基于EMD的时频熵在齿轮故障诊断中的应用

提出了一种基于EMD(EmpiricalModeDecomposition)方法的时频熵齿轮故障诊断方法。首先利用EMD方法分解齿轮振动信号,然后将得到的内禀模态分量进行Hilbert变换,以得到振动信号的时频分布,将信息熵理论引入时频分布,定量描述时频平面上不同时频段的能量分布,各时频段能量分布的均匀性可以反应齿轮的运行状态的差别,从而可以通过时频熵的大小判断齿轮的工作状态和故障类型。实验证明该方法能有效的判断齿轮故障特征,为齿轮故障诊断提供了新的思路。     

EMD-Robust ICA在柴油机噪声源识别中的应用

为了有效地从复杂的单一通道噪声信号中分离和识别柴油机的噪声源,采用经验模态分解（EMD）和基于峭度的鲁棒性独立分量分析（RobustICA）相结合的方法,将EMD分解后的本征模态函数与原噪声信号作为RobustICA的输入,借助RobustICA良好的抗噪性,不需要对观测信号进行滤波处理就可以实现单一通道观测信号的源分量分离。模拟仿真的结果充分说明了该方法的可行性。应用于某四缸柴油机噪声信号分析,对分离出的独立分量进行小波（CWT）时频分析,结合内燃机的特性,从单一通道噪声信号中准确识别出柴油机的燃烧噪声和活塞敲击噪声。     

基于EMD和时频分析的低振动机体结构优化研究

为降低柴油机机体振动,开展了基于经验模态分解（EMD）和时频分析的低振动机体优化设计研究。首先建立了机体有限元模型,通过机体模态试验验证了有限元模型正确性;然后,采用多体动力学和有限元相结合的方法计算了机体振动响应,并将计算结果与试验结果进行了对比验证,两者比较吻合;进而采用EMD对机体裙部振动速度信号进行分解,对分解得到的结果中能量较大的分量进行小波时频变换,通过时频分析得到结构优化的主要依据;最后对优化前后振动响应分别采用小波和Hilbert变换进行定性和定量的对比验证。结果表明,优化后整机振动烈度降低了26.81%,整机的振动水平得到了明显的降低,从而验证了该方法的有效性。     

基于ICA的镗削过程颤振征兆信号分离方法研究

针对精密孔镗削加工过程中易出现颤振、导致精密孔表面质量下降,如何能快速、准确识别出颤振征兆发生问题,提出基于独立分量分析（ICA）的镗削振动信号信噪分离方法,以实现对镗削颤振征兆信号的快速分离。该方法据颤振信号的时频特点,利用经验模态分解（EMD）对镗削振动信号进行分解;对EMD分解所得各本征模态分量（IMF）构造出的虚拟通道进行ICA分析,分离出包含颤振发生征兆的信号。实验结果表明,利用EMD和ICA对镗削振动信号进行分解处理,可快速分离出镗削颤振征兆信号,为后续颤振识别预报及抑制环节提供基础,从而有效提高精密孔的表面加工质量。     

EMD和FSWT组合方法在爆破振动信号分析中的应用研究

针对传统经验模态分解EMD时频分析功能不足的缺陷,提出了基于经验模态分解EMD和频率切片小波变换FSWT组合的爆破振动信号分析方法。对实际工程采集到的爆破振动信号进行EMD分解,根据相关性系数确定优势分量实现信号重构,并获取重构信号全频带FSWT时频特征。利用FSWT逆变换能切割任意频率区间的特点,将重构信号选择时间、频率切片区间进行了更为细化时频特征提取。研究了EMD-FSWT组合方法、Hilbert-Huang变换(HHT)、小波变换(WT)三种方法的消噪滤波效果,并与短时Fourier变换(STFT)、重排平滑Wigner-Ville分布(RSPWVD)两种传统时频方法进行了对比。分析结果表明:EMD-FSWT组合方法,对瞬态信号在时频域上的分辨率更高,消噪和滤波效果好,适于对爆破振动信号进行更为精细化的时频特征分析。     

基于EMD-Wigner-Ville的内燃机振动时频分析

在分析多分量信号时,WVD交叉项的出现极大干扰了对信号的时频分析,针对现有WVD交叉项抑制方法存在聚集性与交叉项成分抑制相互矛盾的问题,提出了一种基于经验模态分解(EMD)的WVD交叉项抑制方法。该方法首先利用EMD分解方法,将信号分解成相互独立的一系列具有不同特征时间尺度的固有模态函数(IMF),然后运用相关系数法对经验模式分解伪分量进行剔除,再对每个IMF进行Wigner-Ville分析,最后把各个IMF的Wigner-Ville分析结果线性叠加重构原始信号的时频分布。仿真实验结果表明,该方法既能有效抑制时频分布的交叉项,又保证了Wigner-Ville分布的时频聚集性。将EMD-Wigner-Ville应用在内燃机振动时频分析中,两个实例有效地揭示出了内燃机振动信号的特征信息,克服了HHT时频分布、Wigner-Ville时频分布在分析内燃机振动信号时的缺陷,是一种有效的时频分析方法。     

基于Hilbert-Huang变换识别柴油机缸盖阻尼比

实验敲击某型12150柴油机缸盖,采集振动加速度信号。利用经验模式分解提取了振动加速度信号中主要频率成分对应的模态响应衰减分量,对各分量进行希尔伯特变换和最小二乘法拟合,得到了缸盖系统的模态频率及阻尼比。将计算结果用于缸盖系统的瞬态动力学仿真,说明利用该方法计算的缸盖系统模态频率及阻尼比合理,能够满足缸盖系统动力学研究的需要。     

基于时频奇异谱的柴油机缸盖振动信号特征提取研究

针对柴油机故障特征提取问题,提出了一种基于连续小波变换时频分布奇异谱的缸盖振动信号特征提取方法。复Morlet小波变换的时频分布矩阵能从时频两域表征缸盖振动信号的局部特征和能量分布,结合奇异值分解理论将时频分布矩阵分解成能够简捷反映时频分布基本特征的奇异值序列,并运用类内类间可分离性判据对奇异值特征子集进行优选和分析,解决时频分布信息的降维和有效特征参数的提取,试验分析验证了该方法提取的特征具有较好的抗噪声干扰能力和可区分度。     

《基于EMD与AR模型的柴油机故障诊断》

柴油机气缸盖振动信号是一种典型的非平稳时变信号,用传统的时频分析难以得到满意的效果,用时域区间分析难以实现实时诊断,而小波分析则存在小波基函数选择困难等问题。本文采用经验模式分解EMD方法对振动信号进行分解,得到固有模态函数IMF,对每一个IMF分量分别建立AR模型,以模型的自回归参数和残差的方差作为特征向量,用支持向量机SVM进行分类,判断柴油机的工作状态和故障类型。实验结果分析表明,该方法即使在小样本情况下也能准确有效地诊断柴油机故障,能实现故障的实时自动化诊断。在不同转速时,需选用新转速工况下的数据作为训练样本,以保证分类准确率。     

基于EEMD的振动信号自适应降噪方法

摘 要：应用集合经验模式分解（Ensemble empirical mode decomposition ,EEMD）能有效抑制模态混叠的特性,根据白噪声经经验模式分解（Empirical mode decomposition, EMD）后其固有模式函数（intrinsic mode functions ,IMF）分量的能量密度与其平均周期的乘积为一常量这一特点设计了自动选择IMF分量重构信号的算法,提出了基于EEMD的振动信号自适应降噪方法。对仿真信号和滚动轴承振动信号的降噪结果表明了该降噪方法的可行性和有效性。     

基于HHT的液压缸动态特性分析新方法

提出了一种基于Hilbert-Huang变换的液压缸动态特性分析的新方法：运用经验模态分解,把周期激励下液压缸油液压力波动信号分解为多个从高频到低频的本征模态函数分量,依据各分量的Hilbert边际谱以及自由振动频率信息,对各分量分类并以此为基础重构信号,提取出反映液压缸动态特性的自由振动分量。此方法在某试验台液压缸动态特性分析中,取得了良好的效果,提取出的自由振动分量,可以作为评价液压缸动态特性好坏的依据。     

改进EMD-小波分析的转子振动信号去噪方法

针对低信噪比转子振动信号的去噪问题,提出了EMD和小波分析相结合的去噪方法。首先对含噪信号进行EMD处理,利用连续均方误差准则对IMF分量进行高低频区分。然后设定不同的阈值,利用小波分析对高低频IMF分量进行有用信号的提取,将提取的信号和低频IMF分量叠加重构,实现降噪。为了验证所提方法的有效性,进行了数字仿真和转子振动信号降噪分析,结果表明,所提方法整体上优于EMD和小波阈值去噪方法。     

基于EMD多尺度威布尔分布与HMM的轴承性能退化评估方法

轴承作为旋转机械中的重要部件,对其性能退化状态进行准确评估是开展预测性维护的重要前提.针对现有性能退化指标在鲁棒性和敏感性上的不足,提出一种基于多尺度威布尔分布与隐马尔可夫模型(Hidden Markov model,HMM)的滚动轴承性能退化评估方法.首先,采用经验模态分解(empirical mode decomp...     

负压条件下爆炸罐内爆炸引起筒体振动及噪声特性

为了研究负压条件下容器内爆炸引起的振动及噪声特性,研制一套34.8 L抽真空爆炸罐装置。实验用单发8号工业雷管作为爆炸源,采用NuBox8016型爆破振动测试仪、SZ4A型噪声振动测试仪分别测试筒体振动速度及爆炸噪声声压级,并使用快速傅里叶变换(fast Fourier transform,FFT)以及经验模态分解(empirical mode decomposition,EMD)方法对振动信号进行分析。结果表明,随着真空度的提高,筒体峰值振动速度、爆炸噪声声压级均呈下降趋势。当筒体内真空压力为-99 kPa时,爆炸产生的有害效应得到有效衰减,与常压条件相比,峰值振动速度衰减70.0%,最大噪声声压级降低18.3%。通过FFT变换及EMD分解,发现筒体主振频率随着真空度提高,主振频率也随之提高,高贡献率的imf分量个数呈现增多趋势。该实验结果与分析对探究负压条件下爆炸振动及其噪声信号衰减规律,以及真空爆炸工程应用等具有重要指导意义。     

复线隧道爆破振动信号的HHT分析

结合现场采集到的爆破信号,从实践验证HHT(Hilbert-Huang Transform)理论在爆破振动信号处理中的可行性。首先采用经验模态分解(EMD)提取爆破振动信号的固有模态函数(IMF)分量,对主成分分量作Hilbert变换,提取其包络曲线,得到实际延时爆破中的延时时间。再对原始信号经EMD得到的IMF分量进行Hilbert变换,得到信号的Hilbert能量谱,并从瞬时能量的角度研究了爆破振动不同频率的能量作用机理。从而验证了HHT方法的自适应强和高效性在爆破振动信号分析中的优良特性。     

复线隧道爆破振动信号的HHT分析

结合现场采集到的爆破信号,从实践验证HHT(Hilbert-Huang Transform)理论在爆破振动信号处理中的可行性。首先采用经验模态分解(EMD)提取爆破振动信号的固有模态函数(IMF)分量,对主成分分量作Hilbert变换,提取其包络曲线,得到实际延时爆破中的延时时间。再对原始信号经EMD得到的IMF分量进行Hilbert变换,得到信号的Hilbert能量谱,并从瞬时能量的角度研究了爆破振动不同频率的能量作用机理。从而验证了HHT方法的自适应强和高效性在爆破振动信号分析中的优良特性。     

基于EMD和MKD的滚动轴承故障诊断方法

针对滚动轴承早期微弱故障特征难以提取的问题,提出基于经验模态分解(Empirical Mode Decomposition,EMD)与最大峭度解卷积(Maximum Kurtosis Deconvolution, MKD)的滚动轴承故障特征提取方法。利用EMD方法分解振动信号得到一组固有模态分量(Intrinsic Mode Function,IMF),然后根据时域峭度和包络谱峭度,筛选出敏感IMF分量进行信号重构。然后对重构信号进行最大峭度解卷积处理以增强故障信息,最后得到包络功率谱,从而获得轴承故障特征频率信息。通过实验台信号验证了所述方法的有效性及优点。     

基于改进EMD-ICA的结构模态参数识别研究

该文针对频带滤波改进经典经验模态分解(EmpiricalModeDecomposition,EMD)的模态分解能力不足时产生过多虚假模态的问题以及真正本征模函数(IntrinsicModeFunction,IMF)的判定问题,提出了将改进EMD与独立分量相结合的信号分析方法。该方法不需要人为预先设定阈值,能够自动分离出真正的IMF分量,消除改进EMD过程中产生的虚假模态,保障EMD分解信号的有效性。然后利用随机减量技术获得各IMFs的自由模态,最后利希尔伯特变换和最小二乘拟合技术相结合的方法来识别出结构的频率和阻尼比,并通过两个数值算例和一个七层钢框架的模态试验予以验证。研究结果表明:该方法可有效解决改进EMD的缺陷,并成功识别出结构的模态参数。     

基于延拓和窗函数的HHT端点效应改进方法

为了克服Hilbert-Huang变换中的端点效应问题,提出了一种基于延拓和窗函数综合应用的端点效应改进方法。通过先对信号进行相似极值延拓再进行加余弦窗函数的处理,解决了延拓部分不精确和加窗函数后使原信号发生改变的问题,在一定程度上克服了EMD方法的端点效应问题,得到更准确IMF的同时也可以通过Hilbert变换得到更准确的边界谱和Hilbert谱。通过用于仿真信号和裂纹转子故障信号的分析证明该方法有良好效果。     

航空发动机试飞中转静子碰摩故障信号处理 的希尔伯特－黄变换（HHT）方法

时变信号处理的新方法希尔伯特－黄变换,是把一时间序列数据通过经验模态分解（Empirical Mode Decomposition,简称EMD）成本征模函数组（Intrinsic Mode Function, 简称IMF）,然后经希尔伯特变换（Hilbert Transformation,简称HT）获得频谱的信号时频分析方法引入到航空发动机转静子碰摩故障振动信号处理领域。该方法的理论和算法为用MATLAB语言编写分析程序,再用仿真信号验证程序的正确性和有效性;然后对飞行试验中获得的故障振动信号进行分析。结果表明,用EMD和HT方法对航空发动机转静子碰摩故障振动信号进行时频分析是有效的。