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。     

Hilbert-Huang变换中的一种端点延拓方法

EMD(Empirical Mode Decomposition)是Hilbert-Huang变换中的关键一步,但其在构造极值点上下包络线的过程中存在着严重的端点效应问题。在现有解决该问题方法的基础上提出了一种相似极值延拓方法。该方法将数据两端相邻极值点的横坐标差值作为极值形状特征,再利用该形状特征和已知极值点的均值对信号进行延拓。克服了现有延拓方法仅参照数据端点处极值点进行延拓的缺陷,综合考虑了数据序列两端极值点变化与其它极值点信息对信号进行延拓。仿真和实例证明,相似极值延拓方法能够有效的抑制端点效应,而且算法简单且易于实现。     

基于局部均值分解和极值延拓的旋转机械故障特征提取方法

局部均值分解对非平稳、非线性故障信号进行平稳化处理时表现出特有的分析能力,能够有效获得故障信号的时频特征,然而局部均值分解过程中存在的端点效应严重影响信号的分解效果。针对这一问题,提出了一 种基于局部均值分解和极值延拓的旋转机械故障提取方法。首先采用极值延拓方法处理信号的两个端点,左、右端点均分别延拓2个极大值和2个极小值,然后对延拓后的信号进行局部均值分解,提取信号中包含的故障特征。仿真结果表明,经过极值点延拓后,局部均值分解过程中的端点效应得到了有效抑制,最后以轴承内圈故障为例在 实验平台进行了实验研究,实验结果表明,该方法能有效提取出旋转机械故障特征。     

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。     

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。     

EMD改进方法研究及其在燃气轮机工频特征提取中的应用

为抑制经验模态分解(empirical mode decomposition,EMD)处理过程中的端点效应,在整理和研究现有方法的基础上,提出一种镜像延拓和极值平移相结合的端点处理方法,在最大程度地融合两种传统方法优点的同时尽可能地还原信号边界特征。该方法通过构造特征平行四边形使延拓极值处于理想区域,从而避免三次样条差值过程中包络线与信号交叉的产生,并引入Blackman窗函数对延拓信号进行边界处理,进而有效地控制延拓误差影响。经过仿真信号验证与实测信号分析,对比镜像延拓、极值平移与加窗边界处理方法的端点抑制效果,证明该改进方法能有效地抑制分解过程中出现的端点效应,并能在高频噪声干扰下较完整地提取低频信息,为燃气轮机工频特征的获取提供可靠的保证。     

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。     

改进EMD端点效应电力系统HHT谐波检测研究

为对电力系统谐波进行有效的检测,提出一种改进的基于镜像延拓的方法对信号数据边界进行端点处理。通过对端点和极值点的判断比较来选取镜面进行延拓,按照包络原则对延拓之后的信号进行经验模态分解(EMD),并得到IMF分量。仿真实验结果表明:改进后的方法幅值及频率检测准确度明显优于改进前,能够有效改善EMD端点效应,准确快速地分解出各种模态的谐波,适用于电力系统谐波的检测。     

基于VMD滤波和极值点包络阶次的滚动轴承故障诊断

针对变速工况滚动轴承故障诊断问题,提出一种基于变分模态分解(VMD)滤波和极值点包络阶次的特征提取方法。对变速工况下采集的振动信号进行VMD滤波以提高信噪比,同时抑制转速波动引起的振动趋势项;搜寻滤波信号的极大值,并进行端点延拓,通过极值点插值拟合求得信号包络线;利用计算阶比跟踪技术将时域包络线转变到角度域,进而得到信号的包络阶次谱;仿真与实际数据测试表明,基于极值点的包络阶次方法可以有效提取调幅信号中的调制阶次,并且VMD滤波可以使得故障特征阶次更加凸显,易于故障识别,该方法为变速工况下的滚动轴承故障诊断提供参考。     

一种抑制EMD端点效应新方法及其在信号特征提取中的应用

经验模式分解(EMD)的端点效应一直是困扰其工程实用性的难点问题,结合端点效应产生机理和现有的研究成果,提出了一种基于端点优化对称延拓(End Optimization Symmetric Extension,EOSE)的抑制EMD端点效应新方法.通过对信号和其包络线的偏差评价函数的最小化计算,获取最佳的信号端点值,在此基础上延拓信号的上、下包络线将最大化地逼近原始信号两端点,在EMD后续"筛选"固有模态分量(IMF)过程中抛弃两端延拓的数据,将端点效应释放到原始信号的以外.将原EMD、基于EOSE改进EMD和基于时间序列建模(ARMA)改进EMD3种方法进行对比分析,仿真和实验结果表明,基于EOSE方法抑制EMD端点效应的效果最好,能够精确提取出旋转机械振动信号的典型故障特征,运算效率较高.     

基于VMD的铣刀破损检测

针对铣削过程中的切削振动信号具有非平稳性的特点,提出了一种基于变分模态分解(VMD)的铣刀破损检测方法。该方法通过VMD将切削振动信号分解成若干个模态分量,由于铣刀发生破损后,不同模态分量的频带分布会发生变化,因此提取各模态分量的中心频率和能量组成特征向量;对特征向量进行归一化处理,最终输入到支持向量机(SVM)进行铣刀破损检测。在多种切削参数下进行铣削加工实验,结果表明该方法比基于EMD的铣刀破损检测方法能抑制模态混叠的发生且具有更高的检测精度。     

机械振动信号自适应多尺度非线性动力学特征提取方法研究

针对机械振动信号的故障特征提取问题,提出了基于独立变分模态分解与多尺度非线性动力学参数的特征提取方法。①提出频谱循环相干系数选取匹配波形对机械振动信号进行端点延拓后再进行VMD分解得到不同频率尺度的IMF分量;②根据互相关准则选取有效的IMF分量进行核独立成分分析,分离出相互独立的有效故障特征频带分量;③计算各独立分量的复合多尺度模糊熵偏均值,并利用正交变换将独立分量正交化后构造多维超体,进而利用多维超体体积定义并计算信号的双测度分形维数,从而获得多尺度非线性动力学特征参数,实现机械故障诊断。仿真和实验结果表明:所提方法可有效抑制VMD分解的端点效应和模态混叠,信号分解效果好,特征参数分类精度高,极大地提高了机械故障诊断准确率。     

PDE信号修补方法及在EMD端点效应处理中的应用

根据信号的连续性、光滑性等特性,可以利用已有相邻信号实现对缺陷信号的修补。分析了热传导方程的物理特性;提出了基于偏微分方程（PDE）的信号修补方法。分析了线性PDE修补和非线性PDE修补方法的基本原理。经验模态分解（EMD）过程中因存在着端点效应问题,使得EMD分解结果产生失真,从而导致分解无效。利用PDE信号修补的基本原理,实现了基于PDE的端点扩展方法。实验表明,PDE信号修补方法具有较好的修补效果,基于这一方法的端点扩展,可处理较长时间信号,且处理之后的信号畸变少     

最小二乘支持向量机和小波电铲供电机组状态预测

针对电铲供电机组振动时间序列是个非线性、非平稳的复杂时间序列,难以用单一预测方法进行有效预测的问题,建立了一种基于小波分解和最小二乘支持向量机混合模型进行状态预测的方法.首先通过小波分解,将原始振动时间序列分解到不同层次,然后根据分解后各层次分量的特点选择不同的嵌入维数和LS-SVM参数分别进行预测,最后重构得到原始序列的预测值.对某电铲供电机组振动趋势的预测结果表明,该模型的预测性能好于单一的支持向量机预测方法.     

基于匹配延拓的ITD边界效应抑制方法研究

作为一种新的非平稳信号处理方法,固有时间尺度分解法在将复杂的非平稳信号分解为若干个固有旋转分量过程中,存在着严重的边界效应问题。本文针对抑制边界效应提出了五种数据延拓方法：自适应波形匹配、基于AR模型的延拓方法、镜像延拓方法、多项式延拓方法、反对称周期延拓法。通过数学模拟实验比较这五种方法的抑制效果,选出最优方法。将最优方法用于仿真信号和轴承故障振动信号分析,结果表明该方法能够有效地抑制边界效应,可更好地提取机电设备故障特征。.     

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。     

爆破振动特征参量的粗糙集模糊神经网络预测

摘 要 爆破振动特征参量对爆破振动危害效应有重要影响。首次用粗糙集模糊神经网络方法对振幅、主频率及主频持续时间进行预测。首先介绍了粗糙集模糊神经网络的基本思想,其次,分析了印象爆破振动特征参量的主要因素,建立了基于粗糙集模糊神经网络的爆破振动特征参量预测模型;最后用某边坡开挖爆破中的振动观测指标对模型进行了训练,并对15组指标进行了测试。结果表明：粗糙集模糊神经网络预测模型能反映了影响因素与特征量之间的非线性关系,适用于爆破振动特征参量预测。一次预测1个指标的精度高于同时预测3个指标的精度。     

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。     

基于模型实时辨识自适应控制算法的时变机械系统振动主动控制

参数时变的现象广泛存在于机械系统。如果系统参数随着时间而发生较大变化,振动主动控制方案就需要考虑时变参数对控制算法的影响。针对动力学特性变化较大的时变机械系统振动,提出一种模型实时辨识自适应控制算法,该算法将传统的滤波自适应算法与递归预测误差方法相结合,利用改变梯度的递归预测误差方法实时估计控制通道模型。建立弹簧质量支承的非均匀截面杆纵向振动时域模型,模型中随时间而变化的弹簧刚度导致模型动力学特性发生较大变化。用模型实时辨识自适应控制算法对建立的杆模型进行振动控制数值仿真,仿真结果表明,所提出的控制算法能有效抑制时变系统的窄带和宽带振动。相对于现有的方法,该控制算法能实现更好的控制性能。最后,将所提出的控制算法应用到时变的摇摆系统振动控制,实验结果验证了所提出控制算法的可行性和有效性。