EMD在非平稳随机信号消除趋势项中的研究与应用

通过研究EMD法的实现过程,在平稳随机信号中加入趋势项,仿真成均值具有趋向性的非平稳随机信号,并用最小二乘法、小波法和EMD法分别进行消除趋势项处理,通过比较消趋后信号和原始信号的均值、方差和相关系数等参考量,提出具有自适应性的EMD法在剔除非平稳随机信号趋势项中的可行性和实用性。     

经验模式分解在旋转机械非平稳振动信号表征中的应用分析

由于旋转机械常工作于非平稳、高负荷等工况,易出现故障.测试得到的振动信号中包含丰富的设备运行状态信息,对研究旋转机械的非平稳信号非常重要.旋转机械振动加速度信号通常为多源激励响应,其构成成分多、频率结构复杂,是一种典型的多分量信号.经验模式分解可以实现多分量信号的自适应分解,为旋转机械非平稳多分量振动信号时变特征的揭示...     

经验模分解中的间歇性控制方法改进及分解精度控制

提出了根据固有模式函数相邻零值点距离的间歇性控制准则,并提出通过多次间歇性控制来提高经验模分解滤波精度的方法。对合成信号分离的算例表明,与使用IMF相邻峰值距离的间歇性控制方法相比,使用这个准则分离出的信号更接近于原信号。本文还提出用IMF上下包络线平均值的最大幅值与IMF最大幅值的比作为EMD分解精度控制准则,这个准则更为直观和便于使用。     

基于小波变换和EMD方法提取趋势项对比研究

分析了小波变换和经验模态分解方法 (EMD)提取信号趋势项的理论和算法,并通过对仿真确定信号加趋势项,基于小波变换和经验模态分解两种方法对振动信号趋势项提取分离,将两种方法所得结果进行比较研究。结果表明,EMD方法提取趋势项,过程更简洁,结果更准确、可靠。     

基于经验模态分解的旋转机械振动信号滤波技术研究

把经验模态分解方法引入了旋转机械振动信号滤波领域,详细地解释了这种方法及其算法。通过对一个带高频毛刺干扰的振动信号的经验模态分解与本征模函数的组合,演示了基于经验模态分解的振动信号滤波的方法。把振动信号滤波前后的波形进行了比较,发现基于经验模态分解的信号滤波方法对振动信号滤波有较好的效果。     

基于能量的振动信号经验模态分解终止条件

经验模态分解(Emprical Mode Decomposition,简称EMD)主要思想是把一个时间序列的信号分解成不同尺度的本征模函数(Intrinsic Mode Function,简称IMF).EMD算法用残余量极值点数量小于2来终止分解,该终止条件有无关组分多和分解速度慢的缺点.针对该缺点,提出了采用残余能量小于设定值的EMD分解终止条件.通过对非线性和实例振动信号的试验研究表明,基于能量的EMD分解终止条件既可以减少分解的无关组分,又可以提高分解的速度.该研究成果能广泛地用于振动信号分析领域.     

运用改进掩膜信号法的经验模态分解

为了克服经验模态分解中出现的模态混叠现象,提出了一种基于改进的掩膜信号法的经验模态分解方法。该方法通过设置掩膜信号,并依据能量法优化掩膜信号的选择,结合经验模态分解达到了消除模态混叠现象的目的,并利用仿真信号以及齿轮箱振动信号进行了验证。试验结果表明,该方法可有效分离混叠模态,提取有用信号。     

改进经验模态分解在动平衡信号提取中的应用

在变频结构干扰和强噪声背景下，传统方法从原始振动信号中提取动平衡信号的精度不高。本文采用经验模态分解可以根据实时振动信号的局部特征时间尺度，将其自适应分解为有限多个由高频到低频排列的、正交的本征模态函数；同时利用自回归预测模型延拓信号端点，以消除分解过程的边界效应对低频动平衡信号的影响；最后，根据功率谱密度可以快速、有效地判断出代表基频信号的本征模态函数。实验结果证明，该方法可以高精度提取动平衡信号，在相同测量条件下，能够获得较高的一次不平衡量降低率和较好的重复性能。     

基于经验模态分解的混沌噪声背景下弱信号检测与信号提取

基于经验模态分解方法,研究了在强混沌噪声背景下进行弱信号的检测与信号提取。对仿真信号的研究表明:用该方法可以直接提取出微弱的偶然性和周期性冲击时域信号,对弱谐波信号可能不能直接提取,但可以直接提取出其频率特征,这些弱冲击信号和弱谐波信号完全淹没在强的混沌噪声背景信号中,无论从时域上还是频域上基本上都看不出来。对齿轮箱的实际信号的研究也表明:尽管某些故障信号有时极其微弱,EMD方法也能有效地实现这些非线性非平稳信号的分离和提取,从而为机械设备故障诊断提供直观的有效的参考。     

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。     

经验模态分解在管道缺陷漏磁检测信号处理中的应用研究

针对管道缺陷漏磁检测信号中存在严重噪声干扰的问题，将经验模态分解方法用于漏磁检测信号的噪声分离和有效信号提取，对实际测试的与输油管道材质相同且具有人为模拟缺陷的漏磁信号进行处理，结果表明，该方法可以很好地抑制噪声从而得到清晰的、表征缺陷特征的有用信号，达到与小波变换相同的处理效果，同时克服了小波方法中基函数选择困难的问题。     

转子启动信号处理中的低频分量提取研究

针对传统滤波方法处理非平稳信号的不足,提出利用经验模态分解法来处理转子启动信号,通过此方法的自适应滤波特性来提取这类信号中的低频分量。首先,用模拟信号对此方法进行验证。然后,应用于实际转子启动信号的处理中。结果表明,隐含在信号中的低频分量被成功地提取出来。根据转子系统的特性进行分析,指出此低频分量实质上是转子公转时所围绕中心点的漂移轨迹,其幅值必须在一定的范围内,否则转子系统可能存在故障。因此,该物理量的提取对转子系统的故障诊断有重要作用。     

一种非平稳转速下不平衡信号提取方法

针对动平衡测量中实际存在的转速波动问题,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和瞬时频率估计的不平衡信号提取方法。与传统的平稳信号分析方法不同,该方法采用3次样条插值法从键相信号中获取转子的瞬时频率,由瞬时频率构造不平衡信号,进而采用最小二乘法(least square method,简称LSM)辨识出不平衡信号的幅值和相位。为提高幅值和相位估计的精度,采用EMD算法对振动信号进行滤波处理后,再从中抽取数据样本。仿真和实验结果表明,该方法能够有效克服转速波动和干扰信号对不平衡信号提取精度的不利影响,提高不平衡量测量精度和稳定性,非常适合于工程应用。     

EMD端点效应抑制的一种实用方法

根据工程上常见的非平稳随机信号可预测性差、波形不规则等特点,在研究和总结现有端点延拓方法的基础上,提出了一种实用的端点效应抑制方法——极值平移法。该方法以信号端点及其附近极值的特征作为延拓依据,分别在信号两端各添加2个极大值点和2个极小值点,以此达到抑制端点发散的目的。仿真信号和实测响应的分解结果表明,该方法计算效率高,可有效减轻端点效应对经验模态分解(EMD)结果的影响。     

EMD方法在转子局部碰摩故障诊断中的应用

针对转子系统局部碰摩故障振动信号的特征，将经验模态分解方法（Empirical Mode Decomposition，简称EMD）应用于转子局部碰摩故障诊断中。采用EMD方法对转子振动信号进行分解，实现碰摩、背景和噪声信号分离，从而提取转子系统局部碰摩振动信号的故障特征。试验分析结果表明，对具有局部碰摩故障的转子振动信号进行EMD分解得到的基本模式分量（IMF）具有明显的调幅特性，而其他状态下的转子振动信号经过EMD分解后得到的IMF分量没有明显的调幅特性。因此，EMD方法可以有效地应用于转子系统局部碰摩故障诊断中。     

Hilbert-Huang变换及其在纱线故障诊断中的应用

阐述了Hilbert-Huang 变换的基本原理,以实际的纱线信号为例,通过经验模态分解(EMD)将纱线信号分解成有限个固有模态函数(IMF),并求得纱线信号的Hilbert谱.结合分析纱线信号的波谱图和Hilbert谱图,判断出故障产生的原因.