基于小波和经验模态分解的气体泄漏声音端点检测算法

针对石油化工等复杂高危场所,危化品泄漏产生的非平稳泄漏声音信号,难以正确判断声音端点的问题,基于小波和经验模态分解（EMD,Empirical Mode Decomposition）,提出一种改进的能零比气体泄漏声音端点检测算法。首先,通过麦克风阵列采集气体泄漏信号,将预处理后的泄漏信号通过小波阈值去噪,以提高检测信号的信噪比;其次,利用EMD算法对降噪的信号进行分解,从分解得到的本征模态分量（IMF,Intrinsic Mode Function）中选择IMF,构造新的信号;然后,通过分帧和加窗的方法对重构信号进行再处理,计算出各帧信号的能零比值,采用提出的自适应门限计算方法对信号进行端点检测;最后,搭建简易的气体泄漏模拟实验平台,对改进的气体泄漏声音端点检测算法,进行了实验测试。实验结果表明：改进的能零比气体泄漏声音端点检测算法,在低信噪比的条件下,仍然具有良好的检测精度和检测效率;与传统方法和基于EMD的能零比算法相比更接近实验采集声音信号真正的声音端点。     

改进HHT方法在轨道不平顺信号分析中的应用

针对希尔伯特-黄变换(Hilbert-Huang transform,HHT)中经验模态分解法(empirical modedecomposition,EMD)的端点效应问题,提出一种镜像延拓和灰色神经网络预测法相结合的改进方法,即先对信号进行灰色神经网络延拓,再利用镜像延拓法对数据进行延拓.分析仿真信号和实际轨道不平顺信号认为,该方法可以有效抑制EMD的端点效应.利用改进HHT方法对轨道轨距和水平不平顺信号进行研究,结果表明,该方法可有效去除轨道轨距和水平不平顺中低频趋势项,提高轨道不平顺信号的精度,有利于轨道质量的评价.     

基于原子分解的电压闪变检测

根据信号原子分解的思想,针对电压闪变的特点构造电压闪变原子库.首先应用匹配追踪算法提取基波分量,然后对去除基波分量的残余信号提取电压闪变分量,并根据电压闪变分量参数检测电压闪变;对3种不同电压闪变的验证结果表明,该方法不仅能较精确地提取各电压闪变的参数,而且迭代次数少,计算量不大.该电压闪变参数为治理或抑制电压闪变提供了依据.     

Hilbert-Huang变换应用中的预处理方法研究

为提高Hilbert-Huang变换（HHT）中瞬时频率计算的真实性和稳定性，提出了一种信号的预处理方法.该方法首先对信号作傅里叶变换，然后根据插值点数作补零处理，再进行傅里叶反变换，完成傅里叶插值功能.对傅里叶插值处理后的信号作经验模态分解（EMD）得到一组固有模态函数（IMF），计算所有IMF的瞬时频率和幅值，最终获得信号时频分布的Hilbert谱.结果表明，该傅里叶插值的预处理方法能够有效消除和抑制HHT分析中的瞬时频率波动和虚假成分产生，增强了瞬时频率的准确性，提高了HHT方法的信号分析频率，该方法能有效应用于实际信号处理的HHT时频分析中.     

基于VMD-HHT方法的水电机组启动过渡过程振动信号分析研究

为了解决水电机组启动过渡过程振动信号特征频率提取困难问题,采用一种较新的处理非线性非平稳信号自适应方法---变分模态分解（VMD）,并用于葛洲坝某台机组启动过渡过程振动信号分析。通过Hilbert-Huang（HHT）变换对VMD分解得到的各固有模态函数（IMF）进行瞬时频率计算,得出相应Hilbert谱图,并将结果与经验模态分解（EMD）方法进行对比。结果表明：经VMD分解后,机组启动过渡过程振动信号各分量频率变化与机组转速时变规律吻合良好,能够有效提取特征频率,较EMD具有更好的自适应性,分析结果更加准确有效,能够更好的揭示水电机组过渡过程信号中的振动规律。     

基于断电后残余电压的感应电机定子故障诊断

为了提高感应电机定子绕组故障诊断的准确性,提出了一种基于Hilbert-Huang变换(HHT)的故障诊断新方法.选取断电后零序电压的基波分量作为定子故障特征,可有效避免电源不平衡和负荷波动的影响,直接反映电机定子的不对称度.利用Hilbert-Huang变换中经验模态分解(EMD)方法对断电后的零序电压进行了分解,提取出基波分量,通过计算其均方根值可以诊断出电机定子绕组故障.在一台4 kW的感应电机上进行的实验证明了该方法的可行性和有效性.     

EEMD-HHT方法在双馈式感应发电机定子匝间短路故障分析中的应用研究

定子绕组匝间短路故障是双馈式感应电机常见故障之一。采用多回路理论构建数学模型,通过MATLAB进行不同故障、不同条件下的仿真。用HHT方法分析故障电流虽然能够得到相应现象,但传统HHT中的EMD分解方法存在一定不足,分解结果不能区分匝间短路故障和一些非故障情况,而引入EEMD分解方法来替换EMD分解,则很好地克服了这一缺点,排除了电压不平衡、变转子转速等其他因素对匝间短路故障诊断过程中的干扰。EEMD-HHT方法可以为定子匝间短路故障检测提供更加可靠的保障。     

基于局部均值分解法的闪变包络线提取方法

分析闪变的关键是提取电压闪变信号的包络线。将一种新的非平稳信号处理方法,即局部均值分解(LMD)方法应用于电压闪变包络线的提取。利用LMD方法对单频闪变、多频闪变、时变闪变信号等典型闪变信号进行仿真分析,证明了该方法提取闪变包络线的有效性。结果表明,LMD方法在提取闪变频率15 Hz及以下的包络线时,检测误差较小,尤其是在闪变低频段的检测准确度更高,弥补了平方检测法低频段检测误差较大的缺陷。此外,可以较准确地检测时变信号扰动发生和恢复的时刻。对载波畸变时的闪变信号仿真分析表明,无需滤波环节,提取不含谐波成份的闪变包络线,体现了LMD方法在提取闪变包络线中的优势。     

基于Hilbert-Huang变换的提升机齿轮箱故障诊断研究

Hilbert-Huang变换是用经验模式分解方法(EMD)将信号分解为有限个固有模态函数(IMF),然后再利用Hilbert变换获得时频分布特征的分析方法.介绍了该方法的基本原理,并将Hilbert-Huang变换应用于齿轮箱的故障诊断中,对IMF分量进行边际谱分析,并判断齿轮的故障.研究结果表明,Hilbert-Huang变换是一种有效的齿轮箱故障诊断方法.     

具有间断事件检测和分离的经验模态分解方法

针对在经验模态分解（EMD）筛选过程中间断信号引起的模态混叠问题,提出了一种新的解决方法．该方法为根据间断过程信号与正常背景信号时间尺度的不同,利用固有模态函数（IMF）的瞬时频率特性实现间断信号的精确定位,依据定位的间断信号段经端点延拓重新做EMD分离出间断信号,从而在后续的EMD中消除该间断信号的影响．将该方法与小波法消除间断信号的结果进行了比较,显示其滤除结果的信号失真较小,并可将间断信号分解为一固有模态函数．     

一种基于Hilbert和Chirp—Z变换闪变测量的改进方法

为了对电压闪变,提出了一种基于Hilbert和Chirp—Z变换的改进算法。首先介绍了Hilbert变换和Chirp—Z变换的原理,并从理论上推导了用Hilbert变换提取闪变包络线的公式。然后指出波动分量为方波时不能直接应用频谱分析法,需要对基于Hilbert和Chirp—Z变换的测量方法进行改进。最后用算例对所提方法进行仿真验证,证明该方法的正确性。     

基于小波包和改进EMD的脑电信号消噪研究

由于采集到的脑电信号含有噪声,提出了总体经验模态分解(EEMD)的希尔伯特黄变换(HHT)结合小波包分析的脑电信号去除噪声的方法。含噪脑电信号经EEMD分解可以得到一定数量的IMF分量,而且可以解决经验模态分解(EMD)时的模态混叠问题,然后,对IMF分量进行Hilbert变换,分析Hilbert谱,把含噪的IMF部分进行小波包处理,最后,把各IMF相加,可得处理过噪声的脑电。经验证得,单独使用小波包方法消噪和改进EMD消噪,都没有小波包结合改进EMD方法的信噪比高,提高了去噪效果,有利于更精确的诊断医学疾病。     

基于HHT的涡街流量计脉动流噪声去除方法研究

采用了Hilbert-Huang变换(HHT)的方法对去除涡街计脉动流噪声进行了研究。首先运用EMD尺度滤波方式对涡街计脉动流噪声进行滤波去噪。然后,将EMD尺度滤波结果和小波阈值运用于涡街计脉动流噪声去除的结果进行了对比,离线仿真结果表明,EMD尺度滤波去噪和小波阈值去噪都能达到较好的效果,但是前者更加简便,完全是自适应的,这也为涡街信号处理提供了一种新的滤波去噪的有效方法。     

Improved Method and Application of EMD Endpoint Continuation Processing for Blasting Vibration Signals

In order to deal with the non-stationary characteristics of blasting vibration signals and the end issue in the empirical mode decomposition(EMD), an improved endpoint continuation method is proposed. First, the linear continuation method of extreme points is used to determine the extremum of the signal endpoint fast. Secondly, the extreme points of transition section outside the signal ends are obtained by a mirror continuation method of extreme points, and then the envelope and continuation curve of the transition section of the signal are constructed. Lastly, the sinusoid of the stationary section outside the signal is constructed to achieve the continuation curve from the transition section to the stationary section. Based on the "singular extreme points" phenomenon of blasting vibration signal, the negative maxima and positive minimum are eliminated, then the maximum and minimum are guaranteed to appear at intervals. Thus,the number of iterations is reduced and the instability of EMD decomposition is improved. The calculation formula of amplitude, cycle and initial phase are given for the transition section and stationary section outside the signal. The endpoint processing effect of the simulated signal and the measured blasting vibration signal show that the improved endpoint continuation method can suppress the signal endpoint effect well.     

Dynamic unbalance detection of cardan shaft in high-speed train based on EMD-SVD-NHT

Contrary to the aliasing defect between the adjacent intrinsic model functions(IMFs) existing in empirical model decomposition(EMD), a new method of detecting dynamic unbalance with cardan shaft in high-speed train was proposed by applying the combination between EMD, Hankel matrix, singular value decomposition(SVD) and normalized Hilbert transform(NHT). The vibration signals of gimbal installed base were decomposed through EMD to get different IMFs. The Hankel matrix constructed through the single IMF was orthogonally executed through SVD. The critical singular values were selected to reconstruct vibration signs on the basis of the key stack of singular values. Instantaneous frequencys(IFs) of reconstructed vibration signs were applied to detect dynamic unbalance with shaft and eliminated clutter spectrum caused by the aliasing defect between the adjacent IMFs, which highlighted the failure characteristics. The method was verified by test data in the unbalance condition of dynamic cardan shaft. The results show that the method effectively detects the fault vibration characteristics caused by cardan shaft dynamic unbalance and extracts the nature vibration features. With comparison to the traditional EMD-NHT, clarity and failure characterization force are significantly improved.     

基于高次样条插值的经验模态分解方法研究

基于经验模态分解(EMD)方法,把一列时间序列数据分解成一组本征模函数组,然后经希尔伯特变换获得其希尔伯特谱.在现有的采用三次样条插值的EMD算法基础上,提出了基于高次样条插值的EMD新算法.仿真研究结果表明,所提出的新算法能有效提高EMD时频分析的精度.     

场地土动力特性识别方法对比

结合自由场地土振动台试验,对比了随机子空间迭代（SSI）方法、经验模式分解结合希尔伯特变换（EMD＋HT）方法和频域分解（FDD）方法识别场地土卓越频率、阻尼比的适用性,以及不同激励类型、不同土层深度和大阻尼比情况对识别精度的影响。结果表明：对于随机激励,当阻尼比较小时,上述3种方法均能准确识别出场地土卓越频率;而大震时土体卓越频率、阻尼比与振动过程耦合,此时经验模式分解结合希尔伯特变换方法可以给出合理的识别结果。     

基于EMD的时频分析方法的电力故障信号检测

提出电力系统故障信号的经验模态分解(Empirical Mode Decomposition,EMD)时频分析方法.通过对检测点获得的故障电流信号进行EMD分解,得到一系列的本征模态分量(Intrinsic Mode Function,IMF),利用Hilbert变换得到Hilbert谱及边际谱,分析相应瞬时频率及其振幅,对故障信号进行时间-频率-幅值的联合分析.分析发现,通过瞬时频率突变能准确定位故障时刻,Hilbert谱的峰值变化也能反映故障时刻及故障特征信息;通过边际谱分析可以获得故障信号所含的真实频率,为进一步故障检测提供了依据.仿真试验证明了结论的正确性,表明EMD时频分析方法能准确地检测故障时刻,提取故障信息.     

基于变分模态分解的心冲击信号和呼吸信号分离

为了在睡眠时以非侵入方式监测心冲击信号（BCG）和呼吸信号,使用电阻式薄膜压力传感器嵌入床垫中,将变分模态分解（VMD）算法引入到二维生理信号提取过程. 信号经床垫中的柔性压力传感器,通过硬件低通滤波、数字去趋势（DFA）后,利用VMD算法分解出生理信号中心冲击信号与呼吸信号的潜在分量,通过自适应选取有效分量重构BCG信号与呼吸信号. 基于Hilbert变换,对比VMD、经验模态分解（EMD）、互补集合经验模态分解（CEEMD）分量的瞬时频率. VMD在0~3.0 Hz内的混叠情况相对于EMD与CEEMD得到改善. 采用Bland-Altman法,对标准结果和实验重构结果进行一致性评价. 结果表明,利用VMD法所得BCG与呼吸信号分别有93.75%和92.5%的点在95%一致性标准界限内,有较高的一致性.     

基于EMD虚拟通道的ICA算法在信号消噪中的应用

提出了一种由经验模态分解构造虚拟噪声通道,结合独立分量分析进行信号消噪的方法. 在分析经验模态分解及独立分量分析的优越性基础上,阐述了构造虚拟噪声通道的基本原理,给出了具体构造方法. 用固有模态函数的Hilbert时频谱作为虚拟噪声通道重构分量选择的依据. 仿真计算表明,该方法对白噪声的消除是有效的,消噪效果较为理想. 与传统小波方法比较,具有优势.