基于EMD的奇异值熵在转子系统故障诊断中的应用

提出了一种基于EMD（Empirlcal Mode Decomposition）和奇异值熵的转子系统故障诊断方法。该方法首先用EMD方法分解转子系统的振动信号，得到若干个基本内禀模式函数（Intrinsic Mode Function，简称IMF），然后利用IMF分量形成初始特征向量矩阵，并对初始特征向量矩阵求奇异值熵，奇异值熵的大小反映了转子系统运行状态的差别，从而可以通过奇异值熵的大小判断转子系统的工作状态和故障类型。对实验数据的分析结果证明了该方法的有效性。     

基于MODWPT的Hilbert谱及其在齿轮故障诊断中的应用

在对基于最大重叠离散小波包变换(Maximal overlap discrete wavelet packet transform,简称MODWPT)的Hilbert谱方法进行介绍的基础上,将基于MODWPT的Hilbert谱应用于齿轮故障诊断当中。采用MOWDWPT可将多分量的复杂信号分解为若干个瞬时频率和瞬时幅值具有经典物理意义的单分量之和,然后求出各个单分量信号的瞬时频率和瞬时幅值,再进行组合便可以得到原始复杂信号完整的时频分布。对具有裂纹和断齿的齿轮故障振动信号的分析结果表明,基于MODWPT的Hilbert谱可以有效地提取齿轮振动信号的故障特征。     

改进EMD和HMM的齿轮故障诊断方法应用

首先针对EMD算法中端点效应问题,采用镜像延拓法进行算法改进;而后提出一种相关度选取IMF方法,对分解得到的IMF进行相关分析,选出敏感IMF;进而将有效IMF能量比作为故障特征,采用HMM分类器进行故障识别以实现齿轮的故障诊断,实验结果表明了改进EMD和HMM方法的有效性。     

基于EMD和奇异值分解技术的齿轮故障诊断方法

提出了基于EMD和奇异值分解技术的齿轮故障诊断方法.采用EMD方法将齿轮振动信号分解成若干个基本模式分量之和,并形成初始特征向量矩阵.然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为齿轮振动信号的状态特征向量,通过建立距离判别函数判断齿轮的工作状态和故障类型.对实验数据的分析结果表明,本文方法能有效地应用于齿轮故障诊断.     

EMD和 SVM在变速器故障诊断中的应用

齿轮故障信号具有不平稳特性,故障信号特征向量难提取,典型的齿轮故障数据样本少。针对这些问题,本文提出基于经验模式分解（ EMD）和支持向量机（ SVM）相结合的诊断方法。首先通过传感器采集得到加速度信号,再通过EMD分解将加速度信号分解成多个稳定的本征模态函数信号（ IMFs）。因为SVM能够在小样本集情况下建立决策规则,所以将IMFs的前几项作为特征向量输入SVM训练,对样本训练、测试并诊断故障。齿轮故障诊断实验结果表明：本文所提出方法诊断准确率达92.5％,可实现齿轮故障信息提取和齿轮故障的有效诊断。     

基于VPMCD和EMD的齿轮故障诊断方法

提出了基于VPMCD（Variable predictive model based class discriminate,简称VPMCD）和EMD（Empirical mode decomposition,简称EMD）的齿轮故障诊断方法,并将它应用于齿轮稳态信号的分析。VPMCD方法是一种新的模式识别方法,特别适合于非线性分类问题,它充分利用从原始数据中所提取的特征值之间的相互内在关系建立数学模型,从而进行模式识别。在基于VPMCD和EMD的齿轮故障诊断方法中,首先采用EMD方法将齿轮振动信号自适应地分解为若干个单分量信号,然后提取各个分量的样本熵并将其作为特征值,最后采用VPMCD分类器进行故障识别和分类。结果表明该方法能够有效地突出齿轮故障振动信号的故障特征,提高了齿轮故障诊断的准确性。     

基于改进EMD与形态滤波的齿轮故障特征提取

针对齿轮故障特征往往被强背景噪声淹没的问题,提出一种改进EMD与形态滤波相结合的齿轮故障特征提取新方法。首先采用开－闭、闭－开级联而成的组合形态滤波器对原始故障信号进行消噪处理,然后通过EMD方法将包含在齿轮故障信号中的各个频率族信号分离,再采用互信息方法消除传统EMD分解结果中包含的虚假分量,最后利用分解得到的各阶固有模态函数为单一分量调制信号的特点,通过差值形态滤波的方式对分量信号进行解调以提取故障特征。齿轮故障实验信号的研究结果表明：该方法可有效的提取齿轮故障特征信息并抑制噪声,而且能够取得比传统包络解调分析更好的效果。     

基于EMD的奇异值分解技术在滚动轴承故障诊断中的应用

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于经验模态分解(EmpiricalModeDecomposition,简称EMD)和奇异值分解技术的滚动轴承故障诊断方法。该方法首先采用EMD方法将滚动轴承振动信号分解为多个平稳的内禀分量(IntrinsicModefunction,简称IMF)之和,并形成初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为滚动轴承振动信号的故障特征向量,并输入神经网络来识别滚动轴承的工作状态和故障类型。实验分析结果表明,本文方法能有效地应用于滚动轴承故障诊断。     

基于EMD和功率谱的齿轮故障诊断研究

提出了一种基于经验模态分解EMD（Empirical Mode Decomposition）的齿轮裂纹故障诊断的新方法。EMD方法具有自适应的信号分解和降噪能力，EMD是先把时间序列信号，分解成不同特征时间尺度的固有模态函数（Intrinsic Mode Function，简称IMF），然后通过选取表征齿轮裂纹故障的IMF分量进行功率谱分析，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：该方法能有效地识别齿轮的齿根裂纹故障。     

基于EMD和AR模型的滚动轴承故障诊断方法

提出了基于EMD(Empirical Mode Decomposition)和AR模型的滚动轴承故障诊断方法。该方法用EMD将滚动轴承振动信号分解成若干个平稳的IMF(Intrinsic Mode Function)分量，对每一个IMF分量建立AR模型，以模型的自回归参数和残差的方差作为特征向量建立Mahalanobis距离判别函数，进而判断滚动轴承的工作状态和故障类型。实验结果分析表明，该方法能有效地应用于滚动轴承的故障诊断。     

时频分析在旋转机械故障诊断中的应用

针对旋转机械发生故障时振动信号的不平稳性，利用时频分析中的小波尺度图和再分配后的小波尺度图对点碰摩、松动、裂纹和油膜失稳故障进行对比分析，结果表明再分配小波尺度图比传统小波尺度图，具有更高的时频分辨率，可以更好地识别转子早期故障。     

小波包分析在齿轮故障诊断中的应用

基于小波包对信号的高分辨率分解和重构能力,把信号分解到不同频段,然后选择有效频段进行故障信号重构,分离出故障信息。通过对含有周期冲击的信号进行分解处理,展示了小波包分析在特征提取中的优点。通过对减速箱齿轮故障信号进行降噪、分解处理,表明该方法可以有效地提取故障信号中的周期冲击成分。     

设备故障诊断的关联矩阵方法研究

本文提出了系统关联矩阵的概念,在此基础上提出了故障诊断的一种新方法——基于关联矩阵的诊断方法。关联矩阵的方法可以很好地解决故障诊断中的信息冗余、多信息融合、可诊断性的一些问题。关联矩阵诊断方法的核心是系统关联方程和系统测量方程。该方法能将测量信号的分析处理和故障的定位很好地结合起来。     

离散余弦变换在滚动轴承故障诊断中的应用

本文探讨了应用离散余弦变换分析滚动轴承故障的方法,采用小波基将滚动轴承振动信号变换到时间－尺度域,对高频段的小波系数用离散余弦变换进行包络分析。通过对滚动轴承具有外圈缺陷、内圈缺陷的情况下振动信号的分析,说明这种方法可以有效的用于效地用于滚动轴承的故障诊断。     

EMD算法的位置敏感性分析

经验模态分解法虽然有许多优点，也已在一些领域取得了应用，但是，其本身可能还存在着一些问题，阻碍了它的进一步应用。文章探讨信号的位置敏感性问题，即两个信号随着它们叠加时相对位置的不同，使用经验模态分解后所得的结果是不同的。然后从基本原理出发，给出了信号的幅值、频率、相位和位置对分解能力影响的关系式，并用实验验证了这一关系式。     

环境激励下基于奇异谱互熵的结构损伤诊断方法

环境激励下的结构响应是一个随机过程,结构发生破损时其响应将随之变化,因而可将描述随机过程特性的参数作为评判结构状况的指标。熵是测量随机过程不确定性的一个比较方便的方法,能够用于高斯及非高斯分布的情况。在相空间重构与奇异值分解的基础上建立了奇异谱互熵的概念,提出了一种环境激励下用奇异谱互熵诊断结构损伤的方法。以ASCE学会提出的基准结构为对象进行研究,利用NExT技术获得响应,采用伪邻近法确定相空间的嵌入维数,讨论了不同工况及噪声对诊断结果的影响,分析结果验证了该方法的有效性和鲁棒性。     

机械噪声故障诊断中小波变换的应用

本文讨论了小波分析理论在机械噪声故障诊断中的应用。为了识别发动机噪声信号中表征故障的间歇性撞击声,本文构造的一种新型的小波——指数衰减型小波函数,它能有效地识别出间歇性撞击声。本文最后给出了实验结果并与经典高斯型小波分析的结果进行了比较。     

希尔伯特变换在信息处理中的应用

阐述了希尔伯特变换及其在信息处理中的应用，提出了希尔伯特变换的新的应用领域──实现图象边缘增强。     

模糊聚类分析法在抽风机故障诊断中应用

介绍了模糊聚类分析的理论和方法,讨论了数据规格化的三种方案,指明极差值是数据规格化最简便的方案。并将该理论应用于抽风机故障诊断研究中,在样本中引入正常状态和故障状态时的样本数据,运用基于传递闭包的模糊等价矩阵进行聚类分析,并通过待检测数据检验其可靠性。通过实例检验表明,理论分析与现场检查结果相符,证实了模糊聚类分析对提高抽风机故障诊断能力的有效性。