首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 20 毫秒
1.
为提取摩擦振动的特征信号和实现摩擦振动特征信号的定量表征,在摩擦磨损试验机上进行了船用柴油机缸套—活塞环摩擦副摩擦磨损模拟试验,应用经验模式分解(Empirical Mode Decomposition,EMD)对非线性、非平稳的摩擦振动信号进行分解,获得若干个本征模式分量(Intrinsic Mode Function,IMF)。根据振幅范围和互相关系数,从EMD的所有IMF中选择反映摩擦振动特征的IMF分量重新合成摩擦振动特征信号,利用改进的多重分形算法对摩擦振动特征信号进行多重分形分析,得到摩擦振动信号的多重分形谱,进一步求取摩擦振动信号多重分形谱的宽度、极大值、维差以及非对称指数。研究结果表明,经验模式分解能够实现微弱摩擦振动特征信号的提取,多重分形谱参数可以作为摩擦振动信号的特征值。  相似文献   

2.
针对泄流结构振动信号非平稳性和特征信息被强噪声淹没的实际问题,提出一种基于具有自适应噪声的完整集成经验模态分解(CEEMDAN)和奇异值分解(SVD)联合的信号降噪方法。对一维泄流振动信号时程进行CEEMDAN分解,将信号分解为一系列固有模态函数分量(IMF),运用频谱分析方法筛选包含主要振动信息的IMF分量,滤除低频水流噪声,实现信号的初次滤波;利用排列熵理论确定含噪声较多的IMF分量,采用奇异值分解技术提取奇异值信息,运用奇异熵增量定阶理论滤除IMF分量中的高频噪声,实现信号的二次滤波;将包含结构振动信息的IMF分量重构,得到泄流结构的工作特征信息。结合拉西瓦模型振动实测数据,运用该方法进行计算分析,滤除高频和低频噪声,提取结构振动特征信息;结果表明该方法在泄流结构特征信息提取方面具有优越性,可为泄流结构在线监测和安全运行提供依据。  相似文献   

3.
基于EMD和能量比的战场声目标分类与识别   总被引:4,自引:1,他引:3  
采用线性预测方法对信号进行边界延拓,改进EMD方法,应用EMD(经验模态分解)对战场声信号进行分解,对分解得到的有限个IMF(本征模态函数)进行FFT,求得其相应的幅值谱,进而得到其能量.选择每一个IMF的能量相对于原始信号总能量的能量比作为特征向量,并将其归一化.最后,设计神经网络分类器对不同类战场声目标进行分类与识别.实验结果表明,基于EMD和能量比的战场声目标分类与识别,分类效果显著,识别率较高.  相似文献   

4.
基于CEEMDAN与SVD的泄流结构振动信号降噪方法   总被引:1,自引:0,他引:1  
针对泄流结构振动信号非平稳性和特征信息被强噪声淹没的实际问题,提出一种基于具有自适应噪声的完整集成经验模态分解(CEEMDAN)和奇异值分解(SVD)联合的信号降噪方法。对一维泄流振动信号时程进行CEEMDAN分解,将信号分解为一系列固有模态函数分量(IMF),运用频谱分析方法筛选包含主要振动信息的IMF分量,滤除低频水流噪声,实现信号的初次滤波;利用排列熵理论确定含噪声较多的IMF分量,采用奇异值分解技术提取奇异值信息,运用奇异熵增量定阶理论滤除IMF分量中的高频噪声,实现信号的二次滤波;将包含结构振动信息的IMF分量重构,得到泄流结构的工作特征信息。结合拉西瓦模型振动实测数据,运用该方法进行计算分析,滤除高频和低频噪声,提取结构振动特征信息;结果表明该方法在泄流结构特征信息提取方面具有优越性,可为泄流结构在线监测和安全运行提供依据。  相似文献   

5.
岩石声发射信号能量分布特征的EMD分析   总被引:3,自引:3,他引:0       下载免费PDF全文
冲击荷载作用下岩石声发射信号具有瞬态性和多样性的特点,属于典型的非平稳信号。利用EMD方法对岩石声发射信号进行分解,得到一系列具有不同特征时间尺度的IMF分量,对每一个平稳的IMF分量提取能量特征。分析结果表明:冲击荷载作用下岩石声发射信号能量主要分布在前4个IMF分量内,且分布不均匀;岩石声发射信号各IMF分量的频谱与原始信号的频谱基本一致;随着岩石的密度、纵波波速、弹性模量的降低,冲击荷载作用下岩石声发射信号的优势频率越来越集中,且其优势频率有往低频发展的趋势;相比小波包分析,EMD分析法对于非平稳信号而言更具适应性。  相似文献   

6.
徐朗  蔡德所 《振动与冲击》2020,39(10):269-278
针对光纤陀螺在面板堆石坝面板挠度监测中易受到噪声干扰,难以准确提取反映结构变形特征信号的实际问题,提出一种基于最小二乘平滑滤波与CEEMDAN混合降噪的方法。该方法运用CEEMDAN将光纤陀螺实测信号进行分解,得到一系列IMF分量。分别对每一阶IMF分量进行傅里叶频谱分析得到幅值谱图和幅值的方差,根据幅值方差的大小判断噪声IMF分量与有用信号IMF分量的分界,结合最小二乘平滑滤波对噪声IMF分量进行降噪。最后将降噪后的IMF分量与有用信号IMF分量进行重构,得到降噪后的光纤陀螺信号。通过对仿真信号和水布垭面板堆石坝面板挠度监测的实测数据进行分析,该方法能有效滤除噪声信号,准确提取反映结构变形的特征信号,验证了该方法对实际工程中光纤陀螺测量信号降噪的可行性和适用性。  相似文献   

7.
针对故障诊断中采用EMD方法存在模态混叠现象,引起故障特征提取精度低的问题。提出了一种解相关多频率经验模态分解(Decorrelation Multiple-Frequency Empirical Mode Decomposition,DMFEMD)方法,首先对初始信号添加多个频率的掩蔽信号,初步分解其中不同频率比的信号分量得到多个IMF分量;其次计算相邻IMF之间的相关系数并对其解耦,进一步分离IMF中存在混叠的部分,得到最优IMF;最终,从原始信号中减去最优IMF,然后重复上述步骤,直到残余分量为常数或单调。由于保证了IMF之间互不相关且互不干扰,因此模态混叠现象显著减弱,有效提高故障特征提取精度。利用排列熵算法对一系列最优IMF构造特征样本集,引入SVM建立故障分类模型,实现设备故障诊断。通过试验证明,DMFEMD与传统的方法相比,能有效分离不同频率比混合信号,提高分解效果。同时以轴承振动信号为例,DMFEMD可以更好的提取轴承的故障特征,结合PE与SVM能够实现不同故障类型的高效精确的诊断。  相似文献   

8.
剖析液压系统故障特征,采用了一种双相关分析(D-CA)和改进的集合经验模态分解(R-EEMD)相结合的液压系统故障提取新方法。该方法首先对原信号进行自相关分析,突出信号中的周期成分和去噪,利用支持向量回归机(SVR)延拓来改进的EEMD对原信号的自相关函数进行分解;得到理论意义上的固有模态函数(IMF)。再通过求取IMF分量与自相关处理的信号的频域而非传统时域上的互相关系数,去除虚假IMF分量。最后对去除虚假分量重构信号进行Hilbert谱分析提取信号的故障特征。该方法提高了信噪比,减少了IMF的数量,抑制了端点效应,成功地提取了液压系统故障特征频率。  相似文献   

9.
为更好提取再制造发动机的振动特征,采用总体平均经验分解模式(Ensemble Empirical Mode Decomposition,EEMD)对信号进行分解,并用于再制造发动机振动模式研究中。在对振动信号分解基础上,利用相关系数计算IMF分量与其原始信号间相关性及原始信号IMF分量敏感因子;利用敏感IMF进行Hilbert变换。研究结果表明,采用EEMD分解算法所得IMF分量能反映再制造发动机的振动特征,基于敏感IMF的边际谱能区分再制造发动机不同部件的振动模式,并将再制造发动机部件分为缸壁、缸盖、曲轴三种振动模式,对提高发动机再制造水平具有重要意义。  相似文献   

10.
提出一种基于Hilbert谱奇异值的故障特征提取方法,将其与支持向量机结合应用于轴承故障诊断。利用小波阈值降噪的方法对拾取的轴承故障振动信号进行滤波降噪,然后利用经验模式分解将降噪信号分解为若干个IMF分量之和,对每个IMF分量进行Hilbert变换得到振动信号的Hilbert谱,对Hilbert谱进行奇异值分解得到反映轴承状态特征的奇异值序列,再利用奇异值作为特征向量,应用支持向量机进行轴承故障诊断,并对不同核函数的诊断结果进行了分析比较。对正常轴承、内圈故障、外圈故障、滚动体故障的实际信号的诊断验证了该方法可的有效性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号