基于EMD分解的齿轮箱故障诊断研究

提出了基于EMD分解的齿轮箱故障诊断方法,介绍了EMD理论及其算法,完成了齿轮箱齿面磨损故障及正常状态实验,对故障信号进行EMD分解后所得IMF中清晰地表达了故障信息,说明了该方法的可行性和有效性。     

基于小波包和EMD的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包和经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承故障诊断方法。该方法用小波包对振动信号进行预处理,用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,让故障信息得到凸显,然后根据某个分量的频谱,判断滚动轴承的故障类型。实验结果表明,比传统的时频分析方法,该方法能够更有效地提取轴承故障特征,诊断轴承故障。     

基于EMD的电机轴承故障识别研究

将经验模态分解(EMD)和支持向量机(SVM)方法相结合应用于电机滚动轴承故障诊断中,该方法利用EMD将电机滚动轴承振动信号分解为有限个内禀模态函数(IMF)之和,对表征高频信息的IMF分量取其能量作为故障特征向量,以此作为多项式核函数(2阶)SVM分类器的输入参数来区分电机滚动轴承的工作状态和故障类型。实验结果表明,该方法在小样本情况下仍能准确、有效地对电机滚动轴承的工作状态和故障类型进行分类,实现电机滚动轴承故障自动识别。     

基于EMD的配电网故障定位仿真研究

在ATP中建立小电流接地系统单相接地故障模型并进行仿真,通过对沿线路安装的各检测装置检测到的暂态零模功率信号进行EMD分解,利用得到的最高频IMF分量部分进行一阶向后差分运算,通过分析各检测点的一阶差分波形可以得出:位于故障位置同侧两检测点的差分波形相似度极高,而位于故障位置两侧2点的差分波形相似度低,以故障点为中心,两侧各点的差分波形对称度极高。已经证明,一阶差分波形的特征信息不随过渡电阻值的变化而变化,因此,利用差分波形的故障特征信息可以为小电流接地系统的故障定位研究工作提供新思路。     

基于EMD阈值降噪的轴承故障诊断研究

针对滚动轴承故障诊断提出了EMD阈值降噪法。通过振动传感器获得的轴承振动信号,利用经验模态方法将信号分解为多个IMF分量。因振动信号中含有的噪声主要表现在高频段,所以对IMF分量中的高频分量进行小波阈值降噪,并与IMF分量中低频分量进行重构,实现了振动信号的降噪,有利于轴承故障的判断。     

基于EMD和SVM的切削颤振识别方法研究

为了提高对切削加工过程中颤振的识别能力,提出一种结合模态分解和支持向量机的分类方法,对颤振信号进行自动识别。首先利用经验模态分解法把颤振信号分解成若干个本征模式函数分量,去除原始信号相关性,突出模式函数分量的主特征,构建出特征向量并进行归一化处理,之后,把特征向量输入SVM模型,判断颤振是否发生。分别采用神经网络模型、PCA-SVM模型、EMD和SVM模型对特征向量进行学习与识别,EMD和SVM模型识别率达到95%,优于前两种模型。实验结果表明,该方法能够有效地识别切削加工过程中的颤振。     

苏通大桥GPS监测数据的小波滤噪分析

GPS监测数据易受到多路径效应、温度变化以及噪声的影响,使得监测数据中混杂多类噪声,无法直接用于变形分析.为了提取真实的变形信息,需要对监测数据进行滤噪处理.该文通过小波分析的方法,对苏通大桥的GPS监测数据进行滤噪处理,结果表明小波分析能够有效的去除监测数据中的噪声.     

基于EMD和AR模型的滚动轴承故障SVM识别

将经验模态分解和自回归(AR)模型应用到滚动轴承的故障诊断中,该方法先把轴承振动信号分解成不同特征时间尺度的固有模态函数,从而把非平稳信号处理转化为平稳信号处理问题,然后选取表征轴承故障的IMF分量,并建立其AR模型,提取模型的参数输入到支持向量机中进行识别。实验结果表明,该方法是有效的。     

基于EMD的齿轮箱故障诊断的研究

采用小波阈值法对齿轮箱故障信号进行去噪预处理,将经验模式分解(EMD)和快速傅立叶变换(FFT)相结合对齿轮箱故障信号进行特征提取,这种方法适用于非线性非平稳信号的自适应状态分析。利用EMD方法将去噪后的信号就行经验模态分解,得到一定数量的固有模态函数(IMF)分量,选取具有特定意义的IMF进行FFT,就可以得到相应的功率谱,从而提取齿轮箱故障特征频率。     

基于EMD和包络解调的轴承故障诊断系统研究

针对传统轴承故障诊断方法存在的缺陷,研究了基于经验模态分解(EMD)和包络解调相结合的诊断方法。并对该方法在本征模函数(IMF)分量选取上需要人工干预和计算量大的问题,提出了用距离测度来自动选择最优IMF分量进行包络分析的准则。以此为基础,研究了将虚拟仪器技术应用于轴承故障诊断领域,并采用Lab VIEW2013为平台,设计开发了一套轴承故障诊断系统。通过实验验证了所提出的诊断方法和所开发系统的可行性和有效性。     

基于EMD近似熵和TWSVM的齿轮箱故障诊断

针对齿轮箱振动信号的非平稳和非线性特征,给出了一种基于经验模态分解(EMD)近似熵和双子支持向量机(TWSVM)的齿轮箱故障诊断方法。对不同类型的齿轮信号进行EMD分解,得到若干个具有不同时间尺度的本征模函数(IMF)分量,再对IMF分量使用近似熵求解,得到一组特征向量,最后将其输入到TWSVM分类器中进行故障诊断。仿真实验表明,该方法能有效地提取故障特征,不同的故障类型表现出不同的故障信息;与传统SVM相比,TWSVM的计算时间更短,分类效果更好。     

基于EMD的支持向量回归机振动数据挖掘

提出了基于经验模态分解的支持向量回归机方法。该方法首先利用经验模态分解(EMD)方法对信号分解,得到若干平稳分量,然后对各分量进行回归建模,对各分量的回归结果求和得到原信号的回归结果。经实验分析验证,该方法不但提高了回归的准确度,而且运算时间也大大减少,实现了准确而又快速的拟合和预测。     

GPS/伪卫星技术在露天矿边坡监测中的应用

针对露天矿区GPS可视卫星个数和几何图形条件易受到较大坡度的遮挡影响,利用GPS/伪卫星（PLs）组合定位技术,增强卫星的几何强度。同时,为了削弱非建模系统误差的影响,提出通过经验模态分解（EMD）的多尺度分解与重构结构,依据累积标准化模量的均值随尺幅的变化确定系统误差与噪声分离尺度的选择标准,建立系统趋势分离模型。通过模拟仿真和实验分析表明：选择合适的PLs的设站位置,GPS/PLs组合定位技术可较大程度地改善定位精度因子（DOP）;利用EMD方法去除非建模系统误差后,GPS/PLs组合观测值的双差残差序列的系统误差很大程度上得到削弱;可靠性检验指数F ratio和W ratio分别达到779和9183,整周模糊度固定解的可靠性明显增强;基线向量解的精度也得到明显提高,X、Y、Z坐标分量的标准差为01、01、03 mm。     

利用频谱分析方法预测地下水动态

本文结合工程实例,将频谱分析方法初步应用于地下水水位的中、长期动态变化的预测。该法计算简单,特别是在水位序列中除了一些随机组分以外,还保持了一个或多个周期成分的情况下,预报精度较高。     

基于EEMD与SVD相结合的弱信号提取方法

提出了基于集合经验模态分解(EEMD)和奇异值(SVD)相结合的微弱信号提取方法和高低频部分的判别准则:采用EEMD把信号分解成几部分,将IMF分为高频段与低频段2部分,对2部分分别进行奇异值处理,叠加得到降噪信号,做出其频谱图,得到所需要的有用信号。此方法可以在未知原信号的情况下提取,并且可以提取信噪比为-15 dB的信号。仿真结果和对比分析表明,此方法能更好地提取微弱特征信号。     

基于现代谱估计的桥梁索塔GPS监测数据振动分析

因GPS技术具有全天候实时性等优点,使得GPS技术在桥梁结构的变形监测中得到了广泛的应用。为满足桥梁健康监测的需要,及时有效地从GPS信号中获得桥梁索塔振动特性至关重要,该文针对GPS监测序列的特点和传统傅里叶变换方法的不足,提出通过基于AR模型的现代功率谱估计方法对索塔监测数据进行处理,得到桥梁振动特性,与理论数据基本吻合。     

汶川地震基岩强震记录的Hilbert-Huang变换分析

详细解释了Hilbert-Huang变换（HHT）的思想和基本理论,利用HHT方法对汶川8.0级的地震记录进行了经验模态分解（EMD）,并对其Hilbert-Huang 三维时间-频率-幅值（能量）图谱、边际能量谱和瞬时能量谱进行了分析讨论。研究表明,基于HHT的Hilbert谱能够精准和清晰地揭示地震记录的时-频-能量分布。     

基于SVR消除EMD端点效应的研究及其在汽轮机油膜涡动故障中的应用

目前,经验模态分解(EMD)广泛应用在信号处理中,但应用过程中不可避免会有端点效应,如果处理不好会"污染"整个数据序列而使所得结果严重失真。对于边界问题的处理采用波形延拓是比较理想的一种方法,利用支持向量回归机(SVR)对原始信号两端进行波形延拓来处理端点效应并应用于汽轮机油膜故障分析中。该方法首先利用SVR分别对波形两端进行延拓,然后对延拓后的信号进行EMD分解,得到结果的中间部分即为原信号的EMD分解结果。实验结果表明,该方法能有效抑制EMD方法的端点效应,得到准确的分析结果。     

基于EEMD和SVM风机故障诊断的研究

针对如何提高煤矿主通风机故障诊断的准确率的问题,提出了一种基于集合经验模态分解(EEMD)和支持向量机(SVM)的风机故障诊断模型。该模型通过分解振动信号得到模态函数,提取能量熵作为故障诊断的特征值,使用粒子群优化算法(PSO)优化过的支持向量机模型诊断故障,其准确率已从87.5%上升到98.75%,实验表明,该模型的故障诊断正确率比较理想。     

基于EEMD_Hankel_SVD的矿山微震信号降噪方法

针对矿山微震信号降噪,提出了一种基于EEMD_Hankel_SVD(集合经验模态分解_Hankel矩阵_奇异值分解)的微震信号降噪方法。首先采用EEMD获得多层模态分量,计算各模态分量与原始信号的相关系数,剔除第一个相关系数差值局部最大值前的模态分量。对剩余各模态分量分别构建Hankel矩阵,再计算各Hankel矩阵的奇异值矩阵。根据奇异值曲线划分信号空间和噪声空间,实现剩余各模态分量的降噪,进而对降噪后的模态分量相加得到降噪信号。仿真试验表明该方法能有效保留信号的局部特征,提高了信噪比;矿山微震信号应用表明该方法有效地提高了STA/LTA,PAI-K和AIC法P波初至拾取效果;仿真试验和矿山微震信号P波拾取均表明该方法降噪效果优于小波重构、EMD重构和Hankel_SVD降噪,且该方法与AIC法结合拾取效果最佳。