经验模式分解与小波分解在变形分析应用中的对比分析

经验模式分解和小波分解是当前有效处理非平稳信号的两种时频分析方法,它们各具有其优缺点,适用于不同的应用。信号突变性检测、趋势检测和频率检测的对比实验表明,在突变检测方面小波分解优于经验模式分解;但经验模式分解在低频信号检测及趋势检测方面优于小波分解,从对实际GPS动态位移监测分析的结果可以看出,经验模式分解更有利于缓慢变形趋势的提取和无噪声干扰下的低频变形信号检测。     

冗余提升多小波包的构造及其应用

针对提取隐藏在原始振动信号中的弱周期性冲击信号,提出结合冗余提升多小波包(RLSMWP)及滑动窗奇异值分解(SWSVD)降噪的方法。利用提升方案实现具有5阶逼近阶性质的冗余Haar预处理,对信号进行预滤波,获得2重矢量信号。对多小波分解得到的矢量细节信号进行进一步分解,实现冗余提升多小波包变换。对最后一层各输出通道信号进行SWSVD降噪,重构后获得降噪信号。结果表明,RLSMWP与SWSVD相结合具有很好的降噪效果,提取出了隐藏在气阀振动信号中的弱周期性冲击成分;与传统多小波构造方法相比,新方法在时域实现了预滤波、多小波分解、多小波重构及后处理,具有计算简单、节省内存、运算速度快、可完全重构等优点。     

基于EMD小波的高速电梯振动信号去噪

结合经验模态分解与小波阈值去噪方法,提出基于EMD小波的高速电梯振动信号去噪方法,并对高速电梯振动信号进行了实例分析。结果表明,应用基于EMD小波阈值去噪方法相比于低通滤波去噪方法与单纯小波阈值去噪方法,具有更高的信噪比,能够提高分析的精度。有效保留了信号特征。     

基于小波变换对GPS信号去噪的分析

小波分解能够精细地把信号划分到不同的频带范围内,因此可对含噪信号在不同频带范围内的特征进行信噪分离.本文从GPS精密测量、导航领域的信号去噪角度,探讨了基于小波分析的信噪分离方法,并结合具体实例,说明小波分析对GPS信号消噪处理的实用性及有效性.     

改进Hilbert-Huang变换的滚动轴承故障诊断

以自适应噪声完备集合经验模态分解(CEEMDAN)为基础,提出了一种改进的Hilbert-Huang变换(HHT)时频分析法。对滚动轴承振动信号进行CEEMDAN获得一组本征模态函数(IMF)。通过自动提取敏感IMF算法,筛选特征敏感IMF分量,计算特征敏感IMF分量的Hilbert包络谱和HHT二维时频谱,提取故障特征频率信息。研究结果表明:CEEMDAN算法有效降低了模态混叠,比经验模态分解(EMD)算法和集合经验模态分解(EEMD)算法具有优越性。将改进的HHT与自动提取敏感IMF算法相结合,可以有效分解信号的特征信息,筛选出含有故障特征信息的敏感IMF,剔除背景噪声和无故障IMF的干扰,有效提取轴承振动的故障特征频率,诊断出轴承故障的发生部位。     

基于ITD和模糊聚类的齿轮箱故障诊断方法

为提高齿轮箱故障诊断的准确性与效率,针对其振动信号非线性和非平稳性的特点,提出将固有时间尺度分解(ITD)和模糊聚类(FCM)相结合的齿轮箱故障诊断方法。首先对齿轮箱振动信号进行固有时间尺度分解,提取包含主要故障信息的前4个固有旋转分量(PRC),求取PRC的特征能量作为故障特征向量。然后利用模糊C-均值聚类算法对齿轮箱故障进行识别与诊断,并将该方法应用到现场齿轮箱的诊断中。结果表明,诊断结果与实际情况完全相符,该方法比经验模式分解与模糊聚类相结合的方法具有更高的计算速度和精度,为齿轮箱故障诊断提供了一种新的有效方法。     

基于小波去噪—经验模态分解和支持向量机的塔机起升机构轴承故障诊断

针对塔机起升机构轴承故障振动信号特点,提出了一种基于小波降噪—经验模态分解(Empirical Mode Decomposition,EMD)和支持向量机(Support Vector Machine,SVM)的塔机起升机构轴承故障诊断方法。首先,对采集到的振动信号进行小波降噪,接着通过EMD方法将降噪后的振动信号分解为若干个本征模态函数(Intrinsic Mode Function,IMF),构造IMF能量矩,最终将提取的能量矩作为输入来建立支持向量机,实现智能化诊断。实验结果表明该方法能有效地应用于塔机起升机构轴承故障诊断中。     

基于小波变换的地铁振动信号特征分析

应用小波变换对地铁引起地面振动信号进行频谱分析,利用MATLAB编制小波分解程序,对实测加速信号进行分解与重构,获得加速度信号在时频域内的变化规律,同时讨论了振动信号峰值加速度、能量与频带的关系,与傅里叶变换相比,小波变换有更高的分辨率,更适合非平稳信号的分析。     

经验模态分解在高层建筑GPS变形监测分析中的应用

经验模态分解是一种数据驱动的自适应分解方法,能够把数据信号分解为具有自然物理意义的内蕴模态函数,有效分解各个周期的变形信号,相对小波分析等方法有其固有优势。本文针对某高层建筑物的GPS变形监测时间序列,采用EMD分解方法分离得到了建筑物的日周期、半日周期、整体趋势等多个方面振动特征,符合实际变形信号特征,验证了该方法在变形监测分析中的实用性。     

基于小波变换与EEMD的绝缘子泄漏 电流去噪方法研究

采用总体经验模态分解和小波阀值去噪相结合的方法对泄漏电流进行去噪处理。对泄漏电流信号首先进行总体经验模态分解,再对高频IMF分量按照4种阀值小波去噪方法(固定阀值法、启发式阈值法、自适应阈值法和极大极小阀值法)进行去噪,最后进行重构。以泄漏电流的3个特征量(有效值、3次谐波与基次谐波之比、波形)对去噪效果进行分析,综合比较得到采用总体经验模态分解与启发式阈值小波相结合的去噪方法的去噪效果最佳,采用该方法对实际污秽绝缘子泄漏电流进行去噪处理,去噪效果良好。     

Time-frequency analysis of typhoon effects on a 79-storey tall building

Di Wang Tower located in Shenzhen, PR China, has a height of approximately 325 m and is a 79-storey tall building. This paper presents selected results of full-scale measurements of typhoon effects on Di Wang Tower. Wind speed, wind direction, wind-induced acceleration and displacement responses were simultaneously and continuously measured from the super tall building with anemometers, accelerometers and global position system (GPS) during a typhoon. The advanced data analysis method called Hilbert-Huang transform (HHT) was adopted in this study to analyze the non-stationary characteristics of wind speed and wind-induced responses of this building under typhoon condition. By using the empirical mode decomposition (EMD) method, the measured data were decomposed into several inherent intrinsic mode functions (IMFs). The probability density and power spectral density of fluctuating wind speed were obtained by traditional methods and were further analyzed by considering time-varying mean values of the measured data via the EMD method. The wind-induced responses with non-stationary features were studied by applying the HHT to each IMF for obtaining their instantaneous frequency and Hilbert-Huang composite spectrum. Meanwhile, the transient energy distributions of the wind-induced responses were analyzed in time-frequency domain, which were compared with the traditional power spectral densities obtained from the fast Fourier transform (FFT) method and those from the wavelet transform. Furthermore, the amplitude-dependent damping ratios were determined by combining the EMD and the random decrement technique (RDT) method. Through comprehensive analysis of the measured data, it was testified that the HHT method is a promising tool for the time-frequency analysis of random signal and can serve as a flexible and effective tool for analyzing field data of wind speed and wind-induced response with non-stationary features.     

基于EMD分解与压缩传感的泄漏电流压缩方法

为了提高绝缘子监测系统数据传输和处理速度,对非平稳泄漏电流信号进行数据压缩至关重要。压缩传感理论(Compressed Sensing,CS)将采样与压缩合并进行,少量采样就能很好地恢复信号,不仅降低对硬件要求,而且提高压缩效率。然而CS恢复非平稳信号过程中计算复杂度很高。提出经验模态分解(EMD)和CS相结合的方法,将非平稳泄漏电流分解成有限个相对平稳的固有模态IMF,然后对相对平稳的IMF分量进行CS处理。实验结果表明,CS处理经EMD分解的泄漏电流信号不仅提高整个系统的处理速度和运行效率,而且提高了压缩比和重构精度。     

实测风场风速风向耦合的三维非平稳特征研究

为了获取考虑风速风向耦合效应的实测风场非平稳特征，在获取三维脉动风速时程的过程中，采用EMD方法建立了三维脉动非平稳风速模型，并推导出了脉动风速时程表达式，进一步发展了风速时变标准差、时变湍流强度的概念。以高层建筑实测台风数据作为算例，并与平稳风速模型进行对比分析，验证了非平稳风速模型的准确性和优越性：不需要选取基本时距；时变的物理量能反映微观特征，更能反映风速的非平稳性。通过平稳度指数检验了数据分析过程的平稳性特征，结果表明：风速在频域内的平稳性指数随着频率的增大而逐渐增大；不考虑风向时，风速的平稳性指数大小是与风速的变化速率相关的；非平稳风速模型所计算的脉动风速平稳性较平稳性模型方法所分析结果有所改善。     

爆破微差延时的EMD识别法

EMD（Empirical Mode Decomposition）方法是基于信号的局部特征的信号分解方法。能把复杂的信号分解为有限的具有物理意义的固有模态函数（Intrinsic Mode Function）。它自适应性强且非常适合处理非平稳信号。文章提出了爆破微差延时的EMD识别法,并以某工程中的微差爆破监测到的爆破振动信号为例。利用EMD法将爆破振动信号分解成IMF分量,再通过Himen变换提取IMF主成分分量的包络幅值来达到识别实际微差延时的目的。     

组合EMD和PCA的多路径改正方法

多路径效应及高频随机噪声是目前影响GPS变形监测精度的主要因素。针对GPS变形监测中的多路径效应与高频随机噪声的周日重复性特征,提出了EMD(Empirical Mode Decomposition)与PCA(Principal Component Analysis)组合的GPS噪声改正方法。该方法先通过EMD对各天数据剔除高频随机噪声,再采用PCA对相关性较强的多路径效应进行提取和消除。实测数据分析表明,该组合方法能有效地削弱多路径效应及高频随机噪声,较单一滤波方法具有一定的优越性。     

基于经验模态分解和遗传支持向量机的多尺度大坝变形预测

 利用经验模态分解算法分解大坝变形数据,得到不同物理特征尺度的变形分量,分析各变形分量特征及其相关影响因素。针对各变形分量的特点,分别建立基于GA-SVM的各变形分量预测模型,将各分量预测模型相加,最终构建基于经验模态分解和支持向量机的多尺度变形预测模型。由大坝变形数据的经验模态分解实例分析,证实经验模态分解算法能有效对大坝变形数据进行多尺度分解,由经验模态分解算法分解得到的各变形分量其物理特征更加显著,更易于各变形分量影响因素分析和变形模型建立,因此,针对各变形分量的特点所建立的GA-SVM的各变形分量模型具有较高精度。基于经验模态分解和支持向量机的多尺度变形预测模型由各分量预测模型相加而得,能充分挖掘大坝变形中隐含的多种内在规律,能同时在不同特征尺度上进行大坝变形预测。通过对多尺度大坝变形预测模型和多元回归、时间序列分析、GM(1,4)、BP网络和GA-SVM大坝变形预测模型进行精度对比,证实基于经验模态分解和支持向量机的多尺度变形预测模型是一种精度较高的大坝变形预测新方法。     

Continuous modal parameter identification of cable-stayed bridges based on a novel improved ensemble empirical mode decomposition

The objective of this paper was to perform an effective and meticulous continuous modal parameter identification. Since the data obtained from the cable-stayed bridge was non-linear and time varying, and also there exists a phenomenon of mode mixing in the current decomposition techniques, such as empirical mode decomposition (EMD), which further complicates the extraction of accurate structural information, therefore, a novel improved Ensemble EMD method was proposed. This method can effectively deal with the non-linear and time varying structural behaviour and eliminate the phenomenon of mode mixing effectively, specially for cable-stayed bridges, because in this method the added white noise was selected by a pre-defined process and also the intrinsic mode function (IMF) selection was made self-adaptively, then finally Pareto technique was adopted to reconstruct the IMF. After the signal decomposition and reconstruction, Recursive Stochastic Subspace Identification was employed to carry out the continuous modal parameter identification. Sutong Yangtze Bridge, a long-span cable-stayed bridge, with main span of 1088 m was taken as a case study and the proposed method was applied. The result showed that the proposed method was effective in attaining its goals and can endows better results in real life bridge health monitoring.     

深部软岩工程大变形力学分析设计系统

采用飞箭软件公司的有限元程序自动生成系统作为软件开发平台，进行“深部软岩工程大变形力学分析设计系统”的合作开发工作。该软件系统具有如下特色：（1）以和分解有限变形力学分析模型为主体，包括极分解力学分析模型供用户进行对比分析；（2）强调非线性大变形力学设计特色：力学对策设计、过程设计和参数设计；（3）包括多种岩土材料本构模型和工程材料单元，可以进行边坡工程、地基工程、地下洞室工程等大变形力学分析；（4）具有我国自主知识产权。目前该软件的弹性、弹塑性大变形二维计算程序和界面已经开发完成。通过对典型算例的弹性数值分析，验证大变形程序的正确性。该软件系统的问世，可为深部软岩巷道等岩体大变形力学问题提供具有分析和设计功能的数值分析软件系统。