优化HHT端点效应的新方法

在旋转机械的故障诊断中,希尔伯特-黄变换（HHT）方法常用于提取故障特征信号以及分解结果的时频分析,然而,在HHT中会出现端点效应问题,且导致模态混叠和虚假本征模态函数（IMF）等一系列问题。针对这一问题,提出了利用广义回归神经网络（GRNN）和边界局部特征尺度延拓（BLCC）相结合的方法先对信号延拓,再进行经验模式分解（EMD）。通过仿真与故障实验,在时域、频域和希尔伯特-黄谱的相关参数的情况下,对比镜像延拓优化的HHT分解结果,验证了所提方法的有效性。实验结果表明:所述方法能够有效地抑制HHT中的端点效应,且减轻了模态混叠和虚假IMF分量,同时能准确地表现信号的真实结构成分。     

基于改进HHT的海浪特征频率提取

海浪能源在地球上广泛分布,以共振发电获取该能源需要知道海浪的特征频率。本文主要利用MEMS传感器,微控制器STM32等设备对海浪特征参数进行提取,并结合改进的希尔伯特-黄变换(HHT)对收集到的数据进行时频分析,从而更加准确地找到海浪的主频率。针对传统HHT在EEMD分解过程中的端点效应及包络拟合不完全问题,本文利用镜像延拓法抑制端点效应,用三次埃尔米特(Hermite)插值替代三次样条插值消除包络线的过冲与欠冲,改进的HHT使时频分析的结果更为准确。实验分析的结果表明改进的HHT有效提高了特征频率的提取精度,为波浪发电最大效率获能奠定了基础。     

基于均生函数周期叠加外推法的EMD端点问题的研究

HHT过程存在端点效应问题,针对端点效应的产生机理,并在研究现有端点效应处理方法的基础上,提出了一种基于均生函数周期叠加外推法的端点延拓方法。通过构造信号序列的均生函数延拓矩阵,从中提取优势周期,将各周期叠加并作外延,来对信号端点外的数据进行预测。该方法克服了现有各种极值延拓方法仅参考两端点附近的有限个极值点的缺陷,并且相比其它数据预测延拓方法精度更高、算法简便且计算时间大大缩短。仿真和实例信号证明,该方法能够有效抑制端点效应。     

一种改进的Hilbert能量谱算法研究

分析了HHT中Hilbert能量谱的原理；研究了瞬时频率谱中端点效应产生的原因，将ARMA模型应用于Hilbert能量谱计算中，以旋转机械振动信号为对象，运用所提的方法对HHT中典型的本征模式函数进行仿真实验；通过与传统方法比较，证明它可以有效地改进端点效应，优化Hilbert能量谱。     

基于希尔伯特变换结构模态参数识别

应用HHT方法对GARTEUR飞机模型模态参数进行识别,通过采用多通带滤波器对信号进行滤波,较好的解决模态混叠问题,采用NExT法对信号预处理,由EMD分解获得较准确的各阶固有模态函数分量（IMF）,在EMD分解中使用镜像延拓方法对极值点进行处理来抑制端点效应,然后将分解得到的IMF分量进行希尔伯特变换并结合ITD法识别出各阶固有频率和阻尼比。最后对悬臂梁进行数值仿真模拟,并将模态参数识别结果和理论值进行对比,并运用此方法进一步识别GARTEUR飞机模型固有模态参数。     

基于峰频带通信号HHT变换的框架结构试验模态分析

该文提出了基于峰频带通信号希尔伯特-黄变换(HHT)的结构模态参数识别方法。该方法将小波包带通滤波技术与HHT 模态参数识别技术结合,有效的抑制了信号分解过程中的模态混叠现象。采用去端点法较好地解决了带通滤波和经验模式分解(EMD)所引起的端点效应问题,提高了算法的稳定性和可靠性。在此基础上,利用实验室条件下测得的脉冲加速度响应信号有效地识别出钢筋混凝土框架结构模型的模态参数,并和理论计算值进行了比较。结果表明:弯剪层模型比纯剪切层模型更能反映框架结构整体横向振动的动力特性。     

经验模态分解（EMD）新算法及应用

经验模态分解(EMD)算法是Hilbert-Huang变换(HHT)的核心算法,它的分解效果依赖于端点延拓算法.介绍一种新的EMD的端点延拓算法,并通过一个仿真实验表明该算法分解信号更完全.     

EMD端点效应的改进型混沌延拓方法及其在机械故障诊断中的应用

针对经验模态分解(Empirical Mode Decomposition,EMD)的端点效应问题,分析了三次样条插值产生端点效应的机理,指出了现有延拓方法的不足,提出采用Lyapunov指数预测模型进行边界延拓,以此减小端点效应在经验模态分解过程中产生的影响。在采用最大Lyapunov指数法进行边界延拓时,针对Lyapunov指数预测模型所表示的平均发散度仅是轨道演化规律的一个近似模型,提出采用局域发散度代替最大Lyapunov指数进行改进,以改进预测模型的预测精度。基于改进型Lyapunov指数边界延拓方法,由于引入时间序列预测模型使端点处的延拓更加合理,所延拓数据更加趋于真实,在希尔伯特-黄变换（Hilbert-Huang Transform,HHT）实现过程中仅需一次延拓,实现了准确的EMD分解。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EMD的端点效应问题。     

振动信号中的HHT/EMD端点延拓方法研究

针对振动信号中Hilbert-Huang变换的端点效应问题,结合端点效应产生机理和现有研究成果,提出基于时间尺度的LS-SVM端点延拓的抑制端点效应新方法。首先利用LS-SVM回归特性和一种自适应预测法分别对信号极值点的幅值和时间点进行预测延拓,然后对预测的极值信息进行埃尔米特插值,完成对原信号的延拓。利用仿真信号和实测航空发动机振动信号进行分析验证,表明该方法可同时有效抑制两种端点效应,并具有预测精度高、有效延拓距离长、速度快的特点。     

基于最大相关波形延拓的经验模式分解端点效应抑制方法

针对端点效应使经验模式分解（Empirical Mode Decomposition,EMD）结果出现畸变,严重影响算法精度的现象,提出了一种新的抑制经验模式分解端点效应的方法：最大相关波形延拓法。该方法借鉴匹配追踪算法思想,将信号端点处波形向信号内部平移,以找出与之最相似的波形,然后以最相似波形外侧的一段数据作为信号端点外数据的估计。利用仿真数据和某炼油厂风机轴瓦振动数据对最大相关波形延拓法进行了验证,结果表明该方法能够明显减小经验模式分解的端点效应,特别对周期信号和循环平稳信号有很好效果。同时,所提出的方法具通用性,能够减小数字滤波、小波分析等信号分析方法中端点效应对算法精度的影响,具有较大的理论意义和实用价值。     

抑制模态混叠的HHT结构模态参数识别方法研究

针对传统经验模态分解法(EMD)的模态混叠问题,在分析模态混叠产生机理的基础上,提出基于互补总体平均经验模态分解(CEEMD)与信号调频(FM)结合的组合分解方法(FM-CEEMD),并通过仿真信号验证了FM-CEEMD分解方法的有效性。将FM-CEEMD分解取代传统EMD分解应用于希尔伯特-黄变换(HHT),得到抑制模态混叠的改进HHT结构模态参数识别方法。仿真试验与实际拱坝识别结果表明:提出的改进HHT法不仅能避免模态信息丢失、提高模态参数识别精度,同时也适用于实际水利工程模态识别研究。     

改进的LMD方法及其在滚动轴承故障诊断中的应用研究

针对局部均值分解（local mean decomposition, LMD）方法存在的端点效应问题,提出一种基于梯度变化的端点效应抑制方法对局部均值分解进行改进,通过仿真对比不同端点抑制方法的效果,证明了该方法的准确性;针对滚动轴承故障振动信号为一系列调制信号的特点,将改进的局部均值分解方法应用于滚动轴承故障诊断中;利用奇异值分解降噪方法降低噪声污染对分解结果的影响;通过实验验证了该方法在滚动轴承故障诊断中的有效性和可行性。     

希尔伯特-黄变换若干问题研究与展望

分析了目前比较流行的非线性、非平稳信号的时频分析方法——希尔伯特(Hibert)-黄(Huang)变换(HHT)在实际应用中存在包络线拟合、端点效应、模态混叠等问题的主要原因,详细综述了目前在克服这些问题上的研究进展,探讨了解决这些问题的新方法,给出了这些问题主要是由HHT算法自身的缺陷造成的结论,提出了建立HHT理论框架和有生命力的HHT算法的研究方向,以期为进一步研究HHT提供参考依据.     

改进的迭代希尔伯特变换及其在滚动轴承故障诊断中的应用

针对现有迭代希尔伯特变换（IHT）存在端点效应和滤波器设计主要依靠先验知识,提出了一种改进的IHT方法用于机械故障诊断。分析了IHT方法中端点效应的原因,提出了基于对称延拓信号的方法来消除端点效应的影响。同时,提出了一种自适应的零相位滤波器取代原方法中的固定滤波器。将改进后的IHT方法和原方法进行仿真对比分析,证实了该方法的解调精度更高,并有效地抑制了端点效应。最后,利用改进的IHT方法进行轴承故障诊断试验,结果表明该方法具有更好解调的效果,能够更准确地提取外圈故障特征。     

一种改善EMD端点效应的可行方法

EMD方法自1998年推出以来已经成功地应用在许多非线性研究领域,但是,在应用EMD方法时有一个非常棘手的问题即端点效应问题。本文基于不必破坏信号本身端部特征的原则,提出了一种对信号端点极值进行合理预测的方法,在信号的端点分别添加两个极值点进行极值延拓。通过仿真实验分析,此方法对于处理较短数据序列,能够有效地抑制端点效应。     

基于盲源分离去噪和HHT的旋转机械故障诊断

在利用Hilbert-Huang变换对旋转机械的故障信号进行特征提取时,传感器所获得的信号往往受到不同类型的噪声干扰,而忽略噪声的影响常常产生很差的分析效果。为克服此不足,结合盲源分离,提出了一种解决HHT分析中模态裂解现象的方法,即基于快速独立分量分析消噪的HHT分析方法。仿真与实例结果表明,该方法能有效抑制HHT过程中的模态裂解现象,有效提取信号的特征频率,进而实现旋转机械故障诊断。     

基于BLCS-AME的爆破地震波信号EMD端点效应抑制研究

针对爆破地震波信号经验模态分解(Empirical Mode Decomposition, EMD)固有的端点效应问题,提出了一种基于边界局部特征尺度自适应匹配延拓(Boundary Local Characteristic Scale and Adaptive Matching Extension, BLCS-AME)的EMD端点效应抑制方法。该方法将原始信号全局时间参数之间的内在联系和信号在端点处幅值参数的局部变化趋势进行联合考虑,得到了延拓后的边界局部特征尺度(BLCS),再以BLCS为研究对象,在原始信号中找到与BLCS匹配度最高的一组时间序列,最后将该时间序列平移到端点处进行EMD,即可实现基于BLCS-AME的EMD端点效应抑制处理。通过多种方法仿真信号EMD端点效应抑制的对比分析,可得出结论：与常规端点效应抑制方法相比,BLCS-AME方法对EMD端点效应具有更好的抑制能力,能够得到精度更高的固有模态函数(Intrinsic Mode Function, IMF),研究结果更能反映信号的内在属性。最后将该方法用于实际爆破地震波信号EMD中,进一步验证该方法能够有效抑制爆破...     

基于最小平方距离相关的EMD改进算法及应用

包络线的拟合是经验模式分解中的关键一步,但由于信号端点处极值的不确定性导致在信号上下包络线拟合过程中存在着严重的端点效应问题;在分析现有解决端点效应问题方法的基础上提出了基于最小平方距离相关的数据端点处包络线拟合方法。该方法在信号内部寻找与端点处信号变化趋势相关度最高的一段波形,并用此段波形的包络线来重新刻画端点处的包络线。仿真和实际信号的分析证明,基于最小平方距离相关的数据端点处包络拟合方法能够有效的抑制端点效应,算法简单并且易于实现     

基于支持向量机和窗函数的DEMD端点效应抑制方法

在微分经验模式分解过程中,由于信号端点处极值点不确定,导致在样条曲线构造信号上下包络线的过程中产生端点效应,影响微分经验模式分解的质量。针对此问题,提出一种支持向量机延拓和窗函数相结合的方法来解决微分经验模式分解中的端点效应,通过采用支持向量机对信号两端进行数据延拓,再对延拓后的信号加特殊窗函数处理,减小延拓误差。通过仿真分析和滚动轴承故障诊断实例分析表明,该方法能较好地抑制微分经验模式分解的端点效应,提高信号分解的精度,得到准确的分析结果。     

基于小波改进阈值去噪和HHT的滚动轴承故障诊断

利用Hilbert-Huang变换（Hilbert-Huang Transformation,简称HHT）对滚动轴承进行故障诊断时,发现振动信号中包含的噪声对诊断结果影响较大。为克服此不足,提出了一种小波改进阈值法与HHT相结合的信号分析方法。该方法首先应用小波改进阈值方法对滚动轴承故障信号进行预处理,然后对去噪后的信号进行经验模态分解（Empirical Mode Decomposition,简称EMD）,接着选取含有故障信息的本征模函数（Intrinsic Mode Function,简称IMF）分量进行边际谱分析,从而提取出故障特征频率,并判断故障类型。仿真和实验结果验证了该方法的有效性。