基于经验模态分解方法的圆度误差评定方法研究

针对圆度误差测量过程中因干扰信号影响估计精度的问题,提出基于经验模态分解的圆度误差评定方法。圆度误差测量数据包含多种信号成分,其中圆度误差信息只包含于表面形状误差信号,表面粗糙度误差信号、表面波纹度信号及噪声信号为干扰成分。利用具有数据自适应性的经验模态分解对圆度测量信号进行分解,实现各类信号成分分离;采用信号波数作为各信号成分的分离指标,实现形状误差信号提取,并利用其估计结构圆度误差。通过数值仿真和实例分析验证方法的有效性。     

基于经验模态分解的精密光学表面中频误差识别方法

对于高端光学元件,除限制低频面形误差和高频表面粗糙度之外,需要严格控制中频误差,以确保其使用性能。目前国际上广泛采用功率谱密度(Power spectral density,PSD)曲线评价中频误差,该方法以Fourier变换为基础,在全局水平上给出中频误差的综合评价。但是,光学元件磨削与抛光工艺过程中,局部波动和变周期波动是常见的中频误差存在形式。为更加准确地评价中频误差,指导补偿加工,需要识别中频误差频率及位置信息。鉴于此,从光学表面属于非平稳空间信号的角度出发,提出基于经验模态分解的精密光学表面中频误差提取和识别方法,对光学表面拟合残差进行经验模态分解,得到一系列固有模态函数,根据各阶固有模态函数特征,识别不同空间位置存在的表面误差和波动频率,并将其合成得到光学表面的中频和高频误差。仿真与实际检测结果分析证实该方法可以有效识别中频误差特征及其方位。     

经验模态分解停止准则及在故障诊断中的应用

停止准则是决定经验模态分解能否完整准确地提取出信号的内禀模态函数的重要因素之一,文中在总结现有的标准偏差(standard deviation,SD)准则、G.Rilling准则和能量差跟踪法的基础上,提出新的结合G.Rilling准则和能量差跟踪法的停止准则,并对这些准则进行仿真和实测数据的比较验证,试验结果表明,文中提出的停止准则优于SD准则和G.Rilling准则,为故障诊断提供更可靠的依据。     

基于二维双正交小波变换的贝壳表面形貌评定

研究表明海洋贝壳表面形貌与防污性能存在一定的关系。为评定贝壳表面形貌,探讨贝壳表面形貌与其防污性能关系,采用接触式表面轮廓测量仪对贝壳的表面形貌进行测量;运用二维双正交小波变换消除贝壳表面形貌测量数据中的形状误差,计算常用的表面特征参数。结果表明:运用二维双正交小波变换将贝壳表面形貌测量数据中的形状误差消除后,可得到更加合理的表面特征参数评定结果,可用于贝壳表面形貌的评定。     

基于经验模态分解方法的曲面加工误差补偿

采用误差补偿技术对曲面的加工误差进行补偿是提高该类零件加工精度的有效方法。针对加工误差进行经验模态分解,将加工误差分解为若干个固有模态函数(IMF)和一个res趋势项函数。根据系统误差的特征,趋势项函数中一定存在系统误差,利用自相关分析法和频谱图对固有模态函数分析是否存在周期性变化系统误差,最终分解出系统误差和随机误差。搭建了数控机床在线检测的实验平台,实现了曲面零件的系统误差补偿。通过一个曲面零件的加工实验表明,补偿加工后的曲面精度提高了86.0%。仿真算例和实验结果表明,基于经验模态分解方法的加工误差补偿能有效提高曲面零件的加工精度。     

经验模态分解在冲击响应谱修正中的应用

冲击响应谱是评估舰船设备抗冲击水平的重要依据,冲击响应谱是否准确的关键在于试验中所测得的加速度信号。在抗冲击试验中,由于趋势项误差的存在,冲击谱低频段谱线会发生谱线移位的现象。以低频振子作为验证依据,提出一种基于经验模态分解（EMD）的冲击响应谱修正方法。通过冲击试验机验证表明,利用此修正方法可将低频段谱线斜率与标准值之间的误差降至8.13%,修正后的低频段谱线与等位移线相关程度较高,修正后的冲击响应谱对舰船设备的抗冲击评估具有一定的参考价值。     

经验模态分解中虚假模态分量消除法

基于能量原理,提出经验模态分解(EMD)中虚假模态分量消除方法.在正常采样的条件下,分析信号EMD分解误差与虚假模态分量的关系,讨论虚假模态分量的性质.从EMD分解的完备性角度考虑在虚假模态存在情况下能量不守恒,给出模态函数消除法,从EMD分解结果中剔出虚假模态分量,消除信号经验模态分解误差.其有效性在所给例子中得到证实.     

均值优化经验模态分解及其在转子故障诊断中的应用

经验模态分解（Empirical mode decomposition,EMD）作为一种自适应的信号分解方法已经被广泛应用于诸多工程领域。为了提高EMD的分解性能,分别考虑从不同权值均值曲线的迭代筛分结果中选择正交性最小以及从每层内禀模态函数迭代结果中选择最优以保证整体分解最优,发展了两种均值优化经验模态分解（Mean-optimized empirical mode decomposition,MOEMD）算法。通过仿真信号分析,将MOEMD方法与EMD等现有信号分解方法进行了对比,结果表明,MOEMD方法在分解性能和分解精度方面比EMD等方法有显著提高。最后,将MOEMD方法应用于转子碰摩故障信号分析,并与EMD进行了对比分析,结果表明,MOEMD方法不仅能够有效地识别转子碰摩故障,而且识别效果优于EMD方法。     

经验模态分解在滚动轴承故障诊断中的应用与扩展

针对滚动轴承故障诊断过程中的故障信号特征提取环节,介绍了经验模态分解的基本原理、特性,以及其存在的端点效应和模态混叠等不足,并以此为基础分析了局部均值分解、总体平均经验模态分解和经验小波变换。结果表明:通过改进经验模态分解的曲线拟合方法,加入高斯白噪声及结合小波分析等方法,可以提高EMD特征提取的可靠性及计算速度。     

小波阈值降噪与经验模态分解在信号瞬时特征提取中的应用

为了在信号瞬时特征提取过程中有效降低噪声干扰影响,提出一种基于小波阈值降噪和经验模态分解(EMD)的信号瞬时特征提取方法。根据信号特征选择适合的小波阈值函数进行降噪处理,然后对降噪信号进行EMD分解,以互相关系数作为判别依据,保留含有信号瞬时特征的本征模函数(IMF),并进行Hilbert时频谱图和边际谱图分析,最终完成信号瞬时特征的提取。     

基于经验模式分解的轧机主传动减速机故障诊断

运用经验模式分解算法对数值仿真信号及某轧钢厂粗轧机主传动减速机振动加速度信号进行了分解，从而得到若干个基本模式分量，对每个模式分量进行了频谱分析。仿真研究及实际工程应用表明，采用经验模式分解算法后得到的时序分量及其频谱能够很好地体现齿轮局部故障特征，具有很强的弱信号特征提取能力。     

基于EMD自相关的表面肌电信号消噪方法

为了更好地消除混杂在表面肌电信号(sEMG)中的噪声,提出一种基于噪声统计特性的EMD自相关消噪方法。首先,对含噪sEMG信号进行EMD分解,并根据噪声统计特性降低低信噪比的高频IMF分量的能量后重组信号。其次,对重组后的信号进行自相关函数特性的EMD分解,并对自相关函数方差低于阈值的高频IMF分量进行小波去噪。最后,把处理后的高频IMF分量和低频IMF分量重构,得到的信号即为消噪信号。实验结果表明,该方法不仅能更好的消除噪声,而且在低信噪比情况下有良好表现。     

基于经验模态分解的瞬时相位分析方法的应用

提出了基于经验模态分解的瞬时相位分析的新方法。通过对振动信号作经验模态分解得到信号的固有模态函数，再求出各个固有模态函数的Hilbert变换，得到信号的瞬时相位．通过瞬时相位的傅里叶分析就可提取信号特征。介绍了该方法的基本原理，并应用于齿轮箱轴承的故障诊断研究，通过选取表征轴承故障的固有模态函数进行瞬时相位和傅里叶分析，就可提取轴承故障振动信号的特征。通过对轴承故障实验信号的分析．表明该方法能有效地诊断轴承的故障。     

HHT新方法及其在齿轮箱故障诊断中的应用

为了克服Hilbert-Huang transform(HHT)中的端点效应,利用基于掩模信号法的端点处理方法,对信号进行外延后再进行empirical mode decomposition(EMD),在一定程度上克服了EMD方法的端点效应问题.同时利用掩模信号对intrinsic mode function(IMF)分量进行延拓后,再进行Hilbert变换,有效地抑制了Hilbert变换中的端点效应.系统仿真信号以及实测信号的验证结果表明该方法是有效的.     

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。     

瞬时频率估计的齿轮箱升降速信号阶次跟踪

提出了基于瞬时频率估计的齿轮箱升降速信号阶次跟踪的新方法。首先对振动信号进行经验模态分解得到信号的固有模态函数，再求各个固有模态函数的Hilbert变换，得到信号的瞬时频率，从而直接从振动信号得到参考轴的转速信号，然后根据参考轴的转速信号对时域振动信号进行等角度重采样，最后对重采样信号进行阶次分析。通过仿真信号和对齿轮磨损故障实验信号的分析，表明该方法能有效地诊断齿轮的故障。     

基于迭代的集总经验模式分解算法的齿轮箱故障特征提取

针对集总经验模式分解方法(Ensemble Empirical Mode Decomposition,EEMD)在实际应用中存在的盲目添加白噪声的问题,提出了一种迭代的集总经验模式分解方法(Iterative Ensemble Empirical Mode Decomposition,IEEMD).首先介绍了IEEMD...