充液管道中声发射波的传播及衰减特性研究

分析了声发射波在液体载荷作用下管道中的声学特性,并对钢管中的几种不同模态的声发射波在液体管道中的传播和衰减特性进行了测量。以一条长41.4 m的充水管道为例,对水载作用下的声发射管道泄漏检测及定位技术进行了研究,当管道内压力为0.6 MPa,两传感器相距40 m时,采用相关分析等信号处理方法,可检测到直径1 mm的针孔形泄漏,相对定位误差为2.9%。     

变模式分解在供水管道漏点定位中的应用研究

针对供水管道中泄漏声信号的非平稳特征,提出了一种基于变模式分解（Variational Mode Decomposition,VMD）的漏点定位方法。算法首先利用VMD将传感器所采集的两路泄漏声信号按预设尺度自适应地分解为若干个固有模态函数,而后根据各模态函数与原始信号的相关系数选择分量重构信号,并达到消噪的目的。通过对消噪后的信号作互相关实现时延估计,最终实现对漏点的定位。实验结果表明：VMD分解方法可以在保留泄漏声信号本质特征的前提下,消除噪声对信号的干扰。较传统的EMD方法而言,其定位精度更高。     

HHT和HMM在血细胞信号识别中的应用

针对血细胞信号具有多形态、非线性、非平稳的特点,提出将希尔伯特黄变换(HHT)和隐马尔可夫模型(HMM)相结合的血细胞信号识别方法。该方法采用HHT对血细胞信号进行分析,选取经过经验模态分解得到的各本质模态函数中相关性较大的分量,以这些分量的能量矩作为信号的特征量,由HMM训练得到正常人和病患者的模型参数并用做分类识别。实验结果表明,该方法可以较好地识别正常人和病患者的血细胞信号,综合准确率达89.13%。     

基于声发射的输气管道故障检测技术研究

输气管道内夹带水和固体颗粒是产生管道腐蚀和泄漏的主要原因。该文将声发射传感器置于水平输气管道外壁面上,分别采集不同气速下,管道内含有水滴和固体颗粒的声发射信号,然后对采集到的声发射信号进行多尺度小波分析。通过对比发现,声发射信号的能量、特征频率和管道气速、管道内的颗粒种类及质量有很好的相关性。声发射技术可用于输气管道夹带水滴及固体颗粒的故障检测。     

基于EMD包络谱的飞行器健康诊断

针对飞行器结构系统声发射信号的非线性与非平稳特征,为实现飞行器结构部件的有效健康监测,提出了基于经验模态分解包络谱的飞行器健康诊断方法.该法首先对由声发射传感器募集到的飞行器关键部件原始声发射信号进行经验模态分解(EMD),提取其固有频率段的固有模态函数(IMF)信息,然后运用Hilbert变换对其进行处理得到各IMF的包络信号,由此可得其包络谱.通过包络谱的特征信息便可实现对飞行器结构部件的健康诊断.将该方法应用于某飞机真实水平尾翼疲劳试验所募集的声发射信号,结果表明,该法可监测出飞行器水平尾翼的健康状态,适用于飞行器结构部件的健康监测.     

声发射信号的小波阈值降噪研究

声发射技术检测到的信号是一种非平稳信号,而对于含有噪声的非平稳信号降噪效果较好的方法是小波分析法。通过理论分析和试验研究,论述了基函数和阈值的选取对声发射信号小波降噪效果的影响,分析了声发射信号降噪过程中小波变换和小波包变换的区别,以及小波节点能量与信号降噪效果的联系。     

管道附件影响的管道声发射信号衰减特性

以包含多种附件的液体和气体管道为对象,开展复杂结构管道声发射信号的衰减特性研究。通过采集不同流量压力下管道本体的声发射信号,分析其幅值衰减规律,并用DB8小波包与快速傅里叶变换(FFT)研究管道声发射信号成分变化。通过采集阀门、法兰、流量计等6种管道附件前后的声发射信号并分析衰减规律,发现对声发射信号衰减影响最大的管道部件为电磁流量计。之后重点分析了法兰上螺栓连接紧固程度对信号幅值和频率成分的影响,实验结果表明,螺栓紧固程度越高,声发射信号衰减越小。本文的相关研究结论对工程中进行输油或输气管道进行声发射检测时的传感器布设决策具有集成化的参考价值。     

基于HHT的宽带幅度非平稳调制信号的特征提取

宽带调制信号在调制源的工作状态产生变化时,信号的调制频率、调制深度随时间变化,传统解调制方法难以获取短时变化的调制特征。针对非平稳调制特点,利用Hilbert-Huang Transform（HHT）数据自适应特性和高分辨率的时频分析能力以及数学形态滤波器（MMF）对信号的降噪性能,提出了一种利用HHT提取宽带幅度调制信号的调制特征方法（MH_DEMON）。MH_DEMON中,检波信号经过MMF的预处理,HHT的经验模态分解（EMD）和Hilbert变换,提取目标瞬时调制频率。仿真数据和实际水声辐射噪声数据的实验分析表明,MH_DEMON能有效提取非平稳宽带幅度调制的特征,为目标调制源分类识别和运动状态分析提供了支持.      

近海摩托艇信号的模态分解

在非线性非平稳信号的分析、处理以及特征提取中,希尔伯特-黄变换(HHT)是一种高效的自适应分析方法,在工程领域中有着广泛应用。本文利用经验模态分解(EMD)和变分模态分解(VMD)方法对近海摩托艇的水声信号进行对比分析,发现水声信号能量主要集中在低频段。与高频段相比,其振幅相对较大。EMD方法在分析这类信号时,会产生模态混叠,因此不能有效分解信号和提取特征;而VMD方法可有效降低模态混叠现象,能够成功提取其信号特征。研究结果表明,VMD方法在船舶水声信号处理分析及特征提取时更为有效,为复杂水声信号的处理提供了一种可行的技术参考。     

基于互信息改进的VMD算法及管道泄漏信号降噪

为了消除供水管道泄漏信号的噪声,准确定位供水管道泄漏位置,提出将基于互信息优化的VMD算法应用于供水管道泄漏振动信号的降噪处理。在处理前期,根据泄漏信号幅频特性,确定泄漏信号特征频带,并通过分析各模态函数中心频率确定合适的分解参数K。在处理后期引入作为各模态分量的评价指标,选择合适模态分量重构信号,并使用带通滤波器对重构信号进行滤波。经实验和实地测试表明该算法能有效提高定位精度。     

基于EEMD的信号处理方法分析和实现

Hilbert—Huang变换是一种具有良好自适应性,能够对非线性非平稳的信号进行分析的时频分析方法。而经验模式分解是HHT的核心部分。针对传统EMD分解带来的模态混叠问题,介绍了引入白噪声辅助分析方法的改进型算法EEMD并且通过Matlab平台进行了信号仿真系统设计和实验,验证了EEMD方法的抗混分解能力。     

Hilbert-Huang算法研究

非线性、非平稳信号处理一直是热点问题。Hilbert-Huang变换是一种新的信号处理方法,它通过经验模态分解EMD算法和Hilbert变换能够得到信号的时间-频率-能量分布特征。但其在应用中,处理结果精确度不高。基于提高Hilbert-Huang变换的处理结果的精确度,提出了一些改进方法 ,通过MATLAB进行仿真,验证了改进方法的可行性及有效性。     

基于HHT的多分量LFM信号检测与参数估计

文中将Hilbert—Huang变换应用到多分量线性调频信号（LFM）信号的分析中：首先利用经验模态分解法（EMD）将原信号分解成有限个本征模态函数（IMF）；然后埘各个IMF进行Hilbert变换，获取瞬时频率、瞬时振幅，得到信号的Hilbert谱，该谱反映r瞬时振幅在频率一时间平面上的分布，从而可以比较准确地检测和估计各LFM分量的初始频率和调频斜率等参数。仿真结果验证了该方法的有效性。     

希尔伯特-黄变换在谐波和间谐波检测中的应用

提出了一种检测电力谐波和间谐波的方法。将Hilbert-Huang变换（Hilbert—Huang Transform,HHT）用于谐波检测中,应用该方法可以提取任意频次的谐波信号。首先,运用经验模态分解处理含谐波的信号,得到一组平稳的固有模态函数分量。然后,对每个固有模态函数分量进行希尔伯特变换,得到每个模态分量的瞬时幅值和瞬时频率,从而检测出各种分量的谐波和间谐波的参数。仿真研究表明该方法的可行性与有效性,并且可以准确地确定谐波的幅值、频率和时间。     

基于Hilbert-Huang变换的思维脑电分类技术研究

研究基于Hilbert-Huang变换的思维脑电分类方法.对思维脑电信号进行Hilbert-Huang时频预处理,经经验模式分解后,得到多阶固有模态分量.然后将经HHT变换后的时频窗口内的振幅标准差作为不同心理作业信号特征,再应用K-近邻对思维脑电信号进行分类决策.通过对Colorado州立大学EEG研究中心的三类思维脑电心理作业样本进行分类,平均正确率达到82.54%.经Hilbert-Huang变换得到的脑电信号特征,可以作为思维脑电分类的有效依据.     

基于EMD拟合特征的耳语音端点检测

耳语音作为人类发音的一种特殊形式,与正常语音相比具有信噪比低、元音的周期特征不明显等特性,因而耳语音处理比正常语音更为困难。耳语音处理研究的第1个关键步骤就是语音的端点检测,该文利用希尔伯特-黄变换(Hilbert-Huang Transform, HHT)中的经验模态分解(Empirical Mode Decomposition, EMD),首次提出了一种基于EMD拟合特征的耳语音端点检测新方法。利用EMD得到的内禀模态函数(Intrinsic Mode Function, IMF)能量,以其归一化拟合参数为耳语音端点检测的特征,可以准确地划分出耳语音端点。实验表明,该方法在耳语音端点检测中取得了很好的效果,在1200个信噪比为2～10dB的测试样本中,检测准确率为98.25%。     

基于拐点尺度的对经验模态分解的改进

 对EMD在信号处理的过程中存在的部分问题展开了研究和对几篇关于EMD的文章给出的结论进行了分析,从直观上对选取拐点来作为衡量信号振荡形式的标准的合理性进行了初探,并在此基础上进一步给出了相应的算法来对EMD在处理信号时的性能进行改进,对仿真和实际信号的处理结果表明了改进后的EMD算法和拐点特征尺度的合理性和有效性;在新算法的基础上对固有模态函数(IMF)的定义进行了一定的补充.     

希尔伯特-黄变换在海浪资料分析中的应用

海浪是一种非线性、非稳态线性波动过程,常用的傅里叶分析分辨率不高,且会产生不存在的噪声信号.对此,将Hilbert-Huang变换应用到海浪资料分析中,即通过经验模态分解把海浪分解成13个子波,再对这些子波进行Hilbert变换,得到海浪的Hilbert谱.数据分析发现,该方法在得到风浪和涌浪的子波分量的同时,还得到了浅水碎波拍的子波分量,并清楚地表明了海浪高频有界性和微弱低频波动的存在.     

基于改进的局部特征尺度分解和归一化正交的时频分析方法

针对希尔伯特-黄变换(Hilbert-Huang Transform,HHT)中经验模态分解(Empirical Mode Decomposition,EMD)和希尔伯特变换(Hilbert Transform,HT)的不足,提出了一种基于改进的局部特征尺度分解(Improved Local Characteristic-scale Decomposition,ILCD)和归一化正交(Normalized Quadrature,NQ)的时频分析方法.ILCD克服了LCD的固有缺陷,在精确性和正交性等方面要优于EMD和LCD方法.同时为了克服HT的不足,提出了一种基于经验调幅调频分解标准化估计瞬时频率的归一化正交(Normalized Quadrature,NQ)方法.通过仿真信号将EMD,LCD与ILCD进行对比,同时将标准希尔伯特变换,直接正交法与NQ进行对比,结果表明了论文方法的有效性.转子碰摩故障数据分析结果进一步验证了论文方法的有效性和优越性.     

基于过零点-极点估计的瞬时频率幅度算法

Hilbert-Huang变换(HHT)理论通过经验模态分解(EMD)提取信号的内蕴模态函数(IMF),并对IMF利用Hilbert变换得到信号的时频幅度谱和边际谱。在总结Hilbert变换理论和算法实现局限性的基础上,提出基于过零点-极点估计求取IMF瞬时频率、幅度算法,通过对离散信号插值运算精确求取过零点和极点位置,并据此求出相应点的瞬时频率和幅度,最后采用三次样条求取信号的瞬时频率幅度曲线。通过几个典型的例子对该算法进行检验,结果表明,与Hilbert变换结果比较,借助该算法得到信号的时频幅度谱和边际谱结果更精确、频率分辨率更好。