基于局部均值分解和极值延拓的旋转机械故障特征提取方法

局部均值分解对非平稳、非线性故障信号进行平稳化处理时表现出特有的分析能力,能够有效获得故障信号的时频特征,然而局部均值分解过程中存在的端点效应严重影响信号的分解效果。针对这一问题,提出了一 种基于局部均值分解和极值延拓的旋转机械故障提取方法。首先采用极值延拓方法处理信号的两个端点,左、右端点均分别延拓2个极大值和2个极小值,然后对延拓后的信号进行局部均值分解,提取信号中包含的故障特征。仿真结果表明,经过极值点延拓后,局部均值分解过程中的端点效应得到了有效抑制,最后以轴承内圈故障为例在 实验平台进行了实验研究,实验结果表明,该方法能有效提取出旋转机械故障特征。     

基于匹配延拓的ITD边界效应抑制方法研究

作为一种新的非平稳信号处理方法,固有时间尺度分解法在将复杂的非平稳信号分解为若干个固有旋转分量过程中,存在着严重的边界效应问题。本文针对抑制边界效应提出了五种数据延拓方法：自适应波形匹配、基于AR模型的延拓方法、镜像延拓方法、多项式延拓方法、反对称周期延拓法。通过数学模拟实验比较这五种方法的抑制效果,选出最优方法。将最优方法用于仿真信号和轴承故障振动信号分析,结果表明该方法能够有效地抑制边界效应,可更好地提取机电设备故障特征。.     

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。     

一种求解信号包络曲线端点值的新方法

近年来出现了一种能有效分析非线性、非稳定振动信号的新方法,即希尔伯特-黄变换法。该方法通过三次样条插值分解信号时会在其边界处出现端点效应问题。在深入研究端点效应问题基础上提出一种能有效解决该问题的新方法,即最近一次极值镜像延拓法。将该方法应用到非线性信号分析中,结果表明该方法不仅能有效抑制端点效应,而且还能提高非线性信号分解的准确性,同时具有简单易行、适应性强、通用性好等特点,对水泵机组运行时泵站厂房结构的振动监测具有一定的实用价值。     

改进EMD端点效应电力系统HHT谐波检测研究

为对电力系统谐波进行有效的检测,提出一种改进的基于镜像延拓的方法对信号数据边界进行端点处理。通过对端点和极值点的判断比较来选取镜面进行延拓,按照包络原则对延拓之后的信号进行经验模态分解(EMD),并得到IMF分量。仿真实验结果表明:改进后的方法幅值及频率检测准确度明显优于改进前,能够有效改善EMD端点效应,准确快速地分解出各种模态的谐波,适用于电力系统谐波的检测。     

基于BLCS-AME的爆破地震波信号EMD端点效应抑制研究

针对爆破地震波信号经验模态分解(Empirical Mode Decomposition, EMD)固有的端点效应问题,提出了一种基于边界局部特征尺度自适应匹配延拓(Boundary Local Characteristic Scale and Adaptive Matching Extension, BLCS-AME)的EMD端点效应抑制方法。该方法将原始信号全局时间参数之间的内在联系和信号在端点处幅值参数的局部变化趋势进行联合考虑,得到了延拓后的边界局部特征尺度(BLCS),再以BLCS为研究对象,在原始信号中找到与BLCS匹配度最高的一组时间序列,最后将该时间序列平移到端点处进行EMD,即可实现基于BLCS-AME的EMD端点效应抑制处理。通过多种方法仿真信号EMD端点效应抑制的对比分析,可得出结论：与常规端点效应抑制方法相比,BLCS-AME方法对EMD端点效应具有更好的抑制能力,能够得到精度更高的固有模态函数(Intrinsic Mode Function, IMF),研究结果更能反映信号的内在属性。最后将该方法用于实际爆破地震波信号EMD中,进一步验证该方法能够有效抑制爆破...     

Hilbert-Huang变换中的一种端点延拓方法

EMD(Empirical Mode Decomposition)是Hilbert-Huang变换中的关键一步,但其在构造极值点上下包络线的过程中存在着严重的端点效应问题。在现有解决该问题方法的基础上提出了一种相似极值延拓方法。该方法将数据两端相邻极值点的横坐标差值作为极值形状特征,再利用该形状特征和已知极值点的均值对信号进行延拓。克服了现有延拓方法仅参照数据端点处极值点进行延拓的缺陷,综合考虑了数据序列两端极值点变化与其它极值点信息对信号进行延拓。仿真和实例证明,相似极值延拓方法能够有效的抑制端点效应,而且算法简单且易于实现。     

一种改善EMD端点效应的可行方法

EMD方法自1998年推出以来已经成功地应用在许多非线性研究领域,但是,在应用EMD方法时有一个非常棘手的问题即端点效应问题。本文基于不必破坏信号本身端部特征的原则,提出了一种对信号端点极值进行合理预测的方法,在信号的端点分别添加两个极值点进行极值延拓。通过仿真实验分析,此方法对于处理较短数据序列,能够有效地抑制端点效应。     

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。