基于HHT的齿轮箱复合故障诊断研究

提出一种基于HHT的齿轮箱复合故障诊断方法。该方法将齿轮箱故障振动信号进行Hilbert-Huang变换,得到信号的Hilbert能量谱,通过谱分析实现齿轮箱复合故障的识别。齿轮箱故障实验信号的研究结果表明:该方法能有效诊断齿轮箱的复合故障。     

基于HHT方法的露天矿爆破振动信号分析

爆破振动信号处理是目前爆破振动研究领域里的一个重要课题。在某露天矿爆破振动监测的基础上,采用希尔伯特-黄变换(Hilbert-Huang transform,HHT)对爆破振动信号进行了分析处理,通过经验模态分解(EMD),将信号分解为包含不同成分的数个IMF分量,对各分量进行绘制信号的频谱、瞬时能量、等高线能量图等,得出波的时频特性及能量分布等特性。     

基于HHT时域边际谱的滚动轴承故障诊断

HHT(Hilbert-Huang变换)是一种适合处理非平稳和非线性过程的信号处理方法。提出了一种基于HHT的时域边际谱方法。该方法与传统Hilbert边际谱不同,代表单位时间内幅度的累加,体现信号时域特性。在滚动轴承的实验中,能够成功辨识滚动轴承内圈和外圈的故障特征,验证了该方法处理滚动轴承故障的可行性。     

基于Hilbert谱白化的高分辨率地震资料处理

为了克服常规谱白化方法无法同时增强时域和频域局部细节的不足,提出了一种对地震信号的Hilbert谱进行谱白化的高分辨率增强方法。首先利用Hilbert-Huang变换对地震信号进行时频分解,再通过白化滤波器对其Hilbert谱进行谱白化。使用合成和实际地震数据与常规谱白化方法进行对比,结果表明,此方法能够有效增强地震信号时域和频域的分辨率,使地震剖面更为连续和清晰,并具有较高的信噪比。     

基于HHT和有监督稀疏编码的滚动轴承故障状态识别方法

为了实现对滚动轴承故障位置和损伤程度的准确定位,将类别判别信息引入到无监督的稀疏编码中,提出一种有监督稀疏编码（Supervised Sparse Coding,SSC）方法,建立基于希尔伯特黄变换(Hilbert-Huang Transform,HHT)和SSC的振动信号特征提取和故障状态精细分类模型。首先,通过HHT获取振动信号的边际谱,然后,利用SSC为边际谱信息建立统一的字典库,并完成对边际谱的稀疏表示,实现干扰信息的滤除和故障目标敏感特征的二次提取,最后,使用SSC得到的稀疏系数完成对支持向量基(Support Vector Machine,SVM)分类器的训练。采用SKF-6205-2RS轴承试验台数据对提出方法进行实验分析,使用HHT-SSC-SVM模型,驱动端轴承故障状态识别率为99.5%,风扇端轴承故障状态识别率为98.25%,与文中其他模型相比,在故障状态识别率上有所提高,并且表现出来较强的适应能力。     

基于小波降噪和改进HHT的滚动轴承故障诊断方法研究

提出了一种基于小波域阈值降噪和改进Hilbert-Huang变换的滚动轴承的振动信号分析方法。利用小波域阈值消噪的方法对振动信号进行降噪,采用基于包络极值延拓和相关系数法的HHT方法得到信号的Hilbert谱和Hilbert边际谱,根据谱图幅值特性判断轴承的状态。该方法能够有效地提取信号特征,具有良好的诊断效果。     

基于改进HHT的矿山微震信号多尺度特征提取及分类研究

针对矿山微震与爆破信号难以识别问题, 提出基于改进Hilbert-Huang变换(HHT)的矿山微震信号识别方法。该方法引入互补集合经验模态分解(CEEMD)对HHT改进, 信号被自适应分解后, 计算IMF分量的偏度、峭度、Hilbert边际谱能量、Lempel-Ziv复杂度以及重构信号的分形盒维数, 运用拉普拉斯得分(LS)对5种时频域特征参数降维, 最后通过遗传算法(GA)优化的支持向量机(SVM)模型, 实现微震信号的分类识别。经400组微震和爆破信号的实例分析验证, 两类信号的5种特征参数均有较大差异, 改进HHT法识别效果优于传统经验模态分解法(EMD)和局部均值分解法(LMD), 且基于改进HHT和GA-SVM分类模型准确率达到95%, 证实了此识别方法的准确性。     

微差爆破实际延迟时间识别方法比较与优选

提出了基于瞬时能量谱突变点确定雷管实际延迟时间的HHT瞬时能量识别法, 以微差爆破振动信号HHT变换的Hilbert能量幅值为初值, 运用频率积分获取微差爆破振动信号瞬时能量谱, 进而确定雷管实际延迟时间。工程实践表明, HHT瞬时能量法识别结果与小波基函数、变换尺度和IMF分量的选取无关。此外, 该方法还可用于微差时间与频率变化规律的研究。     

基于Hilbert-Huang变换的机电设备故障诊断综述

对新型的Hilbert-Huang Transformation(简称HHT)信号处理方法进行了综述,简单论述了时频分析方法在机电系统故障诊断中的意义,针对非稳态、非线性动态故障信号的特点,指出HHT用于故障诊断的优越性,介绍了HHT的基本原理,在此基础上,论述了HHT在国内外故障诊断领域中的研究应用情况,表明HHT正在成为机械故障诊断的重要信号处理方法。     

基于HHT法的煤冲击破坏SHPB测试信号去噪

针对分离式霍普金森杆（SHPB）测试信号的高噪声、持时短、突变快等特点,利用希尔伯特-黄变换（HHT）分析技术对煤冲击破坏的测试信号进行去噪处理。用经验模式分解法（EMD）分解实测的煤冲击破坏SHPB测试信号,可以得到各固有模态函数（IMF）分量及其频谱和各IMF分量的能量百分比,从而利用低通滤波将原始信号中的高频噪声有效的分离出去。利用快速傅里叶变换（FFT）频谱和Morlet小波时频谱对比分析去噪前后信号的特征,定性的说明HHT法可以用于煤冲击破坏SHPB信号的去噪处理。通过计算去噪后信号的信噪比和能量百分比,定量的说明HHT法充分保留了煤冲击破坏SHPB信号本身的瞬态非平稳特征,去噪效果显著,方法简捷,结果可靠。     

基于Hilbert-Huang变换的齿轮箱故障诊断

针对齿轮箱故障振动信号的非平稳特征,提出一种基于Hilbert-Huang变换的齿轮箱故障诊断方法。使用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,再对IMF分量进行FFT变换,实现在频域的分析,得到故障特征信号。依据IMF分量的频谱图和时域信号的边际谱图,判别齿轮箱的故障类型。实验证明是一种有效地处理齿轮箱故障诊断方法。     

滚动轴承组合故障的诊断方法

机械设备的组合故障由于其故障的多样性、强弱的不平衡、故障间的相互影响等特性,给全面准确的诊断造成困难。根据机械设备中故障诊断机理,将Hilbert-Huang及EMD方法应用于具有组合缺陷的滚动轴承故障诊断实验中。验证了信号边际谱与故障特征之间的联系,辨析出滚动轴承外圈缺陷和滚动体缺陷的特征量,证明了其分析轴承组合故障的可行性。     

临近地铁车站爆破振动效应对高层建筑的影响

明晰建(构)筑物的爆破振动响应规律在工程和经济上具有重要意义。针对某地铁车站A出入口爆破施工,运用HHT方法分析某小区2号楼振动信号的衰减特征。研究结果表明:沿高程增加方向,三矢量振速峰值先急剧衰减,后在中间楼层呈波浪形变化并在顶层放大,振速变化分为衰减区(0~26. 15 m]、波动区(26.15~71.75 m]和放大区(71.75~94.55 m]。随高程增加,Hilbert谱的形态由三峰值逐渐转变为单峰值结构,能量幅值降低;优势频带由75~125 Hz衰减为10~40 Hz,主频向低频过渡,振速放大区楼层振动频率较低且易引发共振。根据地面测点拟合顶层能量谱的构成,验证了顶层放大效应的实质,是对爆破地震波中与建筑物固有频率接近的能量进行选择放大。     

液态二氧化碳相变破岩振动能量分布研究

采用Hilbert-Huang变换方法对地铁基坑开挖工程中液态二氧化碳相变破岩时引起的振动信号的频谱特征、能量分布进行了研究。结果表明, 液态二氧化碳相变破岩时引起质点振动的频率主要分布于0~100 Hz范围内, 能量主要集中于0~20 Hz, 且随距离增加能量逐渐向高频带集中分布; 一定距离条件下能量分布主频带内的垂向分量能量比例最高, 水平径向次之, 水平切向最小, 平均值占信号总能量的70%以上, 且随震源距增加逐步降低并趋于一致; 质点瞬时能量起伏与其振动幅值对应, 主要作用于0~0.5 s的时间段内。     

低信噪比微震P波震相初至自动拾取方法

针对微震信号固有的低信噪比、非平稳性、随机性等特征,发展了一种基于希尔伯特-黄变换(HHT)和AIC准则相结合的震相初至自动拾取方法,该方法首先对含噪信号进行经验模态分解(EMD)及内蕴模态函数(IMF)重构,在保留微震信号固有特征基础上实现降噪;其次,基于Hilbert变换计算出归一化包络信号,通过设置包络阈值搜索震相初至的大致位置,并以该位置为基础为AIC函数选择合适的计算时窗以降低计算复杂度;最后,在选择的时窗内应用AIC准则计算出P波震相初至。应用该方法对随机选取的高、低信噪比两类共80个微震信号进行震相初至拾取,若以人工拾取结果为基准、时差在10 ms以内视为准确拾取,结果显示,高信噪比信号拾取准确率为100%,低信噪比信号拾取准确率为92%。