HILBERT-HUANG变换端点效应处理新方法

HIBERT-HUANG变换(HHT)实现过程中,对信号进行经验模态分解(Empirical mode decomposition,EMD)和对分解得到的各个本征模函数(Intrinsic mode function,IMF)进行HILBERT变换时都会产生端点效应.对此问题,采用波形特征匹配延拓数据,提高经验模态分解精度,有效地抑制HILBERT变换中的端点效应,获得准确的HILBERT时频谱.所延拓数据兼顾原始信号中的极值点及非极值点的波形数据,使延拓数据特征与原信号一致,在HHT变换实现过程中仅需一次延拓,算法简单.仿真计算和转子系统故障试验分析结果表明,所用方法可以有效解决HHT变换的端点效应问题.     

基于支持向量机和镜像延拓的Hilbert-Huang变换及其在滚动轴承故障诊断中的应用

采用镜像延拓处理端点效应的Hilbert-Huang变换要求将镜面放置在局部极值点处,对于长数据序列,可以先截断一部分数据,再将镜面放置在局部极值点处;但这种方法对于短数据序列显然不妥.鉴于此,利用支持向量机在小样本预测上的优势,将其与镜像延拓的Hilbert-Huang变换相结合,有效地抑制了端点效应,并通过仿真试验进行了验证.     

应用Hilbert-Huang变换的齿轮箱故障诊断

提出了基于经验模态分解(EMD)的齿轮箱故障诊断HHT方法,介绍了Hilbert-Huang变换理论及其算法.此后以1台现场轧机故障减速机为对象,对采集的故障信号进行EMD分解,得到固有模态函数(IMF)分量,然后对所有固有模态函数进行Hilbert变换处理,所得三维图和边际谱图较为清晰地表达了故障信息,说明了该方法在工程应用中的适用性.     

Hilbert-Huang变换在干式真空泵故障诊断中的应用

讨论Hilbert-Huang变换（HHT）的基本原理;研究基于神经网络延拓法和镜像闭合延拓法两种算法的不足,为克服这些不足引入可变长包络极值镜像延拓法,通过仿真信号对三种方法进行比较研究,验证可变长包络极值镜像延拓法的优越性;将HHT方法应用于干式真空泵轴承故障诊断中,进行试验数据分析,与传统的Hilbert变换包络解调方法进行比较,结果表明HHT方法在故障特征频率提取方面具有更高的分辨率和准确性,实验结果验证了该方法的有效性。     

基于Volterra级数的提升小波变换边界处理及应用

针对现有的提升小波变换容易产生边界振荡和频率混叠的不足,提出了一种将Volterra级数模型和抗混叠提升小波包相结合的信号处理方法.首先对信号两端进行数据延拓,用二阶Volterra级数预测模型对延拓信号进行预测;然后用抗混叠提升算法对信号进行小波包分解.对仿真信号进行边界处理后,信号在边界不会出现振荡现象;用抗混叠提升小波包对信号进行分解不会引起频率混叠现象.工程应用中,从强大的背景噪声中提取出了往复泵柱塞与缸套碰磨产生的微弱振动冲击信号,诊断出了密封盘根过度磨损的故障.     

应用Hilbert-Huang变换的齿轮磨损故障诊断研究

提出了一种基于H ilbert-Huang变换的齿轮磨损故障诊断的新方法。H ilbert-Huang变换是先把时间序列信号,用经验模态分解方法分解成不同特征时间尺度的固有模态函数,然后经过H ilbert变换获得频谱的信号处理新方法。介绍了该方法的基本原理,并将H ilbert-Huang变换应用于齿轮箱中齿轮磨损故障诊断的研究,通过选取表征齿轮磨损故障的IM F分量进行边际谱和能量谱分析,就可提取齿轮故障振动信号的特征。齿轮故障实验信号的研究结果表明,H ilbert-Huang变换时频分析方法,能有效地诊断齿轮的磨损故障。     

基于改进Hilbert-Huang变换的机械故障诊断

Hilbert-Huang变换(Hilbert-Huangtransform,HHT)通过经验模式分解(Empirical mode decomposition,EMD)和Hilbert变换能够自适应地将复杂的非线性、非平稳信号刻画成Hilbert-Huang谱,突显信号的局部特征,具有良好的时频聚集能力,因此被广泛用于机械信号处理与故障诊断.然而,EMD存在的模式混淆问题使其难以获得准确的本征模式分量(Intrinsic mode function,IMF).此外,通常只有部分IMF包含故障敏感信息、表征故障特征.因此基于EMID和所有IMF的Hilbert-Huang谱的故障诊断精度有待提高.为此提出一种基于总体平均经验模式分解(Ensemble empirical mode decomposition,EEMD)和敏感IMF的改进HHT.该方法利用EEMD获取无模式混淆的IMF,通过敏感度评估算法从EEMD所有的IMF中选择反应故障特征的敏感IMF,从而得到改进的Hilbert-Huang谱以更准确地诊断机械故障.通过仿真试验以及转子早期碰摩故障诊断的工程实例验证了改进HHT的有效性.     

基于RO-SBM的Hilbert-Huang变换端点效应抑制方法

针对Hilbert-Huang变换方法中由于信号经验模态分解(empirical mode decomposition,简称EMD)过程中所存在的端点效应问题,分析了现有数据延拓方式的利弊,并在基于斜率(slope based method,简称SBM)方法以及改进方法(improved slope based method,简称ISBM)的基础上提出了一种全新的基于斜率再优化(re-optimization slope based method,简称RO-SBM)方法用于信号序列的极值点延拓,然后对延拓后的数据进行EMD分解,得到相应的本征模函数(intrinsic mode function,简称IMF)分量.数值仿真结果表明,采用基于RO-SBM方法进行数据延拓,相比镜像延拓以及ISBM方法,可以更有效地抑制EMD中的端点效应问题,提升HHT方法的信号分析性能.通过基于RO-SBM方法进行数据延拓的HHT方法准确分离出了某转子系统的局部碰摩径向振动信号中所包含的故障特征分量,并将此方法成功应用于旋转机械故障诊断领域.     

Hilbert-Huang变换在滚动轴承故障诊断中的应用

提出了一种新的滚动轴承故障诊断方法——基于小波系数包络信号的局部Hilbert边际谱方法，在Hilbert—Huang变换的基础上介绍了局部Hilbert谱和局部Hilbert边际谱，并将它应用于滚动轴承的故障诊断中。用小波基将滚动轴承故障振动信号分解，对高频段的小波系数用Hilbert进行包络分析得到包络信号，再对包络信号进行Hilbert—Huang变换求出局部Hilbert边际谱，从局部Hilbert边际谱中就可以判断滚动轴承的故障部位和类型。通过对滚动轴承具有外圈缺陷、内圈缺陷的情况下的振动信号的分析，说明该方法比传统的包络分析方法更能有效地提取滚动轴承故障特征。     

Hilbert-Huang变换在齿轮故障诊断中的应用

为齿轮故障诊断提供了一种新的途径,将Hilbert-Huang变换引入齿轮故障诊断,提出了局部Hilbert能量谱的概念,同时根据齿轮故障振动信号的特点建立了两种基于Hilbert-Huang变换的齿轮故障诊断方法:基于EMD的频率族分离法和Hilbert能量谱方法。采用EMD(Empiricalmodedecomposition)方法对齿轮振动信号能有效地将各个频率族分离;局部Hilbert能量谱可以反映齿轮振动信号的能量随时间和频率的分布情况,从而可以提取齿轮振动信号的故障信息。将这两种方法应用于齿轮故障诊断中,结果表明,基于EMD的频率族分离法和Hilbert能量谱方法都能有效地提取齿轮故障特征信息。     

非平稳振动信号分析中Hilbert-Huang变换的对比研究

Hilbert-Huang变换是一种信号分析新方法,特别适合于对非平稳信号进行分析。介绍该方法的基本理论,并利用它对一个典型的旋转机械非平稳振动信号进行分析。然后通过与利用短时傅里叶变换和小波变换所得到的分析结果的对比,研究Hilbert—Huang变换在分析一般非平稳振动信号中的优势和缺陷。最后结合实际应用中遇到的问题,简要论述Hilbert—Huang变换中的经验模态分解在分析频率成分非常靠近的复杂信号时的不足和原因。研究结果表明,Hilbert—Huang变换和其他方法相比,具有分辨能力强、自适应分解、物理意义清晰、信息完整、形式简洁和易于精确分析等优点;同时也存在具有端点效应、实时性稍差和难以将复杂信号中特别靠近的频率成分分解为独立的本征模分量的缺陷。     

基于支持矢量回归机的Hilbert-Huang变换端点效应问题的处理方法

Hilbert-Huang变换的端点效应表现在两个方面,对信号进行经验模态分解(Empirical mode decomposition, EMD)和对各个内禀模态函数(Intrinsic mode function,IMF)进行Hilbert变换时都会产生端点效应。为了克服 Hilbert-Huang变换中的端点效应,采用支持矢量回归机对信号延拓后再进行经验模态分解,该方法可以有效地克服EMD方法的端点效应问题,得到具有物理意义的内禀模态函数;然后再次采用支持矢量回归机对IMF分量进行延拓后进行Hilbert变换,可有效地抑制Hilbert变换中的端点效应,获得准确的瞬时频率和瞬时幅值,从而得到具有物理意义的Hilbert谱。对仿真和实际信号的分析结果表明,基于支持矢量回归机的数据序列延拓方法能有效地解决Hilbert-Huang变换中存在的端点效应问题,而且其效果优于基于神经网络的数据序列延拓方法。     

微分变换法在动力学响应分析及系统边界参数识别中的应用研究

引入求解非线性微分方程的微分变换法，将其推广为广义微分变换法。建立求解一般非线性振动微分方程的一般框架，将此方法用于求解著名的Vander pol方程。并且将微分变换法推广到结构边界参数识别，以一个典型的悬臂梁边界参数识别为例，对其进行数值仿真和实验研究，并将此方法的实验研究识别结果与用实测频率响应函数法的识别结果作比较。说明该方法具有良好的工程应用价值。     

HT边际谱-马氏距离在轨道不平顺分析中的应用

通过HHT边际谱提取铁路轨道不平顺频率结构信息,对具有相同运营条件的铁路轨道不平顺HHT边际谱进行聚类分析,形成适合描述不同运营速度及影响铁路安全、舒适运行动力学指标的轨道不平顺边际谱标准(特性)矩阵,建立轨道不平顺HHT边际谱-马氏距离模型,可用于铁路线路运行速度判别及对不平顺中存在的严重影响铁路安全、舒适运行的铁路路段进行宏观判定。     

改进的HHT在复合材料盒段操作检测中的应用

提出一种基于结构振动和改进希尔波特黄变换的结构损伤检测方法,利用改进的希尔波特黄变换技术,研究悬臂机翼盒段结构的损伤检测问题.改进的希尔波特黄变换由三部分组成,小波分析、希尔波特黄变换及一种简单但有效的经验模式函数选择方法.用改进的希尔波特黄变换处理完好盒段结构与损伤盒段结构在方波信号激励下的动力响应信号, 从中提取出结构损伤信息指标--瞬时能量变化量作为损伤特征参数.结果表明,所构造的结构损伤特征量对表征复杂结构小损伤具有较好的灵敏度.     

面向过程的虚拟环境中产品装配建模研究

提出了面向过程的虚拟装配建模方法,在虚拟环境中将装配建模与装配仿真相结合,建立装配关系模型的同时,实现了对装配过程的创建与仿真,从而,在虚拟环境中将面向结果的装配建模发展为面向过程的装配建模.设计者采用直接三维交互进行装配建模操作的同时,系统通过装配关系识别自动捕捉设计者的装配设计意图,通过装配约束运动确定零件的装配路径,通过虚拟装配建模过程信息重用为装配规划提供有效的支持.开发了面向过程的虚拟装配建模原型系统.实践表明,面向过程的虚拟环境中产品装配建模方法有效地提高了产品装配设计的质量与效率.     

改进的HHT在复合材料盒段损伤检测中的应用

提出一种基于结构振动和改进希尔波特黄变换的结构损伤检测方法，利用改进的希尔波特黄变换技术，研究悬臂机翼盒段结构的损伤检测问题。改进的希尔波特黄变换由三部分组成，小波分析、希尔波特黄变换及一种简单但有效的经验模式函数选择方法。用改进的希尔波特黄变换处理完好盒段结构与损伤盒段结构在方波信号激励下的动力响应信号，从中提取出结构损伤信息指标——瞬时能量变化量作为损伤特征参数。结果表明，所构造的结构损伤特征量对表征复杂结构小损伤具有较好的灵敏度。     

Hilbert-Huang变换在齿轮裂纹故障诊断中的应用

提出一种基于Hilbert-Huang变换的齿轮裂纹故障诊断的新方法。Hilbert-Huang变换是先把时间序列信号,用经验模态分解方法分解成不同特征时间尺度的固有模态函数,然后经过Hilbert变换获得信号时频分布的一种信号处理新方法,将Hilbert-Huang变换应用于齿轮箱中齿轮故障诊断的研究。齿轮故障实验信号的研究结果表明,Hilbert-Huang变换时频分析方法能有效诊断齿轮的齿根裂纹故障。     

钛合金薄壁板干涉强化孔边距工艺研究

针对某型机关键部位研制过程中钛合金薄壁板干涉强化的孔边距工艺问题,在有限元软件Abaqus平台上建立了3D有限元模型,分析了在循环载荷作用下,材料为TC4钛合金带孔薄壁板件的孔边距对干涉强化试件应力分布影响以及疲劳寿命预测分析。研究表明:随着边距比减小,疲劳寿命呈现明显降低趋势,疲劳破坏位置逐渐向远离孔方向移动,当边距比小于2时,疲劳破坏在薄壁板边缘处发生。