基于小波变换及HHT的轴承故障诊断应用研究

为研究滚动轴承故障问题,将小波变换及HHT(Hilbert-Huang变换)相结合的分析方法,应用于强噪声背景下轴承信号故障的提取.首先将轴承故障信号利用小波变换进行降噪处理,然后应用HHT得到希尔伯特边际谱,从中提取故障特征信息.为准确诊断故障,将方法应用于分析采集的分别具有外圈和内圈损伤的滚动轴承振动信号,并与直接运用HHT分析作比较.结果表明,方法降低了噪声对HHT对振动故障信号分析的干扰,能够更有效的提取轴承故障特征信息,提高轴承故障诊断率.     

自行火炮路面振动信号时频特性研究

自行火炮越野行驶减速停车过程车体的振动是非平稳的,传统的信号处理方法难以得出更多有用信息。利用连续小波变换在时域和频域具有的良好局部化特性,结合传统信号分析手段,对某型自行火炮减速停车过程的振动加速度信号进行了时频分析,研究了自行火炮的非平稳振动特性。结果表明：车体振动加速度的幅值和频率均随车速的提高而增大,采样信号小波系数灰度图给出了火炮振动特征随时间和频率的变化规律,克服了传统分析方法的不足。另外,实施了连续小波变换尺度的非等间隔选取,在不影响低频分析准确性的同时,处理结果对分析信号高频成分非常有效。     

基于小波分解与希尔伯特-黄变换的跳频信号检测

现有的基于时频分析的检测方法在时间分辨率和频率分辨率上往往不能同时满足要求,针对这一问题,提出了一种结合小波分解与希尔伯特-黄变换(HHT)的跳频(FH)信号检测方法.利用小波分解去除混合信号中的噪声;利用希尔伯特-黄变换实现跳频信号的检测,避免了传统时频分析过程中窗函数的影响.理论推导和仿真实验表明:本文方法能同时有效地兼顾时间分辨率和频率分辨率,明显改善了跳频信号检测的准确性.     

基于震动信号HHT的车辆分类

震动传感器是智能监控传感器系统的重要组成部分。震动信号是一种非线性非平稳信号。相比于传统的时频分析方法,对希尔伯特-黄变换是一种更有效地处理非平稳信号的时频分析方法。将希尔伯特-黄变换引入到车辆分类中,提取震动信号特征信息,利用经验模态分解(EMD)获得车辆行驶引起的地面震动信号的固有模态函数(IMF),通过选取的固有模态函数得到相应的希尔伯特谱,然后在希尔伯特谱的基础上根据谱峰对车辆进行分类。仿真测试结果表明方法具有很高的正确率。     

基于MATLAB时频分析算法的滚动轴承故障研究

为了确定滚动轴承故障类型,文中首先通过理论计算得到滚动轴承各故障特征频率。其次,对该轴承外壳进行传感器的布置,提取该轴承的振动信号,利用MATLAB对振动信号进行时域分析,随后将FFT得到幅频特性曲线对比故障特征频率初步判断其故障类型。进一步对振动信号进行Hilbert的包络谱分析、利用EMD算法进行Hilbert-Huang变换求得Hilbert边际谱,最终确定故障特征。该时频分析方法所得诊断结果与实际轴承故障类型一致,故此算法可广泛应用于设备滚动轴承故障诊断中。     

基于HHT的信号奇异性检测

针对信号的奇异性,采用基于希尔伯特-黄变换（HHT）的方法进行奇异性分解,即首先利用经验模态分解（EMD）对信号进行分解,再提取第一阶分量的瞬时频率;利用瞬时频率检测信号奇异点。通过对幅值突变、频率突变、脉冲突变和方向突变四种奇异信号的仿真分析,表明了该方法能够准确地检测信号奇异点。     

基于HHT变换的电缆故障脉冲法定位分析

电力电缆故障的实际测试波形与理论波形相差较大,需要经验比较丰富的专业测试人员才能够比较准确地确定出故障位置。针对这一问题,对电力电缆实际故障测试波形采用HHT变换,从而获得与理论波形更为相似的波形。经实际测试,能够获得更为准确的测试结果,为电力电缆故障定位提供了一种更为有效的方法。     

Hilbert-Huang变换在语音信号精细时频分析中的应用

语音信号是一种典型的非平稳信号,其特性及表征本质特征的参数均是随时间变化的,而时频分析是分析时变谱的有力工具,Hilbert-Huang变换是一种新型的具有自适应性的时频分析方法,对于非线性、非平稳信号有清晰的物理意义,通过HHT变换,能够得到信号的时间-频率-振幅三维分布特征。分析了HHT算法的原理,采用了合适的端点效应处理方法提高了EMD的分解精度,通过仿真实验得到了语音信号更加精细的时频结构,并与STFT、WVD及Choi-Williams分布进行了对比,显示了HHT算法的优越性。     

基于FRFT及Wigner—Hough变换的非平稳信号时频分析

考虑到时频分析在非平稳信号处理中的广泛应用,本文比较了几种常用的时频分析技术,提出了一种基于分数傅里叶变换和Wigner-Hough变换的非平稳信号时频分析方式。仿真实验结果表明,基于分数阶傅里叶变换和Wigner—Hough变换的方法较之常用的二次型时频分布不同的是它消除了交叉项的干扰,同时也很容易估计参数,分析信号的瞬时频率,恢复信号的信息。     

基于HHT算法的扬声器异常音检测技术

为了有效地检测扬声器异常音,提出一种基于希尔伯特-黄变换的异常音识别及去噪方法。分析了小波变换的不足,再进行HHT分析。建立常见的几类扬声器异常音数学模型,并经EMD分解得到包含异常振动信息的IMF分量,利用IMF分量特点进行去噪处理。再求出各模拟异常音信号的Hilbert谱,采用图像二值化技术处理Hilbert谱,和小波变换时频谱比较后证明了HHT方法具有更多的优势。而且,根据不同类型异常音在时频域的特征,即可判断出扬声器异常音类型。matlab仿真实验结果表明,当归一化阈值取为0.065时,会得到清晰的图像,能更精确地检测出异常音类型。     

基于改进的HHT的网络流量预测算法

由于传统的网络流量预测算法对网络流量的线性程度要求高,而现实网络流量多是非线性的,提出一种基于改进的HHT和SVR网络流量预测算法。针对HHT方法存在的拟合过冲和端点飞翼的缺陷,提出一种求取均值曲线的方法对HHT进行改进。实验结果表明,利用该方法得到的包络线效果更好,均值点更加准确,基本消除了过冲的影响,对端点效应有明显改善。     

基于HHT瞬时能频值的耳语音端点检测

由于耳语音信噪比较低,采用传统的算法进行耳语音端点检测存在正确率低、抗噪性能差等问题。提出了一种基于希尔伯特-黄变换瞬时能频值的耳语音端点检测的算法。运用希尔伯特-黄变换,分离出耳语音的瞬时幅值与频率,提取基于时间-能量-频率的特征参数瞬时能频值,利用该特征值对耳语音和噪声进行区分,进行端点检测。对700个信噪比为2～10 dB的耳语音测试样本进行仿真实验,该算法检测的起点正确率与终点正确率均高于零能积法、熵法以及拟和特征法。实验表明,该算法适应于多种非平稳噪声环境,能较好地检测耳语音的端点。     

基于HHT的水中爆炸冲击波信号特征分析

水中爆炸冲击波信号是一种瞬态、非平稳信信号,其信号的处理精度直接影响了冲击波测量精度和爆炸点的定位等。希尔伯特——黄变换（HHT）是一种基于瞬时频率分解的时频信号分析方法。本文介绍了一种利用HHT对水中爆炸冲击波信号的处理方法,研究结果表明,HHT方法对于处理瞬态非平稳信号是非常有效的。     

基于HHT能量和最大Lyapunov指数的蛇行分类方法

现有蛇行监测标准仅考虑构架横向加速度信号的时域幅值信息,通过单一的固定值去评判列车是否蛇行,没有定量反映蛇行失稳对列车的影响程度。针对以上问题,提出基于HHT的能量法,该方法从信号频域主频的大小,频谱的集中性以及频率值等方面来判断高速列车是否发生蛇行运动。在此基础上提出快速蛇行收敛的概念,此类情况对车辆系统运行安全影响较小,因此将其认为是不影响车辆系统安全的信号,并对其进行识别。利用最大Lyapunov指数表征信号的周期性从而区分快速蛇行收敛和蛇行失稳(小幅蛇行和大幅蛇行)。结果表明,通过HHT能量法与最大Lyapunov指数相结合可以对高速列车正常运行、快速蛇行收敛、小幅蛇行和大幅蛇行的四种运行状态进行定性识别,且通过HHT能量值定量反映蛇行程度的大小。最后通过实测线路数据验证了方法的可行性。     

基于小波包变换的超声电机堵转检测

超声电机堵转时对其本身危害很大,对其进行实时检测至关重要。利用小波包变换模极大值原理对电机堵转时的奇异信号进行定位和确定持续时间,通过小波包分解与重构,更好地提取电机堵转时的特征信息。为超声电机的缜密监测、有效控制提供依据,以便采取相应的措施遏制超声电机堵转的发生。     

A novel license plate location method based on wavelet transform and EMD analysis

Although various license plate location methods have been proposed in the past decades, their accuracy and ability to deal with different types of license plates still need to be improved. A robust license plate location method can raise the accuracy of the whole license plate recognition procedure. This paper proposes a robust method based on wavelet transform and empirical mode decomposition (EMD) analysis to search for the location of a license plate in an image to deal with some challenging problems in practice such as illumination changes, complex background and perspective change. By applying wavelet transform on a vehicle image and projecting the acquired details of the image, a wave crest that indicates the license plate will be generated. In order to locate the desired wave crest in the nonlinear and non-stationary projection dataset, EMD analysis is applied. Using the reconstructed projection data and the Hilbert transform of intrinsic mode function components, the position of the license plate is detected. Comprehensive experiments show that this method can locate the positions of various types of license plates with a high accuracy of 97.91% and a relatively short running time.     

基于HHT的小麦碰撞声信号识别研究

采用希尔伯特-黄变换方法分析了小麦完好粒、虫害粒和霉变粒的碰撞声信号,提取了3种类型的声信号在频域的5个特征量,使用BP神经网络进行分类,得到较好的识别结果。实验结果表明,不同类型小麦碰撞声信号在频域存在较大差异,此项研究为实现小麦颗粒的自动识别提供了可行方法。     

基于六脉波交交变频的分频启动方法研究

在分析六脉波交交变频的基础上及根据软启动中的电压双斜坡启动原理,提出了一种基于六脉波交交变频的分频启动方法。该方法根据交交变频原理和晶闸管触发规律,在电动机启动时,直接在电动机定子侧加电动机启动所需最小转矩所对应的电压值,然后逐级增加变频输出电压值,直至最终所需电压。仿真结果表明,通过合理选择变频输出电压的大小,调节每个等级电压作用的时间,能够有效控制电动机分频启动过程中定子电流的大小,获得良好的转矩变化曲线,改善电动机启动性能。     

基于HHT的脱机手写体汉字特征提取

提出了一种基于数学形态学方向笔画提取的希尔伯特一黄变换(HHT)方法,对脱机手写体汉字进行特征提取.通过对HHT得到的Hilbert谱和边际谱的分析,构成4维结构特征和32维统计特征,并对其进行特征融合后得到36维特征向量作为最终的识别特征.试验结果表明其识别率比单独使用Gabor变换、小波变换等方法的识别率高.在识别速度上虽然比矩变换、数学形态学等方法慢,但是比Gabor变换的速度有明显提高,比多方法特征融合的方法在速度上有一定提高.该研究表明HHT作为一种新的信号分析方法,可以被有效地运用于提取汉字图像的特征.