经验模分解在信号趋势项提取中的应用

研究了经验模分解方法(EmpiricalModeDecomposition,简称EMD)在信号趋势项提取中的应用,提出了基于EMD方法在不同频率限制要求下信号趋势项的定义和提取方法。通过应用于数值模拟信号及实测记录,验证了此定义的可靠性。分析结果表明,EMD方法依据信号自身的特性来定义趋势项,无需预先假定其类型,是一种提取信号趋势项的良好方法。

基于EEMD和小波阈值法的爆破振动信号预处理研究

针对爆破振动信号去噪和趋势项消除问题,借助相关性分析,引入了一种基于集合经验模态分解(EEMD)和小波阈值法的预处理滤波方法。首先运用EEMD方法进行信号分解,利用互相关系数进行含噪IMF分量和趋势项分量的预选,然后分别借助自相关函数特性和频带特点进行判断,最后完成含噪分量的小波阈值去噪和趋势项分量的去除,重构波形。实例验证结果表明,该方法能有效消除噪声、趋势项干扰,保留波形真实信息,进而提高频谱分析精度。

经验模分解中的间歇性控制方法改进及分解精度控制

提出了根据固有模式函数相邻零值点距离的间歇性控制准则,并提出通过多次间歇性控制来提高经验模分解滤波精度的方法。对合成信号分离的算例表明,与使用IMF相邻峰值距离的间歇性控制方法相比,使用这个准则分离出的信号更接近于原信号。本文还提出用IMF上下包络线平均值的最大幅值与IMF最大幅值的比作为EMD分解精度控制准则,这个准则更为直观和便于使用。

基于希尔波特—黄变换(HHT)的海洋平台结构模态参数识别

本文研究了希尔波特一黄变换(HHT)中的模态混淆问题解决方法的理论。建立海洋平台结构有限元模型,通过模态分析得到其理论模态参数;然后在瞬时荷载的激励下得到有限元模型和实际结构的振动响应,利用采用Fourier滤波器的HHT方法和采用改进伪信号技术的HHT方法识别其模态参数。结果对比表明,这两种方法都可以准确地识别结构的模态参数,采用改进伪信号技术的HHT方法对实际平台的模态参数识别结果相对更加准确、合理。

基于EEMD-GA-BP的水电机组状态趋势预测

电厂、电网的安全稳定与水电机组的运行状态息息相关。机组状态趋势预测弥补了故障诊断作为事后决策的不足,通过预测提前发现故障征兆,可以避免事故发生。本文结合EEMD和神经网络理论,提出了一种水电机组状态趋势预测模型。以国内某两电站的机组振动状态趋势预测为例,首先对机组振动信号进行EEMD分解,其次利用GA-BP预测模型预测各IMF分量运行趋势,最终预测信号是各分量的预测结果累加得到。实验结果表明,该模型能实现机组振动状态趋势的有效预测,相较于其他方法精度更高。

振动信号趋势项提取的几种方法及其比较

研究经验模分解方法在信号趋势项提取中的应用．提出基于EMD方法在不同频率限制要求下信号趋 势项的定义和提取方法．通过应用于数值模拟信号及实测记录验证了此定义的可靠性．