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。     

一种新的估计瞬时频率的方法—经验包络法

常用的求取瞬时频率的方法,希尔伯特变换,会出现无法解释的负频率和明显的端点效应。标准希尔伯特变换克服了希尔伯特变换出现负频率的缺点,但仍然有端点效应。为了避免希尔伯特变换,基于信号的经验调幅调频分解,论文提出了一种新的求取瞬时频率的方法—经验包络法(empirical envelope method,简称EE）。经验包络法本质上是先通过经验调幅调频分解获取纯调频信号,然后对其求导,再对求导的结果进行经验调幅调频分解,提取出包络信号,便可获得原信号的瞬时频率。论文首先给出了经验调幅调频分解的详细过程,然后给出了经验包络法的原理和具体步骤,最后采用仿真信号将经验包络法与希尔伯特变换、标准希尔伯特变换和反余弦法进行了对比,分析结果表明了经验包络法的优越性     

希尔伯特-黄变换在时频分析中的应用

深入研究了希尔伯特-黄算法,采用包络极值延拓法对端点效应进行抑制,大大减少了分解出来的IMF分量的虚假成分,有效抑制了端点处的抖动,并针对同一跳频信号将HHT仿真结果与傅立叶变换法的仿真结果进行比较,直观凸显出HHT在时频分析中的应用价值.     

一种求解信号包络曲线端点值的新方法

近年来出现了一种能有效分析非线性、非稳定振动信号的新方法,即希尔伯特-黄变换法。该方法通过三次样条插值分解信号时会在其边界处出现端点效应问题。在深入研究端点效应问题基础上提出一种能有效解决该问题的新方法,即最近一次极值镜像延拓法。将该方法应用到非线性信号分析中,结果表明该方法不仅能有效抑制端点效应,而且还能提高非线性信号分解的准确性,同时具有简单易行、适应性强、通用性好等特点,对水泵机组运行时泵站厂房结构的振动监测具有一定的实用价值。     

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。     

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EMD的滚动轴承故障特征提取方法

故障特征提取是滚动轴承故障诊断的关键环节。首先系统研究经验模式分解方法；然后介绍在经验模式分解基础上提出的几种方法，包括：希尔伯特-黄变换，局域均值分解以及集合经验模态分解。分析各种方法的基本原理、应用和特点。EMD与多种故障特征提取方法相结合是轴承故障特征提取的研究方向。     

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。     

Hilbert-Huang变换端点效应问题的探讨

为了克服Hilbert-Huang变换中的端点效应，利用时变参数ARMA（Autoregressive Moving Average）模型对信号进行外延后再进行EMD（Empirical Mode Decomposition）分解，在一定程度上克服了EMD方法的端点效应问题；同时利用时变参数ARMA模型对IMF（Intrinsic Mode Function）分量进行延拓后再进行Hilbert变换，有效地抑制了Hilbert变换中的端点效应，可以得到准确的瞬时频率和瞬时幅值。     

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。     

基于延拓和窗函数的HHT端点效应改进方法

为了克服Hilbert-Huang变换中的端点效应问题,提出了一种基于延拓和窗函数综合应用的端点效应改进方法。通过先对信号进行相似极值延拓再进行加余弦窗函数的处理,解决了延拓部分不精确和加窗函数后使原信号发生改变的问题,在一定程度上克服了EMD方法的端点效应问题,得到更准确IMF的同时也可以通过Hilbert变换得到更准确的边界谱和Hilbert谱。通过用于仿真信号和裂纹转子故障信号的分析证明该方法有良好效果。     

基于希尔伯特-黄变换提取车辆轨道耦合系统时频特性

为研究各种激扰对车辆轨道耦合系统动力学响应时频特性影响,将基于改进经验模态分解（EMD）的希尔伯特-黄变换（Hilbert-Huang Transform）应用于车辆轨道耦合动力学振动信号分析中。运用改进EMD方法提取耦合系统振动响应的固有模态函数（IMF）,并对其进行希尔伯特-黄变换,得到振动响应的希尔伯特时频幅值谱和边缘谱。分析表明：希尔伯特-黄变换较傅里叶变换的分辨率与精度高,能有效捕捉车轮缺陷及轨道谐波不平顺激励下车辆轨道耦合系统的调制信号;车体垂向振动加速度随轨道不平顺波长、幅值非线性变化,振动信号的轮周激励成分为调制信号,且随轨道不平顺幅值增大而减小,随轨道不平顺波长增大非线性变化。     

Hilbert-Huang变换在行星齿轮箱故障诊断中的应用

提出了一种基于Hilbert-Huang变换的行星齿轮箱轴承故障诊断的新方法,叙述了该方法的基本原理.测量了行星齿轮箱轴承的故障振动信号,并用经验模态分解方法将振动信号分解成不同特征时间尺度的固有模态函数,然后对固有模态函数进行边际谱和能量谱分析,就可识别齿轮箱轴承的故障部位和类型.齿轮箱轴承故障振动实验信号的研究结果表明:该方法能有效地识别轴承的故障.     

HHT在水雷目标特征提取中的应用

Hilbert-Huang变换（HHT）是近年来发展起来的一种处理非线性非平稳的时频分析方法。水声信号具有非线性非平稳的特点，把HHT方法应用于水声信号的分析中，将典型主动声纳信号的Hilbert边际谱和Hilbert谱分别与傅里叶幅度谱和传统的时频分析进行了比较。然后对水下目标回波的亮点模型作了仿真研究，并与小波变换作比较，最后用实际目标的回波作了分类研究。仿真与实际数据都证明了HHT在水下目标特征提取中的优越性。     

基于EEMD及敏感IMF的再制造发动机振动模式研究

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。     

气流床撞击火焰声学特性与压力波动分析

利用多喷嘴对置式气流床气化炉热模试验装置,对两喷嘴对置撞击火焰声学特性和压力波动进行了测量与实验研究,并通过Hilbert-Huang变换对火焰噪声信号及压力信号进行频谱分析。结果表明,气化炉内中高频压力波动主要由火焰撞击区内复杂的燃烧状况引发,并产生50~100 Hz频段的火焰噪声。射流火焰噪声受气化炉内低频压力波动影响,并且因来自撞击区的反向流的作用,火焰噪声的幅值和波形都会受到一定的影响。撞击区的火焰噪声信号与燃烧状况有一定的对应关系,可作为气化炉内火焰状况诊断的一种方式。     

核电站扩建工程爆破开挖振动信号的HHT分析?

通过对田湾核电站二期扩建工程爆破施工的振动监测,得到了大量的试验数据,经由Hilbert-Huang变换(HHT)方法处理,分析论证了此方法运用于爆破地震波处理的科学性和可行性。第一步,用经验模态分解信号,得到了振动信号的固有模态分量,考虑到噪声信号的干扰,又对信号进行了改进算法的滤波处理;之后,对各个分量进行Hilbert变换,得到了信号的时频能量谱;针对时频能量谱分析,得到了信号的时频特性;从得到的瞬时能量谱中得到了3段微差起爆的间隔时间,为检测雷管的质量提供了新方法;而边际谱分析提供了一个频域分析的新角度。     

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。     

基于Hilbert谱区域能量比的核爆与雷电电磁脉冲识别

根据核爆和雷电电磁脉冲信号非平稳、非线性特点,采用Hilbert-Huang变换（HHT）方法对NEMP和LEMP信号进行了时频分析,发现二者Hilbert谱中的能量集中于一定的时间和频率范围内。基于以上分析和发现,本文提出基于Hilbert谱区域能量比特征,采用最近邻法则对二者进行了识别研究。实验结果表明,在Hilbert谱中适当选择两个区域,以所选区域的区域能量比作为特征对核爆和雷电电磁脉冲信号进行识别,平均识别率达到90％以上。