法比传统的包络分析方法更能有效地提取滚动轴承故障特征。

基于Hilbert-Huang变换的电网故障行波定位方法

正确辨识和检测故障行波信号是实现电网故障行波定位的关键。提出了一种新的故障行波信号时频分析方法,采用Hilbert-Huang变换(HHT)对故障行波信号进行检测,通过经验模态分解(EMD)法提取故障行波信号的固有模态函数(IMF),再进行Hilbert变换,得到各自的瞬时频率,由瞬时频率进行行波到达时刻的准确检测。HHT与小波变换比较,不存在变换参数的选取难题,变换结果具有唯一性。仿真结果表明HHT能更准确地提取电网故障行波波头位置,有效提高故障行波定位精度。

Hilbert-Huang变换与地震信号的时频分析

本文介绍了HHT时频分析方法及瞬时频率的概念,给出了已知信号的经验模态分解及其时频分布,并对实际地震波形信号进行了HHT时频处理与剖析。结果表明,HHT方法能准确描述地震波形信号的非线性时变特征,是地震信号时频分析的有效工具。

基于Hilbert-Huang变换的行波法高压输电线路故障定位

输电线路发生短路故障时,产生的故障暂态行波是一种非线性、非平稳信号。准确提取行波波头信号,是行波法故障定位的关键。将Hilbert-Huang变换这一非平稳信号处理工具应用于故障行波波头的检测,实现故障定位。利用GPS同步采集输电线路双端故障前后一段时间的电流数据,对其进行经验模态分解,将得到的高频模态分量进行Hilbert变换,得到相应的时间-频率谱图。时频图上的频率突变时刻即为行波波头的到达时刻。Matlab仿真结果表明,该方法能准确捕捉行波波头的到达时刻,有较高的定位精度。

Hilbert-Huang变换及其在电力系统中的应用

通过综述国内外Hilbert-Huang变换及其相关端点效应、模态混叠、筛分停止准则等问题的研究现状,讨论了该变换的特点。详细分析了Hilbert-Huang变换在电力系统设备故障检测与故障诊断、电力系统振荡分析、电能质量检测和负荷预测等方面的应用现状。最后,对其在电力系统中的应用进行了展望,认为Hilbert-Huang变换可以联合其他方法克服本身缺点,并根据电力系统信号的特点,更有效地应用于电力系统。

Hilbert-Huang变换与大地电磁信号的时频分析

将Hilbert-Huang变换引入大地电磁信号的时频分析中,介绍HHT(Hilbert-Huang transform)时频分析原理及方法,给出仿真信号的经验模态分解及其时频分布,并对实测大地电磁信号进行HHT时频处理与剖析。研究结果表明:Hilbert能量谱随时频的具体分布具有很强的非稳态动态变换时频刻画能力;时频谱的时间、频率分辨率不受Heisenberg测不准原理的限制,且其时间、频率分辨率都很高,有很好的时频聚集性;HHT方法能用于描述大地电磁信号的非线性时变特征,是大地电磁信号时频分析的有效工具。

基于Hilbert-Huang变换的ECG消噪

提出一种基于Hilbert-Huang变换的ECG消噪方法,该方法对含噪ECG进行经验模态分解,对分解后的IMF进行Hilbert频谱分析,然后根据ECG信号噪声特点对三种主要噪声分别消噪.工频干扰和高频噪声主要存在于ECG的低阶IMF中,而基线漂移主要存在于ECG的高阶IMF中,对低阶IMF采用基于自适应阈值的形态学滤波方法进行消噪,对高阶IMF采用平滑滤波法进行基线漂移估计.仿真实验和实际应用结果表明该方法优于小波消噪法,不仅对三种主要噪声具有较好的抑制作用,还能很好的保留ECG波形特征.

基于Hilbert-Huang变换的生物触电电流检测模型

为了检测触电时刻剩余电流中生物体触电支路电流信号的难题,应用Hilbert-Huang变换方法,确定了生物触电时剩余电流的固有模态函数中相关系数最大的IMF分量的局部幅值达34.02 m A,且与原信号相关性系数达到0.99,同时剩余电流与触电电流暂态过程频谱特性具有相似变化规律。以此为基础,应用生物电流信号高频IMF分量幅值的突变特征,作为触电故障时刻确定判据,建立生物触电故障时刻判定方法,实际数据的仿真处理正确率为94.17%;筛选剩余电流分解的相关性较高的有限个数的低频固有模态IMF分量,应用逐步多元线性回归方法,提出基于剩余电流固有模态分量的生物触电支路电流幅值检测方法,仿真试验结果的平均相对误差值5.46%,具有良好的适应性和实用性,为研发基于生物体触电电流而动作的剩余电流保护装置提供参考。

Hilbert-Huang变换在提取阵列声波信号动力特性中的应用

阵列声波信号是典型的非线性、非平稳信号,其动力特性的量化提取对于进行地层结构构造分析提供了必要的基础资料.而Hilbert-Huang变换(HHT)是一种处理非线性、非平稳信号的新方法.它通过经验模态分解(EMD)将信号分解为有限个固有模态函数(IMF),并对每个固有模态函数进行Hilbert变换得到Hilbert谱.本文将这种方法应用于阵列声波信号动力特性的提取,有效地获得了信号能量的时频分布,瞬时能量、Hilbert能量、最大振幅对应的时频分布等动力特性,显示了HHT的优势以及对于进一步实现地层结构构造分析的重要意义.

联合采用高通低通滤波与Hilbert-黄变换的非线性信号分析

经验模态分解方法无法分离2倍频内信号分量而可能导致模态混叠,这是应用著名的Hilbert-黄变换(Hilbert-Huang Transform,HHT)分析非线性信号时无法回避的问题,而消除模态混叠对于准确分析非线性信号具有重要意义。在此背景下,提出了一种联合采用高通低通滤波与Hilbert-黄变换的非线性信号分析方法,以解决这一问题。首先,提出了基于HHT瞬时频率的、用于判断是否发生模态混叠的指标;在此基础上为解决常规经验模态分析方法无法分解2倍频内信号的问题,采用傅里叶变换分析存在模态混叠的信号,并通过高通低通滤波将2倍频内的信号分离。之后,对经过滤波后的信号进行经验模态分解,并与之前未发生模态混叠的分量整合,得到原始信号完整的本征模态函数分量,进而计算得到各分量的瞬时频率和瞬时幅值。最后,用算例说明了所提方法的基本特征。

HILBERT-HUANG变换端点效应处理新方法

HIBERT-HUANG变换(HHT)实现过程中,对信号进行经验模态分解(Empirical mode decomposition,EMD)和对分解得到的各个本征模函数(Intrinsic mode function,IMF)进行HILBERT变换时都会产生端点效应。对此问题,采用波形特征匹配延拓数据,提高经验模态分解精度,有效地抑制HILBERT变换中的端点效应,获得准确的HILBERT时频谱。所延拓数据兼顾原始信号中的极值点及非极值点的波形数据,使延拓数据特征与原信号一致,在HHT变换实现过程中仪需一次延拓,算法简单。仿真计算和转子系统故障试验分析结果表明,所用方法可以有效解决HHT变换的端点效应问题。

基于Hilbert-Huang变换和神经网络的带串补高压输电线路故障测距

提出了一种针对带串补高压输电线路的分层结构神经网络模型故障测距新算法。第1层为粗略判断故障位置的神经网络模型,利用一种新的信号处理方法Hilbert-Huang变换获取能量故障特征作为第1层神经网络的输入,判断故障发生在电容前或后;第2层为精确确定故障位置的神经网络模型,通过对神经网络的离线训练和对单端故障测距结果的在线补偿,最终得到精确的故障距离。该算法考虑了过渡电阻和分布电容的影响,克服了传统故障测距算法由于忽略分布电容导致在高阻接地故障时故障定位不准确的缺点。

基于脑电信号Hilbert-Huang变换的睡眠分期研究

目的研究基于脑电信号Hilbert-Huang变换的睡眠自动分期方法。方法对睡眠脑电信号进行Hilbert-Huang变换,求出具有物理意义的瞬时频率,并得到脑电信号在频率上的能量分布,作为睡眠脑电信号各个时期的特征,最终利用最近邻模式分类方法对睡眠各阶段进行分期决策。结果通过对560个睡眠脑电信号样本进行分期,平均正确率达到81.7%。结论经Hilbert-Huang变换得到的睡眠脑电信号特征,可以作为睡眠分期的有效分类依据。

Hilbert-Huang变换端点效应问题的探讨

为了克服Hilbert-Huang变换中的端点效应,利用时变参数ARMA(AutoregressiveMovingAverage)模型对信号进行外延后再进行EMD(EmpiricalModeDecomposition)分解,在一定程度上克服了EMD方法的端点效应问题;同时利用时变参数ARMA模型对IMF(IntrinsicModeFunction)分量进行延拓后再进行Hilbert变换,有效地抑制了Hilbert变换中的端点效应,可以得到准确的瞬时频率和瞬时幅值。

非抽样多小波和Hilbert-Huang时频分析在行星减速器早期故障诊断中的应用

提出一种改进相邻系数方法和非抽样多小波变换融合的降噪方法,使用Hilbert-Huang时频分析作后处理,并将其应用于行星减速器早期故障诊断中。行星减速器具有故障响应微弱、振动的强烈非平稳性和明显的非线性、低频特征频率污染等特点,使得现有中心轴固定的传统齿轮箱诊断理论与技术不能有效解决行星减速器的故障诊断难题。非抽样多小波变换具有时间平移不变性,可以降低或消除信号中奇异点附近急剧振荡的Gibbs现象;改进相邻系数方法具有随分解层变化的邻域区间长度和灵活的阈值选取方式,能够准确提取出非平稳信号中的早期微弱故障特征信息;Hilbert-Huang时频分析可以更直观地表征信号中的非平稳、非线性特征。对实际信号的分析结果表明,该方法可以准确提取出行星减速器存在早期齿面点蚀损伤时的微弱故障特征。

Hilbert-Huang变换在电气化铁路谐波检测中的应用

将Hilbert-Huang变换(Hilbert-Huang transform,HHT)用于电气化铁路谐波检测中,应用该方法可以提取任意频次的谐波信号。为了解决直接应用经验模式分解(empirical mode decomposition,EMD)方法可能出现的模态混叠问题,文中采用基于傅里叶变换(Fourien tranform,FT)的EMD方法对电气化铁路谐波信号进行提取。首先利用傅里叶变换对指定频率部分进行滤波,然后分别进行HHT变换,再重新组合,即可得到信号全部完整的本征模态函数(intrinsic mode function,IMF)分量,进而计算其Hilbert谱,得到谐波信号的Hilbert谱值。对电气化铁路牵引变电站实测谐波电压、电流数据进行了分析,仿真结果表明利用改进的HHT方法可以得到电气化铁路各次谐波的准确时频分布。