应用EMD和双谱分析的故障特征提取方法

针对传统双谱分析从理论上仅能抑制高斯噪声,但对非高斯噪声无能为力的不足,提出了一种利用经验模式分解(empirical mode decomposition,简称EMD)和双谱分析的故障特征提取方法,并应用于滚动轴承故障诊断中。首先,对信号进行EMD分解;其次,利用能量相关法去除EMD分解过程中出现的伪本征模态分量(intrinsic mode function,简称IMF);最后,对得到的真实IMF进行双谱分析提取故障特征。仿真和实验结果表明,所提出的方法优于功率谱分析和传统双谱分析,能够更有效地提取强噪声背景下的机械故障特征信息,为滚动轴承的故障特征提取提供了一种新的方法。     

基于中值滤波-SVD和EMD的声发射信号特征提取

针对随机噪声和脉冲干扰对经验模态分解(EMD)质量的影响,提出中值滤波和奇异值分解(SVD)联合降噪方法,并将其与EMD分解相结合形成一种新的声发射(AE)信号特征提取方法.首先对原始AE信号进行中值滤波,去除幅值较大的异常值;其次对去除异常值的信号序列进行相空间重构和SVD分解,并针对难以确定重构阶数这一问题,提出奇异值能量差分谱概念,利用谱峰的较大值位置来确定重构阶数,以进一步降噪;最后对降噪信号进行EMD分解,以本征模态函数(IMF)的能量占比作为表征各损伤信号的特征向量.数值仿真和5层胶合板损伤的实测数据表明,该方法不仅能够滤除噪声干扰,提高EMD分解的时效性和准确性,而且能够有效地提取出胶合板AE信号特征,对其损伤类型进行有效地识别.     

基于流行-IMF奇异值熵的转子故障特征提取方法

针对转子振动信号的非平稳性以及微弱故障特征难以提取的问题,提出一种基于集合经验模式分解(ensemble empirical mode decomposition,简称EEMD)的奇异值熵和流形学习算法相结合的故障特征提取方法。首先,对原始振动信号进行EEMD分解,得到若干本征模态函数(intrinsic mode function,简称IMF)分量,根据峭度 欧式距离评价指标选取故障信息丰富的敏感分量,组成初始特征向量,求其奇异值熵;其次,利用近邻概率距离拉普拉斯特征映射算法（nearby probability distance Laplacian eigenmap,简称NPDLE）对奇异值熵组成的特征矩阵进行降维处理;最后,将得到的低维特征子集输入到K-近邻(K-nearest neighbor,简称KNN)中进行模式辨识。用一个双跨度转子实验台数据集和Iris仿真数据集对所提方法进行了验证,结果表明,IMF奇异值熵和NPDLE相结合的方法可以有效地实现转子故障特征提取,提高了故障辨识的准确性。     

EMD在扭转振动分析中的应用研究

构建扭转振动测试系统,对扭转振动进行了测试分析。用经验模态分解(Empirical Mode Decomposition,EMD)与希尔伯特黄变换(Hilbert-Huang Transform,HHT)解释了扭转振动信号。明确了固有模态函数(IMF)与系统振动频率的对应关系,即一个固有模态函数与系统中某一个频率不是一一对应。对于不复杂的系统,一般情况下,第一、第二固有模态函数基本上表征了系统的模态。最后,采用EMD对扭振测试数据进行了分析,验证了EMD对扭振分析的有效性。     

EMD方法在消除桥梁振动信号局部强干扰中的应用

在进行桥梁的健康监测和状态评估时,外界环境的影响常常会在采集的振动信号中形成局部强干扰,导致分析结果的严重失真。为解决这一问题,文中基于经验模态分解(empirical mode decomposition,EMD),提出一种信号强干扰的消除方法。首先利用EMD把一个时间序列的信号分解成不同时间尺度的本征模函数(intnnsic mode function,IMF)和残余项,然后采用合适的带通滤波器对前几个IMF进行滤波,在存在强干扰的区段,用滤波后的数据代替滤波前的数据,并使后几个IMF在相应区段的幅值为零,最后将所有的IMF及趋势项重新进行叠加,即得到消除强干扰后的信号,将该信号再次进行EMD分解,可得到一系列新的IMF,它与未消除干扰时信号的分解结果有显著差别。通过对实测南京桥有对讲机干扰的应变信号进行分析,结果表明该方法可行、有效。     

基于振动信号EMD和ICA的刀具破损识别

针对多齿铣削过程中振动信号的特点,提出了一种基于经验模态分解(EMD)和独立分量分析(ICA)相结合的方法,对混叠在振动信号中的铣刀破损信号进行分离。对振动信号进行经验模态分解提取出信号中的所有本征模函数,然后应用fastICA对所提取出的本征模函数进行独立分量分析。利用该方法对铣削加速度振动数据进行了分析,试验表明,该方法可以提取出混合信号中与刀具破损状态相关的故障特征频率成分。     

结合EMD和LSF的振动信号降噪方法的研究

针对原始振动加速度信号中存在的低频趋势项信号在通过数学积分变换时存在严重失真的问题,提出了采用最小二乘法（least squares fit,简称LSF）和经验模态分解（empirical mode decomposition,简称EMD）相结合的方法,实现过滤原始信号中干扰信号的目的。该方法通过对经验模态分解得到的固有模态函数（intrinsic mode function,简称IMF）去除趋势项后进行重构以达到信号降噪的目的。采用该方法分别对模拟信号和某型号干式真空泵的振动实测数据进行了降噪处理,再进行信号积分变换,通过对比证明了该方法能够弥补单一方法在处理信号低频趋势项时的不足,提高了振动信号分析的可靠性。     

基于EMD和非线性峭度的齿轮故障诊断

采用经验模式分解(empirical mode decomposition,简称EMD)和非线性峭度的统计特性对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用EMD分解获得振动响应信号的本征模式函数,用非线性Tea-ger能量算子计算每个本征模式函数的瞬时能量,并对本征模式函数进行系数的非线性峭度计算,提取系统的特征信息。仿真结果表明,用经验模式分解和非线性峭度可实现在线监测齿轮运转工作状态,及时发现齿轮的早期故障,提高了故障检测的可靠性。     

基于EMD与倒谱分析的轴承故障诊断

提出了一种基于经验模态分解与幅值倒频谱分析的轴承故障诊断方法。该方法首先对外圈故障信号作传统的傅里叶幅值谱和幅值倒频谱分析,未能明显地找到故障特征;然后对故障信号做经验模态分解,并对分解出来的第一层本征模函数作倒频谱分析,有效地提取出了故障特征;最后,用该方法分别对具有内圈故障和滚动体故障的轴承故障信号作分析,也有效地提取出了故障特征。实验结果表明,通过联合经验模态分解和倒频谱分析,能有效并且准确地提取出轴承的故障特征频率。     

EMD方法在烟机摩擦故障诊断中的应用

提出了一种将经验模式分解（Empirical Mode Decomposition，简称EMD）方法与传统信号处理技术相结合的故障诊断方法。首先将原始信号分解为若干基本模式分量（Intrinsic Mode Functions，简称IMFs），通过希尔波特变换得到每个IMF相应的瞬时频率，再对此瞬时频率曲线做傅里叶变换得到其频谱图，该频谱图即表示了对应IMF的调频频率。利用对应IMF组合成基于EMD的滤波轴心轨迹，这种轴心轨迹可以准确反映轴心的实际运行状况。将该方法应用于某炼油厂烟机摩擦故障诊断中，发现摩擦故障信号具有有色噪声分量存在、工频IMF的调频现象和基于EMD轴心轨迹的反转现象等特征。结果表明提出的方法在旋转设备摩擦故障诊断中非常有效。     

工业C超图像的特征提取方法研究

提出了基于边界点的特征提取方法,利用C超图像中缺陷区域的外边界坐标信息,能够快速、准确地提取其几何特征和灰度统计特征.     

基于EMD时频分析的轧机扭振瞬态冲击特征提取

为解决轧机扭振非平稳瞬态冲击信号瞬态特征量提取的难题,采用EMD(Empirical mode decomposition)方法提取信号的固有模态函数(IMF),再结合Hilbert变换建立单频振动瞬态信号瞬时频率提取模型,得到信号的Hilbert/Huang时频谱,进而得到Hilbert边际谱,从而提取扭振信号瞬态特征.该算法既避免了小波分解中的频率混叠,又具有时间尺度自适应调整的特点,克服了小波变换中小波基选取的难题.通过仿真实验验证了该方法的可行性,通过轧机在咬钢抛钢时实测瞬态信号的分析表明了该方法的可靠性.     

基于改进EMD的齿轮箱故障特征提取方法研究

针对经验模式分解(Empirical mode decomposition,简称EMD)方法在信号处理时普遍出现的端点效应问题,结合齿轮箱早期故障非稳态信号特点,提出了基于分段三次Hermit插值的极值截断法与相关筛选法相结合的改进EMD方法。该方法将信号用分段三次Hermit插值法求取包络线,在距离端点最近的极值点处对包络线及信号进行截断,取中间部分继续处理,将分解后得到的基本模式分量(Intrinsic mode function,简称IMF)与原信号计算相关系数,筛选主要IMF作为进一步分析对象。实验结果表明,本改进EMD方法可以有效提取齿轮箱故障特征。     

EMD端点效应处理在转子摩擦故障诊断中的应用

为解决经验模式分解(empirical mode decomposition,简称EMD)法在分解过程中产生的端点效应,提出了基于余弦函数窗的端点效应处理方法。首先,定义在余弦函数窗的中部窗函数幅值为1,而在窗的两端幅值根据余弦函数缩减;然后,将窗函数和待处理信号相乘,使待处理信号两端的幅值将按余弦函数缩减,而信号中部的数据不受影响;最后,对经加窗处理的信号做EMD分解,使分解过程中的端点效应被控制在信号两端,而信号中部的数据就可得到较好的分解结果。经分析表明,该方法可有效地抑制EMD分解中的端点效应,并可用于转子系统摩擦故障诊断。     

一种搅拌头轴肩临界值的计算方法

为提高搅拌摩擦焊焊接成功率,基于相关工程经验和热传导理论,提出了一种在确定被焊工件厚度情况下保证焊接成功所需要的搅拌头最小轴肩直径的方法.讨论搅拌针直径和长度等参数的选取方法,以稳态焊接时搅拌头摩擦产热量等于工件内固塑分界面的散热量为基础,推导被焊工件厚度与所需搅拌头最小轴肩直径的关系方程,并探讨该方程相关参数的取值范...     

基于边界特征尺度匹配延拓的EMD改进方法及应用

针对经验模态分解(empirical mode decomposition,EMD)中存在的端点效应问题,提出一种边界局部特征尺度延拓的EMD改进方法。通过计算信号边缘处与信号内部任何一段子波的匹配误差,确定信号的规律性强弱。在信号内在规律性较强的情况下,进行内在的匹配波形延拓,最大限度地维护信号的内在趋势;在信号规律性较弱的情况下,特别是信号边缘发生异常变化的情况下,只考虑边缘处的局部信息,根据边缘局部极值点的特征进行延拓,对延拓的极值点序列进行包络拟合,估计出均值曲线。该方法保证了信号有效数据的正确分解,提高了信号的分解精度,实现了EMD算法的改进。仿真实验验证了该方法能较好地抑制EMD端点效应。     

V型焊接坡口中心的高精度提取方法

焊缝跟踪精度对焊缝成形质量有很重要的影响,V型坡口是一种最常见的焊接接头。提出了一种提高激光视觉机器人跟踪V型坡口精度的软件措施,介绍了提取V型坡口中心亚像素级坐标的方法。采用多尺度的LOG(Laplacian of Gaussian)算子检测焊接坡口特征边缘,在分析图像灰度直方图的基础上选取适当的阈值进行二值化。用曲率极值的角点检测法从细化后的图像中提取焊接坡口中心点像素级图像坐标,然后对此点邻域的梯度值进行拉格朗日多项式插值求得亚像素级坐标。实验结果表明,该方法简单可行,能满足机器人焊缝跟踪的实时性要求。     

基于蚁群算法的电梯导轨选择装配

电梯运行的舒适度很大程度上取决于电梯导轨安装质量,由于标准导轨长度为5 m,因此导轨间的配合间隙大小就会影响电梯轿厢运行过程的振动程度。如何进行选择装配导轨,以使导轨间的间隙均匀且满足国标要求,是一个非常重要的课题。提出一种基于蚁群算法的计算机辅助选择装配导轨的方法,能够很好地解决该问题。蚁群算法(ACO)是一种新型的基于种群的模拟进化算法,属于随机搜索算法。为了对各导轨进行组合优化,提出一个以装配质量综合指标为优化目标的数学模型,作为厂家在包装之前的调配依据。通过实际项目应用,验证了该方法的实效性。     

滚动轴承故障特征提取的EMD频谱自相关方法

首先,在论述频谱自相关方法(spectrum auto-correlation,简称SAC)的特点、经验模态分解(empirical mode decomposition,简称EMD)分析过程和轴承故障机理的基础上,指出了在故障信号不占主导作用时频谱自相关方法在轴承故障诊断中的局限性,并得到仿真算例验证;然后,提出了基于经验模态分解和频谱自相关的轴承故障特征提取方法,将经验模态分解得到的各分量进行分析比较,再对适合的分量进行频谱自相关分析,可有效提出轴承故障频率;最后,分别在轴承故障试验台实测了深沟球轴承和圆柱滚子轴承内外圈故障振动数据,结果表明,EMD-频谱自相关分析方法可以很好地提取轴承故障信号,较单一EMD分解、频谱自相关和峭度等方法效果更好,为轴承故障诊断提供了新思路。     

三角网格模型的混合过渡特征提取方法研究

针对基于三角网格特征提取方法中角度阈值确定的问题,提出一种多阈值的特征提取方法,进行混合过渡特征的提取.该方法首先采用一组能识别出特征的角度阈值进行特征提取和面域分割,然后用最小二乘法拟合非特征面域点集获取拟合精度,通过比较不同阈值分割后面域的拟合精度确定出各个面域的最佳角度阈值,最后将非特征面域点集与特征点集分离实现...