基于正负区间统计分析的信号趋势项自适应消除方法

趋势项的存在会严重影响信号异常检测方法的准确性,因此需要在信号预处理过程中进行消除。高通滤波法是一种简单且有效的趋势项去除方法,应用最为广泛,但其参数选择基于经验,无法实现实时最优,因此方法的鲁棒性和泛化性差。以高通滤波法为基础,首先提出了信号正负区间统计分布曲线的概念,并基于这一概念引出了趋势项判断准则。在此基础上,设计了高通滤波器截止频率的实时优化选择方法以实现信号趋势的自适应消除,并对所提方法的影响要素进行分析。结合实际应用问题改进了算法,提高了迭代收敛速度,减少了计算量。最终利用石油管道泄漏监测问题中的压力信号数据证明了所提方法可以获得实时最优的滤波效果,实现趋势项的消除,且预设参数简单,算法计算量小。

EMD在非平稳随机信号消除趋势项中的研究与应用

通过研究EMD法的实现过程,在平稳随机信号中加入趋势项,仿真成均值具有趋向性的非平稳随机信号,并用最小二乘法、小波法和EMD法分别进行消除趋势项处理,通过比较消趋后信号和原始信号的均值、方差和相关系数等参考量,提出具有自适应性的EMD法在剔除非平稳随机信号趋势项中的可行性和实用性。

基于经验模态分解的非平稳信号趋势项消除

归纳概括了传统的趋势项消除方法,指出各类方法的优点和不足,提出了基于EMD（经验模态分解）的非线性、非平稳信号剔除方法。该方法通过数据驱动自适应构造基底函数IMF（本征模函数）,再由若干阶IMF分量和剩余分量的重组获得趋势项,避免了对复杂趋势项的数学建模和分析计算。仿真结果表明,EMD法能够有效地提取和剔除非平稳信号中的复杂趋势项成分,获得平滑的趋向性信号。

基于AMD的信号趋势项提取和应用

研究基于解析模态分解(analytical mode decomposition,AMD)法的信号趋势项提取方法,将趋势项定义为满足一定频率限值的信号分量,并探讨AMD的端部效应。对比AMD和经验模态分解(empirical mode decomposition,EMD)法的数值模拟与实测数据结果,验证该方法的可行性。分析结果表明:AMD法和EMD法对于趋势项的提取都具有很好的适用性,无须事先假定趋势项类型;与EMD法相比,AMD法处理长时间数据的效率更高。

基于Matcom与VC++的信号趋势项处理

为了提高开发效率,避免繁琐的程序算法,提出在信号的趋势项处理中采用Matlab与VC++结合的方法.介绍了虚拟仪器开发系统的两种途径及VC++和Matlab各自的特点,分析了工程设计和系统仿真软件包Matlab与VC++接口方法的优缺点,通过实例介绍了Matcom与VC++结合的方法,分析了虚拟仪器系统中对采集信号趋势项的处理方法.

时域积分在振动信号分析中的应用

为研究某装载机样机配置的新型发动机罩的振动特性,利用三维建模建立装载机发动机罩模型并使用有限元法对其进行了模态分析,重点分析了前几个阶次的固有频率和振型,结果显示发动机罩整体存在刚度偏低以及低阶次模态振型分布集中的现象。对样机发动机罩的水平和垂直两个敏感方向进行了振动加速度测量,对比了两种信号积分方法的使用范围及优势,利用时域积分方法对所测加速度信号进行了积分处理,并用最小二乘法拟合积分信号中的趋势项加以修正,得到了较为精确的振动速度及位移信号。通过对机罩两个敏感方向的振动加速度、速度和位移信号的综合分析,判断发动机罩刚度偏低,振动量偏大,易产生干涉。模态分析及振动信号分析结果为下一步发动机罩样品的优化改进提供理论依据及改进方向。

基于CEEMDAN法的隧道爆破信号趋势项去除

以京张高铁某隧道工程为背景,引入一种通过CEEMDAN(complete ensemble empirical mode decomposition with adaptive noise)法消除隧道爆破信号趋势项的方法。首先,利用CEEMDAN法分解实测爆破信号,得到一系列本征模态分量及余项。然后,通过均值比法识别筛选信号趋势项的有效组成部分,并去除含有趋势项的分量。为验证CEEMDAN法去趋势项的可行性,通过数值仿真信号进行校核。结果表明,与现有EMD(empirical mode decomposition)法、EEMD(ensemble empirical mode decomposition)法比较,基于CEEMDAN法筛选得到的趋势项与人为添加的趋势项最为接近。同时,利用此方法处理实测爆破信号,解决了原始信号中存在的基线偏移及低频超高异常等问题。