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.     

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.     

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。     

改进的EEMD算法及其在多项流检测中的应用

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.

     

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.     

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     

基于EEMD和ICA方法的驾驶室内噪声源时频分析

为有效控制工程机械驾驶室内噪声,利用集合经验模态分解(ensemble empirical mode decomposition, EEMD)后的本征模函数作为稳定独立成分分析(independent component analysis, ICA)算法中的多个虚拟通道,提出了基于EEMD和ICA相结合的驾驶室内噪声盲源分离方法。通过分析仿真信号验证了EEMD-ICA方法研究复杂非平稳信号可行。结合相干分析、时频分析方法研究推土机驾驶室内噪声特性。结果表明,柴油机的1／2阶、1阶转动频率是驾驶室内相关零部件的振动辐射噪声的主要激励来源,柴油机的燃烧噪声也是室内噪声的来源。通过相干分析与时频分析相结合的技术可较准确实现噪声源定位,结合测试对象的相关常识可实现对噪声类型判别、噪声传入途径等复杂的问题进行研究,为进一步实现驾驶室内噪声治理、故障诊断,提供经济实用的分析手段。     

斯特林发动机振动信号分析及谱估计

为了检测斯特林发动机运行状态,针对斯特林发动机在运行过程中振动信号产生机理,采用了经验模态分解与自回归模型相结合的方法对振动信号进行分析,设计了振动检测系统.通过选取故障信息的本征模函数进行功率谱估计,提取滚动轴承故障特征.测试结果表明:经验模态分解可自适应地分解非平稳信号,生成的本征模函数可提取信号内在的本质特征.对自回归模型进行功率谱估计,提取振动状态异常信号.经实验验证,故障情况与真实异常状况吻合,可有效检测斯特林发动机运行过程中的故障特征.     

Classification of hyperspectral image based on BEMD and SVM

As a powerful tool for image processing,bi-dimensional empirical mode decomposition (BEMD) covers a wide range of applications.In this paper,we explore a novel hyperspectral classification algorithm wh...     

基于内禀模态奇异值伪熵特征提取的电能质量扰动识别

针对电能质量暂态扰动信号的非平稳、非线性等特点,提出一种基于内禀模态奇异值伪熵特征提取和支持向量机的电能质量复合扰动识别分类方法.该方法通过经验模态分解方法将各种非平稳电能质量扰动信号分别分解成若干个平稳的内禀模态函数,然后分别对每个有意义的内禀模态函数组成矩阵.该识别方法提出奇异值伪熵的概念,并依据该奇异值伪熵特征向量,通过支持向量机对各种电能质量扰动数据进行识别分类.实验结果表明,所提方法能有效地进行特征提取和电能质量扰动识别分类.