基于支持向量机和窗函数的DEMD端点效应抑制方法

在微分经验模式分解过程中,由于信号端点处极值点不确定,导致在样条曲线构造信号上下包络线的过程中产生端点效应,影响微分经验模式分解的质量。针对此问题,提出一种支持向量机延拓和窗函数相结合的方法来解决微分经验模式分解中的端点效应,通过采用支持向量机对信号两端进行数据延拓,再对延拓后的信号加特殊窗函数处理,减小延拓误差。通过仿真分析和滚动轴承故障诊断实例分析表明,该方法能较好地抑制微分经验模式分解的端点效应,提高信号分解的精度,得到准确的分析结果。     

振动信号包络线的稀疏重构最优化算法研究与应用

经验模态分解是处理非线性、非平稳信号的有效方法,其核心关键是包络线的提取。针对目前提出的包络拟合算法所存在的端点效应、拟合误差大、抗噪性低等问题,在文献[9]的基础上,提出一种基于稀疏复原最优化算法提取信号包络线的方法。首先利用外罚函数将包络线稀疏优化模型的凹问题转换为凸二次规划问题;其次采用混合变异粒子群算法对改变稀疏基频带宽度的变化因子m进行全局寻优,利用最优变化因子构建适合包络线变化趋势的最佳稀疏基,然后将采集信号的所有极值点作为稀疏重构过程中的观测值,利用最佳稀疏基与观测值建立稀疏重构模型,使用内点法对该模型进行处理,最终自适应地得到了全局最优的包络线信号。结果表明,该方法可以有效抑制端点飞翼问题,粒子群算法的引入可以自适应地匹配最优的稀疏基映射带宽,在拟合精度和抗噪声等性能方面获得了比文献[9]更好的效果,有效提高了包络线拟合精度和抗噪性。     

基于优化匹配追踪稀疏分解的微弱超声回波提取

为提高低信噪比环境中微弱超声回波信号的提取性能,提出优化的匹配追踪(Matching Pursuit,MP)稀疏分解的超声回波提取算法。该算法将具有连续空间搜索能力的粒子群优化(Particle Swarm Optimization,PSO)算法引入到MP稀疏分解中,以缓解原子集的遍历有限性需求与超完备性之间的矛盾,通过改进粒子群算法的参数自适应设置及MP算法的目标函数和重构函数,实现自适应的PSO-MP稀疏分解算法,并建立了连续伽柏(Gabor)原子集,提高了最优原子与不同参数超声回波信号的匹配程度,最后由最优原子集通过重构函数对回波信号进行重构,实现对回波的降噪和准确提取。实验结果表明,该算法显著降低了计算量,效果优于已有小波阈值等算法且具有较好鲁棒性。     

斜拉索振动信号的包络线稀疏复原算法

经验模态分解算法在故障诊断、信号去噪、趋势预测和趋势消除等很多领域具有广泛的应用价值。信号包络线提取是经验模态分解算法的核心关键技术,直接影响分解结果的效果。目前在信号处理中常用的包络分析法有Hilbert变换、广义检波滤波、三次样条插值法和偏微分方程建模等,但是这些方法存在提取包络线精度不高、端点效应等不足,尤其是端点抖动效应导致很大的包络线提取误差。将信号的极值点看成是包络线信号的某一变换域上稀疏采样点,引入了稀疏优化算法对这些极值点进行包络线的稀疏优化复原。首先研究分析包络线的平稳变化特性,以此构建变频的DCT稀疏基;其次求解信号的极值点,以信号的极值点集用于稀疏优化算法的观测值;然后采用正交匹配追踪算法进行包络线的稀疏复原求解;最后对实际斜拉索振动信号进行算法测试和应用,通过与三次样条插值法进行比较分析,结果表明本算法不仅可以提高提取信号包络线的精度,还可以有效的抑制端点效应。     

稳健的稀疏信号单快拍波达方向估计

通过稀疏重构得到传感器阵列输出数据的稀疏表示模型,研究了单快拍采样情形下的信号到达角(Direction of Arrival, DOA)估计问题。提出了一种基于最小均方误差(Minimum Mean-Square Error, MMSE)准则迭代实现的单快拍到达角估计算法(Iterative Implementation of MMSE, II-MMSE)。该算法将原有的稀疏表示模型中稀疏信号矢量的求解问题,转化为迭代求解稀疏功率对角阵,进而估计多目标信号的DOA。给出了算法的完整实现流程,从理论上分析了II-MMSE算法的迭代收敛性和对阵列模型误差的鲁棒性。仿真结果表明,II-MMSE算法在低信噪比、相干背景、小样本、阵列未校准等条件下都具有良好的测向精度和多目标分辨能力。     

基于稀疏信号功率迭代补偿的矢量传感器阵列DOA估计

针对现有稀疏信号功率迭代算法对方位相近目标分辨概率与估计精度较低问题,提出了一种稀疏信号功率迭代补偿的矢量传感器阵列波达方向(Direction of Arrival, DOA)估计方法。基于稀疏信号补偿原理和加权协方差矩阵拟合准则,构建了关于稀疏信号功率与补偿权重的目标函数。推导了稀疏信号功率迭代更新表达式的闭式解。通过对稀疏信号功率进行谱峰搜索获得DOA估计值。理论分析表明,所提算法通过对离散网格点上的信号功率进行补偿提高了方位相近目标的分辨率概率与估计精度。仿真结果表明,相较于经典子空间算法与现有稀疏功率迭代算法,所提算法对方位相近目标具有较高的分辨概率与估计精度。     

基于均生函数周期叠加外推法的EMD端点问题的研究

HHT过程存在端点效应问题,针对端点效应的产生机理,并在研究现有端点效应处理方法的基础上,提出了一种基于均生函数周期叠加外推法的端点延拓方法。通过构造信号序列的均生函数延拓矩阵,从中提取优势周期,将各周期叠加并作外延,来对信号端点外的数据进行预测。该方法克服了现有各种极值延拓方法仅参考两端点附近的有限个极值点的缺陷,并且相比其它数据预测延拓方法精度更高、算法简便且计算时间大大缩短。仿真和实例信号证明,该方法能够有效抑制端点效应。     

互补集合自适应最稀疏窄带分解及其应用

自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)是在包含内禀模态函数(Intrinsic Mode Functions, IMF)的过完备字典库中搜索信号的最稀疏解,将信号分解转化为优化问题,但在强噪声干扰时计算精度仍有待提高。因此在结合了互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)算法,得到了新的互补集合自适应最稀疏窄带分解(Complementary Ensemble Adaptive Sparsest Narrow-band Decomposition,CE-ASNBD)方法。此方法是加入成对符号相反的白噪声到目标信号,从而减小重构误差,在对滤波器参数的优化过程中实现信号的自适应分解。对仿真和实验数据的分析结果表明,该方法在抑制模态混淆、端点效应、性能、提高分量的正交性和准确性等方面要优于CEEMD和ASNBD方法,并能有效应用于滚动轴承故障诊断。     

LEMD端点延拓方法及其在微震信号降噪中的应用

针对非平稳的微震信号,采用经验模态分解(Empirical Mode Decomposition,EMD)方法对其滤波、消噪。但该方法在应用中存在严重的端点效应,会影响分解结果。为了改善端点效应,针对微震信号低频特点,提出了基于LMS自适应滤波器对微震数据端点处进行波形延拓的方法。LMS自适应滤波器经过信号内部的数据训练后从端点处向左右延拓波形,延拓过程中生成符合内部信号趋势的极小值和极大值,波形的延拓长度由延拓算法自适应决定。在EMD对信号分解过程中得到前一层模态分量后均再次对剩余信号进行延拓,进而进行下一层分解,以此修正插值算法带来的误差。最后根据信号频率特点对得到的模态分量有选择的重构,达到降噪的目的。利用仿真数据和煤矿微震监测数据对LMS自适应延拓法进行了验证,结果表明该方法能够明显减小经验模式分解的端点效应,特别对低频的微震信号有很好效果。     

一种EMD改进方法及其在旋转机械故障诊断中的应用

针对经验模态分解(Empirical Mode Decomposition, EMD)中存在的端点效应问题,提出一种波形特征匹配延拓与余弦窗函数相结合的改进方法。首先对信号进行波形特征匹配延拓,实现延拓数据与原信号交界处的光滑过渡,避免边界处瞬时频率的跳跃;其次针对该延拓方法存在延拓误差的问题,对信号加余弦窗处理,将延拓误差控制在信号两端,使其无法(或以较慢速度)向数据内部发展,保证信号有效数据的正确分解,提高信号的分解精度,实现EMD算法的改进。通过仿真分析和不对中故障诊断实例研究表明,该方法能较好地抑制EMD端点效应,实现旋转机械故障的有效诊断。     

基于总体平均经验模态分解算法的自适应改进

目前较为广泛使用的总体平均经验模态分解算法(EEMD)不能实现桥梁结构响应信号的自适应分解和重构,基于此,针对EEMD算法的不足,提出了能够实现桥梁结构响应信号自适应分解与重构的改进算法:首先引入自适应极值点匹配延拓算法以抑制端点效应;再对分解信号进行聚类分析以避免模态混叠现象;最后利用各本征模态函数(IMF)对应的信息熵、能量密度和平均周期构建筛选有效IMF分量的指标(有效程度系数),以实现有效IMF分量的自动筛选,再利用筛选出的有效分量对桥梁结构响应信号进行重构。模拟信号和简支梁桥仿真算例表明,所提改进算法能够更有效、更准确的实现桥梁结构响应信号的自适应分解与重构。     

麻雀算法参数优化VMD联合K-SVD的滚动轴承故障诊断

针对经典K-均值奇异值分解(K-means Singular Value Decomposition,K-SVD)易受噪声干扰产生虚假原子,导致信号稀疏不彻底、故障特征识别困难的问题,提出基于麻雀算法优化变分模态分解(Variational Modal Decomposition,VMD) 参数联合K-SVD的滚动轴承故障诊断方法。首先引入包络熵适应度函数指标并基于麻雀算法优化VMD的模态层数k 和平衡因子α。其次利用平方包络谱峭度指标遴选最优模态,以所选模态分量相空间构造Hankel 矩阵进行K-SVD字典学习。最后对恢复至时间序列的稀疏重构信号进行包络解调,提取轴承故障特征频率。通过轴承故障仿真信号和全寿命实验信号进行验证,证明相较于经典K-SVD算法,所提方法在低信噪比条件下在轴承故障特征提取方面具有优势,有一定的工程应用价值。     

基于小波去噪和经验模态分解算法的足尺人造板动态称重研究

为了在振动状态下测量出足尺人造板质量,提出了一种基于小波去噪和经验模态分解的动态称重方法。采用小波去噪对力传感器的采样信号进行预处理,降低噪声对经验模态分解产生的影响;采用更合理的本征模函数筛选停止准则和端点效应抑制方法,提高动态称重精度;利用LabVIEW编写动态称重程序并进行试验。结果表明,该方法可以有效测得自由振动状态下的足尺人造板质量,且最大称重误差在0.4%以内。     

基于最大相关波形延拓的经验模式分解端点效应抑制方法

针对端点效应使经验模式分解（Empirical Mode Decomposition,EMD）结果出现畸变,严重影响算法精度的现象,提出了一种新的抑制经验模式分解端点效应的方法：最大相关波形延拓法。该方法借鉴匹配追踪算法思想,将信号端点处波形向信号内部平移,以找出与之最相似的波形,然后以最相似波形外侧的一段数据作为信号端点外数据的估计。利用仿真数据和某炼油厂风机轴瓦振动数据对最大相关波形延拓法进行了验证,结果表明该方法能够明显减小经验模式分解的端点效应,特别对周期信号和循环平稳信号有很好效果。同时,所提出的方法具通用性,能够减小数字滤波、小波分析等信号分析方法中端点效应对算法精度的影响,具有较大的理论意义和实用价值。     

基于最小平方距离相关的EMD改进算法及应用

包络线的拟合是经验模式分解中的关键一步,但由于信号端点处极值的不确定性导致在信号上下包络线拟合过程中存在着严重的端点效应问题;在分析现有解决端点效应问题方法的基础上提出了基于最小平方距离相关的数据端点处包络线拟合方法。该方法在信号内部寻找与端点处信号变化趋势相关度最高的一段波形,并用此段波形的包络线来重新刻画端点处的包络线。仿真和实际信号的分析证明,基于最小平方距离相关的数据端点处包络拟合方法能够有效的抑制端点效应,算法简单并且易于实现     

爆破地震波信号EMD端点效应抑制研究

针对爆破地震波信号经验模态分解(EMD)得到的IMF在端点处的发散现象，提出一种同时考虑信号端点发展趋势和全局时间-能量联合参数的改进EMD端点效应抑制算法。该算法首先考虑端点变化趋势得到延拓后的边界局部特征尺度X₀,再计算X₀的能量E₀,找到原始信号中和E₀最匹配的分段信号X_k,最后用X_k代替X₀进行EMD。通过建立仿真信号，验证该算法和常规端点效应抑制算法相比，对EMD端点效应具有更好的抑制能力，能够得到精度更高的IMF。最后将该算法用于实际爆破地震波信号分解中，发现提出的算法能够有效抑制EMD端点效应，有利于爆破地震波信号细节特征参数的提取。     

EMD改进方法研究及其在燃气轮机工频特征提取中的应用

为抑制经验模态分解(empirical mode decomposition,EMD)处理过程中的端点效应,在整理和研究现有方法的基础上,提出一种镜像延拓和极值平移相结合的端点处理方法,在最大程度地融合两种传统方法优点的同时尽可能地还原信号边界特征。该方法通过构造特征平行四边形使延拓极值处于理想区域,从而避免三次样条差值过程中包络线与信号交叉的产生,并引入Blackman窗函数对延拓信号进行边界处理,进而有效地控制延拓误差影响。经过仿真信号验证与实测信号分析,对比镜像延拓、极值平移与加窗边界处理方法的端点抑制效果,证明该改进方法能有效地抑制分解过程中出现的端点效应,并能在高频噪声干扰下较完整地提取低频信息,为燃气轮机工频特征的获取提供可靠的保证。     

基于多层多位置稀疏的滑动轴承AE信号降噪

滑动轴承的声发射(Acoustic Emission,AE)信号噪声污染严重,限制了K均值奇异值分解(K-means Singular Value Decomposition,K-SVD)字典算法的降噪能力。基于此,结合AE信号特点,提出了基于多层多位置稀疏的滑动轴承AE信号降噪算法。首先提出移动标尺策略重构AE信号,使信号获得多层多位置的稀疏特性,解决了K-SVD容易忽略原子间隐藏信息的问题,然后通过灰色B型绝对关联度降低字典原子冗余度,提高字典运算速度。因此,与传统的K-SVD算法相比,该算法具有更好的降噪性能。应用到实例中,该算法成功获得了滑动轴承不同程度摩擦状态的变化,证明了该算法的有效性。     

一种基于GEP的EMD端点效应抑制方法

针对经验模态分解(EMD)在分解信号时存在的端点效应问题,为抑制端点效应对信号分析带来的影响,进一步提高EMD分解准确度,提出基于基因表达式编程(GEP)的EMD改进算法。通过仿真实验与镜像延拓等其他3种常用端点效应抑制方法作对比,并计算评价端点效应的两个指标,最后,通过这4种方法分别测量出原始信号的瞬时频率以作验证。仿真结果表明:基于GEP的EMD改进算法在分解信号后各分量两端发散程度最小,评价指标也均优于其他3种传统的改进方法,且更加准确地测量出原始信号的瞬时频率。证明该改进算法能更有效地抑制EMD端点效应,具有更高的应用价值。     

基于状态空间响应面方法的结构系统可靠度分析

提出一种在有限元分析中判定结构系统是否失效的准则。实例验证该准则具有较高的可信度。依据该准则经有限元分析可确定样本点所在的状态空间。建立起一种重构结构功能函数的统一方法:状态空间响应面方法,解决了一般响应面方法不能求解输出变量不连续分布的问题。该方法以样本点距离失效空间和可靠空间的距离之差作为样本点的输出变量。数值仿真实例表明该方法有一定的广泛性并具有较高的精度。