旋转机械振动信号基于EMD的HT和Winger分布时频分析比较

基于经验模态分解(Empirical Mode Decomposition，EMD)的希尔伯特变换(Hilbert Transformation，HT)，是先把一列时间序列数据通过经验模态分解，然后经过希尔伯特变换获得频谱的信号处理新方法。介绍了该方法的理论和算法。对仿真和旋转机械油膜涡动故障振动信号分别用基于EMD的HT和Winger分布的时频分析进行了比较研究，研究结果说明，用基于EMD的HT方法对旋转机械的振动信号进行时频分析比Winger分布分析有效。     

基于EMD和HHT的内燃机噪声信号时频特性研究

简述了经验模态分解(EMD)和Hilbert-Huang变换(HHT)的基本原理与方法.设计仿真试验,验证经验模态分解方法和Hilbert-Huang变换技术对复杂信号的分解和时频分析能力.以某6缸发动机为研究对象,采用小波包分解方法对噪声信号进行滤波预处理,并对滤波后信号进行经验模态分解,得到多个具有不同频率的本征模态函数分量,分别对各分量进行希尔伯特黄变换,分析其幅值和频率随时间变化的特性,结合内燃机结构声辐射机理,分析各分量产生原因,识别噪声源.研究结果表明:经验模态分解方法和Hilbert-Huang变换技术适于分析内燃机噪声信号.     

旋转机械振动信号基于EMD的HT和STFT时频分析比较

基于经验模态分解（Empinrical Mode Decomposition，EMD）的希尔伯特变换（Hilbert Transformation，HT），是先把一列时间序列数据通过经验模态分解，然后经过希尔伯特变换获得频谱的信号处理新方法。介绍了该方法的理论和算法。对仿真和旋转机械油膜涡动故障振动信号分别用基于EMD和基于STFT（Short-Time Fourier Transformation，STFT）的时频分析进行了比较研究，研究结果说明，用基于EMD的HT方法对旋转机械的振动信号进行时频分析比STFT有效。     

基于经验小波变换的振动信号分析

针对风力发电机振动信号非线性和非平稳特性,提出基于经验小波变换的振动信号分析方法。分析经验小波变换自适应傅里叶谱分割,构造合适的小波滤波器提取不同的调幅-调频模态函数,并对其进行希尔伯特变换,获取瞬时频率和幅值。结合仿真信号和振动信号实验,并与希尔伯特-黄变换进行模态分解和时频能量谱对比分析。实验结果表明,经验小波变换分解得到的各分辨率模态具有相应的时域信号特征,有利于信号进一步时频处理分析,而且模态分解层数少于经验模态分解,具有完备小波理论支撑证明,不存在虚假模态的特点;在时频能量谱图上,比基于希尔伯特-黄变换更能较好地体现原有振动信号的特征。这有助于为振动信号特征提取与故障诊断研究提供新思路。     

基于HHT的汽轮机组碰摩故障信号时频分析方法研究

针对汽轮机组碰摩故障振动信号非平稳特征,将一种新的非平稳信号处理方法,即希尔伯特-黄变换(Hil-bert-Huang Transform,HHT)方法用于汽轮机组碰摩故障检测和时频分析。首先利用经验模式分解(EmpiricalMode Decomposition,EMD)提取碰摩信号的内蕴模态函数(Intrinsic Mode Function,IMF)分量,再对IMF作HHT变换求瞬时频率和幅值。分析结果表明,HHT时频分析能够准确检测出碰摩故障产生的时间、频率和幅值信息,因此该方法能有效应用于汽轮机组碰摩故障信号的时频分析与诊断。     

基于HVD的振动故障诊断方法研究

由于旋转机械振动信号具有非线性、非平稳性,为了准确诊断故障,介绍了一种基于希尔伯特振动分解(Hilbert Vibration Decomposition,HVD)的振动信号时频分析方法,并在此基础提出了HVD边际谱和时频三维谱用于振动信号的进一步分析。通过与经验模态分解(Empirical Mode Decomposition,EMD)方法对比发现,HVD方法克服了模态混叠和幅值失真缺陷,具有更高的分解精度,而且其边际谱和时频三维谱更加清晰地展示出信号各频率的变化情况。对仿真信号及转子实际振动信号进行实验研究,清晰地展现了故障特征,取得了良好的分析效果,证明了HVD方法及其边际谱、三维谱在处理非线性、非平稳问题上的有效性。     

基于小波变换的汽轮发电机组振动故障检测与诊断方法

提出了基于小波变换的汽轮发电机组振动故障检测与诊断方法。通过对仿真的汽轮发电机组典型振动故障信号进行小波变换,利用小波变换后的时频等高线图,对汽轮发电机组典型振动故障进行了检测分析。分析表明,利用小波时频等高图,可以直观表示信号中畸变发生的时间,有效地提取信号中的奇异特征;根据不同的故障发生时的频谱特征,能够识别出不同的故障,进行机组振动故障检测与故障诊断。     

RO-SBM的希尔伯特—黄变换谐波检测方法

针对希尔波特—黄谐波检测方法的端点效应问题,提出斜率再优化(RO-SBM)与希尔伯特—黄变换(HHT)相结合的方法(RO-SBM-HHT),该方法先采用RO-SBM法对原信号延拓,按照包络原则对延拓之后的信号进行经验模态分解(EMD),得到本征模态函数IMF分量,然后对各个IMF分量进行希尔伯特变换(HT),并采用最小二乘拟合可获得各次谐波的幅值和频率。仿真与试验数据表明,RO-SBM-HHT可有效地解决谐波检测端点效应,提高检测精度、减少冗余分量。     

基于HHT的转子冲临界过程分析

希尔伯特黄变换(Hilbert-HuangTransformation,HHT),是先把一列时间序列数据通过经验模态分解(EmpiricalModeDecomposition,EMD),然后经过希尔伯特变换获得频谱的信号处理新方法。把HHT时频分析方法引入了转子冲临界过程分析。通过对模拟转子冲临界过程的实验研究表明,相比短时傅立叶变换(STFT)分析,基于HHT的时频分析方法对冲临界信号的分析具有真实、完整、能识别信号频率的瞬时变化、时域频域分辨率不相互干扰的特点。     

风力机齿轮箱振动信号分解方法研究

基于风力机齿轮箱振动信号显著的非线性及非平稳性,分别采用集合经验模态分解(EE-MD)、固有时间尺度分解(ITD)和经验小波变换(EWT)分解方法对齿轮箱振动信号进行处理,求取各分解方法分量信息熵并构成特征向量,然后作为支持向量机(SVM)模型的输入进行故障识别及分类.结果表明:EWT能较好地提取振动信号中的冲击成分;...