振动压路机乘坐舒适性试验研究

本文在对YZJ—14振动压路机进行振动测试的基础上,对此机的乘坐舒适性进行了评价。通过对座椅及驾驶室底板的加速度功率谱密度的分析,掌握了振动能量按频率的分布情况。文中对碾轮橡胶减振块的传递函数及相关函数作了研究,分析了其减振性能。本文为座椅乘坐舒适性的进一步研究提供了依据。     

EQ1060F轻型货车乘坐振动的测量,评价与分析

本文介绍了ＥＱ１０６０Ｆ汽车乘坐振动试验及数据处理结果，按照ＩＳＯ２６３１和ＧＢ／Ｔ１２４４７－９０评价了该车的乘坐舒适性，分析了座椅的传递特性，提出了改进乘坐舒适性的方法。     

基于LabVIEW的汽车电动座椅振动检测系统设计

针对现有高标准静音房检测方法成本高、效率低以及人工主观判定偏差较大的问题,本文基于LabVIEW软件设计了一套汽车电动座椅振动检测系统.采集座椅驱动电机运行时的振动加速度信号,对信号进行时域及频域分析,得到振动加速度信号的均方根值、峭度、波形因子、峰值能量及功率谱密度等相关参数,将参数计算结果与系统预设阈值进行比较,判...     

基于EMD精密球研磨过程振动信号分析研究

精密球在研磨过程中产生的振动,会影响球体的表面质量,为了了解精密球研磨过程中的振动,引入经验模式分解(Empirical mode decomposition,EMD)方法,对精密球研磨过程中产生的振动信号进行分析研究.以D-800Ballpoli球体研磨机为实验对象,系统把采集到的复杂振动信号转化成简单电信号,对信号进行EMD分析处理,实验研究在不同的研磨压力、研磨速度以及研磨液质量分数的情况下,发现研磨过程中的振幅发生变化,研磨压力、研磨速度以及研磨液质量分数是研磨振动的影响因素.随着研磨时间加长,研磨振动幅度越来越小.在相同实验条件下,该方法较傅里叶波形分析方法更加直观方便.     

基于EEMD穿墙雷达人的运动模式识别

根据穿墙雷达动目标探测中人的运动多普勒信号属于非线性、非平稳信号的特点,分别采用经验模式分解(EMD)和整体平均经验模式分解(EEMD)将人.5种运动的多普勒信号分解为一系列本征模式函数(IMF).采用支持向量机(SVM)学习算法,将两种方法分解后的各IMF能量占总能量的百分比作为支持向量机分类器的特征向量进行模式识别...     

基于Teager能量算子和EEMD的滚动轴承故障诊断方法

针对应用集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法难以提取强噪声背景下滚动轴承微弱故障特征的问题,提出了将最小熵反褶积(minimum entropy deconvolution,MED)和小波阈值去噪与EEMD相结合的改进方法.先采用MED对滚动轴承振动信号降噪,增强冲击特征;然后利用基于EEMD的小波阈值去噪方法处理降噪后信号得到一组固有模态分量(intrinsic mode function,IMF),并依据相关系数准则剔除虚假分量;对重构后信号进行Teager能量算子解调分析,提取其微弱故障特征.通过仿真信号和实验台信号验证了该改进方法的有效性.     

基于CEEMDAN样本熵和PSO-SVM的水电机组振动信号特征提取

针对水电机组复杂振动信号特征提取困难的问题,提出了基于自适应噪声完备经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）样本熵和粒子群算法优化支持向量机（particle swarm optimization and support vector machine,PSO-SVM）的水电机组振动信号特征提取方法,对降噪后的水电机组振动信号进行CEEMDAN分解,计算各本征模态函数（intrinsic mode function,IMF）与原信号的标准相关系数,选取标准相关系数大于0.3的IMF分量为有效分量,计算有效分量的样本熵特征值组建高维特征集,采用PSO-SVM对信号模式进行识别。对水电站现场数据进行了分析,验证了所提方法在水电机组振动信号特征提取领域的优势及实际应用价值。     

基于人机工程学的轻卡驾驶室座椅设计方法

以人机工程学的理论为基础,介绍了座椅设计中座高、座宽、座深、座面倾角、靠背高度、靠背倾角等座椅静态参数的选取原则,以某轻卡座椅为例,用Pro/E建立座椅的模型,导入Man-neQuinPRO10.2中进行人机分析,并结合实例对座椅的各静态参数进行选取.     

微型汽车五自由度模型的振动分析

建立了五自由度的汽车动力学模型，推导出了有关的计算公式，对“人体－－座椅”系统进行了分析，并以长安微车为例进行了动态计算。     

基于EMD和能量算子解调的采煤机截割部振动故障诊断研究

针对采煤机截割部振动剧烈,振动故障特征不易提取的问题,应用基于经验模态分解(EMD)和能量算子解调的故障诊断方法,首先对采煤机截割部振动信号进行EMD分解,进而得到一定数量的本征模态函数(IMFs)分量;其次对IMFs进行能量算子解调,提取出故障特征频率.通过对采煤机井下现场试验研究,结果表明,该方法能够有效地对采煤机截割部进行故障诊断,对及时发现采煤机故障,避免事故的发生具有重要的作用.     

一种新的雷达全脉冲信号特征提取方法

提出一种基于结构函数和经验模态分解的雷达全脉冲信号特征提取方法.该方法将载波频率和到达时间构成二维特征信息,并且首次引入结构函数和经验模态分解对雷达全脉冲序列的特征进行分析.实验结果表明,该方法能够有效地提取出复杂脉冲环境中载频周期滑变信号的滑变频率,从而为多信号交叠的雷达脉冲序列的信号分选找到一个新的特征.     

基于神经网络的建筑能耗混合预测模型

为了提升建筑能耗预测的精度、鲁棒性和泛化能力,提出树种算法（TSA）优化的径向基函数（RBF）神经网络与长短时记忆（LSTM）神经网络结合的混合预测模型. 采用基于自适应噪声的完全集成经验模态分解算法,将建筑能耗数据分解为1组本征模态函数（IMF）分量和1个残余分量,利用样本熵算法将各分量划分为高频分量和低频分量. 采用最小绝对收缩与选择算子（LASSO）方法进行特征选择. 分别利用TSA算法优化后的RBF模型与LSTM模型对低频分量和高频分量进行预测,并叠加重构得到最终预测结果. 模型评估结果表明,混合预测模型的精度为98. 72%. 相比于RBF、TSA-RBF、LSTM模型,所提模型的预测效果更好,且具有较强的鲁棒性和泛化能力,能够更为有效地用于建筑逐时电力能耗预测.     

经验模态分解在直升机谱特征提取中的应用

为了更有效地提取直升机辐射噪声的频谱特征,提出了一种基于经验模态分解(EMD)的特征提取算法.仿真研究表明EMD具有突出信号局部特征且余量可表征信号变化趋势的特性,该算法将目标辐射噪声的频谱构成和EMD的特性相结合,将EMD应用于变换域(信号频谱序列)信号分析,有效的实现了信号连续谱的提取.相比于平滑滤波器法须人为选择最优的α值,且提取的连续谱有滞后性的不足,文中所示方法可自适应的提取信号的连续谱,且在准确无滞后地估计连续谱的同时,对线谱有一定的增益,为后续的目标识别提供更全面的信息.     

基于MEEMD的内燃机辐射噪声贡献

为了研究内燃机振动成分对噪声的贡献,提出一种改进的集总平均经验模态分解（MEEMD）方法.通过仿真试验,对比MEEMD与传统经验模态分解（EMD）和集总平均经验模态分解（EEMD）的结果.结果表明,MEEMD是一种更为优秀的自适应信号模态分解方法,不仅能够抑制模态混叠问题,而且能够解决模态分裂等问题.采用MEEMD方法对内燃机振动成分对辐射噪声的贡献进行研究,以一个4缸4冲程内燃机为例,对标定工况下的缸盖罩振动信号和缸盖罩近场噪声信号进行MEEMD分解,并对分解得到的本征模态函数（IMF）进行时频分析,研究对辐射噪声贡献大的振动成分的来源.研究结果表明,通过MEEMD方法能够得到对内燃机辐射噪声贡献大的振动成分,并且准确确定其来源.     

应用经验模态分解下的AR模型提取旋转机械故障特征

将时间序列的AR模型引入到旋转机械故障诊断中,采用了经验模态分解与AR模型相结合的方法提取旋转机械的故障特征。通过选取含有故障信息的固有模态函数进行功率谱分析,提取故障特征,分析故障原因。仿真和试验结果表明,此法能够有效地提取故障特征参数,为旋转机械的故障诊断提供了方法保障。     

基于EMD和SVM的传感器故障诊断方法

为了解决自确认压力传感器的故障诊断问题,提出了一种基于经验模式分解(EMD)和支持向量机(SVM)的传感器故障诊断方法,该方法对传感器输出信号进行经验模态分解,将其分解为若干个固有模态函数(IMF),对每个IMF通过一定的削减算法增强故障特征,然后计算每个IMF和残余项的能量以及整个信号的削减比作为特征向量,以此作为输入来建立支持向量多分类机,判断传感器的故障类型.通过压力传感器的故障诊断结果表明,该方法能有效的应用于传感器的故障诊断中.     

一种基于EEMD的异常声音识别方法

为了优化组合特征在异常声音识别中的效率,提出一种用集合经验模态分解（EEMD）对异常声音帧信号进行有效性检测和提取多层特征的算法.首先对异常声音帧信号进行集合经验模态分解,得到固有模态函数;然后根据给定的固有模态函数层数阈值,对该帧信号进行有效性检测;再对有效帧信号的每一层固有模态函数提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、线性预测倒谱系数、短时能量和能量比,并将它们归一化后拼接成多层特征.根据提取的特征,用深度卷积神经网络实现异常声音识别分类.仿真结果表明,提出的新方法在4类异常声音识别中的识别率可以达到98.65%.     

Application of empirical mode decomposition based energy ratio to vortex flowmeter state diagnosis

To improve the measurement performance, a method for diagnosing the state of vortex flowmeter under various flow conditions was presented. The raw sensor signal of the vortex flowmeter was adaptively decomposed into intrinsic mode functions using the empirical mode decomposition approach. Based on the empirical mode decomposition results, the energy of each intrinsic mode function was extracted, and the vortex energy ratio was proposed to analyze how the perturbation in the flow affected the measurement performance of the vortex flowmeter. The relationship between the vortex energy ratio of the signal and the flow condition was established. The results show that the vortex energy ratio is sensitive to the flow condition and ideal for the characterization of the vortex flowmeter signal. Moreover, the vortex energy ratio under normal flow condition is greater than 80%, which can be adopted as an indicator to diagnose the state of a vortex flowmeter. Foundation item: Project(200801346) supported by the China Postdoctoral Science Foundation; Project(2008RS4022) supported by the Hunan Postdoctoral Scientific Program; Project(2008) supported by the Postdoctoral Science Foundation of Central South University     

陀螺随机误差补偿中一种改进混合降噪法

为降低微机电系统陀螺测量数据中的随机误差,针对当载体运动状态突然改变导致陀螺传感器数据发生阶跃变化的情况,提出了一种改进的自适应噪声完备经验模态分解-前向线性预测滤波(CEEMDAN-FLP)的混合降噪方法。改进算法首先对于低阶噪声本征模态函数采用软阈值滤波,避免了常规方法将噪声本征模态函数直接去除引起高频信号丢失的问题,同时对混合本征模态函数采用前向线性预测滤波,避免阈值提升引起的过度滤波问题;最后对滤波结果与信号本征模态函数进行数据重构。通过仿真验证,表明改进算法滤波结果的均方根误差与滤波前相比减小了约51.53%,与经验模态分解滤波算法相比减小了约17.39%;通过实测数据验证,表明改进算法滤波后的陀螺数据与基于CEEMDAN的算法滤波后的陀螺数据分别用于姿态解算,在不明显增加运算负担的同时,改进算法姿态累积误差仅约是CEEMDAN算法姿态累积误差的20.56%。可见,改进算法可以有效地提高传感器的测量精度。