基于总体经验模态分解的桥梁动态位移重构

针对微机电系统(micro-electro-mechanical-systems,简称MEMS)加速度传感器输出信号通过传统二次积分变换为位移信号时精度较低的问题,根据桥梁振动信号的特点,提出了一种基于总体经验模态分解和时域积分相结合的桥梁动态位移重构方法.通过桥梁模拟信号的仿真和振动测试台的验证,分析比较了4种桥梁动...     

基于经验模态分解的汽车动态称重数据处理

在论述经验模态分解(EMD)的基础上,提出了虚假模态的概念.讨论了虚假模态对信号稳态量的影响及其相应的处理方法,结合汽车称重信号的特点,应用EMD方法对实测信号进行了分解,对分解结果进行了分析和说明.5组100个称重信号的分解结果表明,EMD方法对汽车动态称重信号的处理是有效的,车速小于等于30km/h时前轴的偏差为5.23%,后轴偏差为10.30%,总重偏差为6.93%.     

基于经验模态分解和Teager峭度的语音端点检测

采用经验模态分解和Teager峭度的统计特性对噪声环境下的语音信号端点进行检测。利用经验模态分解获得语音信号的本征模态函数,用Teager能量算子计算每个本征模态函数的瞬时能量,并对本征模态函数进行系数—峭度计算,提取信号期望的统计特征信息实现语音端点的检测。通过自适应EMD分解和Teager能量算子的处理,这种方法可以有效地消除白噪声或有色高斯噪声的影响。通过仿真例子说明这种方法可以取得良好的端点检测效果,仿真研究结果表明用经验模态分解和Teager峭度对噪声环境下的语音端点检测是可行的和有效的,提高了检测的可靠性。     

基于ICA的动态测量误差分解重构方法

提出了利用独立成分分析（ICA）方法对动态测量误差进行分解重构的方法。详细介绍了利用ICA方法进行误差分解重构的基本算法,利用三坐标测量机和双频激光干涉仪设计了动态测量误差测量装置,并进行了实验。分别利用自适应滤波、小波分析和ICA方法对动态误差数据进行处理,分离重构线性变化、周期变化的系统误差和动态随机误差。研究结果表明,要精确分析动态测量误差和辨别误差组成成分,必须充分应用测量得到的误差总体样本进行分析。与自适应滤波、小波分析两种方法相比,利用ICA方法可以更有效地精确分离重构线性变化、周期变化的系统误差和动态随机误差。     

基于改进EMD分解的时变结构密集模态的瞬时参数识别

提出基于改进经验模态分解(EMD分解)识别含有密集模态的时变结构的瞬时参数的方法。通过波组信号前处理和正交化经验模态分解方法(OEMD)解决传统的EMD无法分解2个近频模态的固有模态函数(IMF)和IMF分量之间不正交这两个问题,将该方法应用于时变结构密集模态的瞬时参数的识别中,给出基于此方法识别时变结构密集模态参数的步骤,并通过一个含有密集模态的3自由度时变结构算例验证了该方法的正确性、有效性以及识别密集模态的优势。     

基于经验模态分解与神经网络的结构故障诊断

采用经验模态分解对简支梁振动信号进行分解,对分解得到的前4个固有模态函数分别求其能量百分比,并作为神经网络的输入向量.用17种工况的8组样本训练了简支梁故障诊断的神经网络模型.应用该法结果表明,2组测试样本的测试结果均与实际状况相一致,故可检测出结构的故障、故障的类型和故障的位置.     

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改进乘性噪声去除方法

乘性噪声往往由不理想的(时变的或非线性的)信道引起,它与信号是相乘的关系,因此难以消除。在乘性噪声消除应用背景下,引入同态变换去除噪声与信号的相倚性,将乘性噪声转化为加性噪声,并应用经验模态分解技术进一步研究受均匀分布白噪声污染的谐波信号及其同态变型的能量分布特性,据此建立起适用于乘性噪声去除的本征模函数幅值滤波新阈值准则。从而,形成基于经验模态分解的改进乘性噪声去除方法。结果表明,采用柔性阈值的改进算法对乘性噪声的去除效果最佳。而且,基于二阶多项式回归分析所构建的本征模函数幅值滤波阈值准则已经可以获得较高的源信号重建精度,过高的多项式阶次会导致本征模函数幅值滤波阈值与其实际噪声能量水平的失配,从而显著地降低算法的去噪性能。     

基于本征模态函数包络谱的滚动轴承故障诊断

针对滚动轴承故障振动信号非平稳的特征,以及传统傅里叶变换不能反映信号细节的缺陷,引入了一种基于本征模态函数包络谱的方法。首先,采用经验模态分解（empirical mode decomposition,EMD）将滚动轴承故障振动信号分解成若干个本征模态函数（intrinsic mode function,IMF）之和;然后,求出包含主要信息成分的IMF分量的Hilbert包络谱;最后,对照滚动轴承故障特征频率,进而判定故障类型。通过对滚动轴承内圈、外圈故障振动信号的分析处理,表明该方法能有效地提取滚动轴承的故障特征。     

基于经验模态分解/高阶统计法实现微机械陀螺降噪

针对微机电系统(MEMS)陀螺存在的非线性、非平稳噪声,提出了应用经验模态分解/高阶统计(EMD-HOS)的降噪方法对MEMS陀螺进行降噪。首先,采集MEMS陀螺输出信号,根据EMD算法将信号分解成本征模态函数(IMF)。采用Bootstrap技术分别估计各IMF的峰度值,进行高斯特性检验,滤除高斯IMF。接着,使用方差聚合法分别计算IMF的Hurst指数,根据Hurst指数计算阈值,对各IMF进行软阈值处理。将阈值处理后的剩余IMF进行重构,达到降噪的目的。最后,通过交叠式Allan方差分析对滤波前后数据进行处理,绘制Allan方差与相关时间关系曲线,利用非线性最小二乘拟合方法,计算陀螺噪声各项指标。实验表明,EMD-HOS和软阈值处理能够有效地对MEMS陀螺降噪,其信噪比提高了5.6 d B,各项陀螺随机噪声关键指标提高近一个量级。     

数字微镜器件在高动态辐射场景成像探测系统中的应用

由于数字微镜器件（DMD）空间光调制器结合图像传感器能同时探测高动态场景中的亮暗目标,本文研究了DMD在高动态辐射场景成像探测系统中的应用。首先,介绍了DMD实现成像探测的原理,分析了DMD在高动态场景成像探测系统中的驱动控制方法。然后,根据DMD在高动态辐射场景成像探测系统中的工作特性,设计了能使光电成像设备提高66 dB的DMD的驱动控制。文中阐述了系统的主要设计模块和工作参数,并结合实验验证了系统设计的正确性。实验结果表明：该驱动控制方法能够实现对高动态场景中亮暗目标的同时探测,满足对光电成像设备动态范围提高66 dB的要求。若光电成像设备采用11位高灵敏高动态科学级图像传感器,则系统动态范围可达130 dB以上。     

空间光调制器DMD多级谱复频成像的研究

依据DMD空间光调制器的调制特性及复频成像特性,设计了一个紧凑的4f傅立叶变换系统,对DMD的多级衍射谱进行复频输出,极大改善了仅用DMD零级衍射谱作为图像读出的光亮度.利用DMD空间光调制器复频成像输出装置构建的一个合成全息图的拍摄系统,拍摄了具有高对比度、低噪音的合成全息图.     

槽道非定常流场脉动特性的POD分析

针对槽道内非定常流场的脉动程度是影响传质、传热的效率问题,通过构建2DPIV测量非定常流场瞬态速度矢量场的实验系统,分析了2DPIV测量的各个时刻矢量场和涡量分布的形态,获取了非定常流场的循环周期和频率;利用本征正交分解(POD)技术分解了2DPIV的测量非定常流场的瞬态速度矢量场,根据各个模态的能量比,选取前16阶模态作为非定常流场的主导结构模态,并对POD分解的前16阶模态系数进行功率谱分析;结果表明POD分解的低阶模态分别表征了非定常流场的基频和相应的倍频,阐明了非定常流场的脉动机理;非定常流场的脉动是由于一些涡列和余弦形式的波状主流形成的,并将这些涡列以及伴随的波状主流的脉动频率映射到POD分解的低阶主导模态系数上。     

快速自适应经验模态分解方法及轴承故障诊断

提出一种快速自适应经验模态分解(fast and adaptive empirical mode decomposition,简称FAEMD),其算法结构和本征模态函数的特点与经验模态分解(empirical mode decomposition,简称EMD)类似。采用顺序统计滤波器代替三次样条来拟合曲线,简易的终止准则使耗机时间大幅减小。该方法可以快速、有效、准确地分解信号,能够避免终止准则和端点效应问题,改善模态混叠和耗时问题。在滚动轴承故障诊断的应用中,效果表现良好。     

三叶片直线翼垂直轴风力机非定常流场速度分析

垂直轴风力机在回转过程中,叶片尾流的相互干涉和叶片攻角变化,使垂直轴风力机周围流场异常复杂。为探明直线翼垂直轴风力机在二维流场中速度分布及风力机叶片迎风角度变化关系,在风洞试验中采用激光多普勒测速仪(Laser Doppler velocimetry,LDV)技术,对所设计的三叶片直线翼垂直轴风力机流场风速进行试验研究,获得了该风力机叶片周围流场的速度分布情况。在建立直线翼垂直轴风力机在不同转速下叶片迎风角度变化的数学模型基础上,应用仿真软件对被测风力机流场进行分析计算。通过数学模型得知,来流风速夹角随回转角的变化情况可用正弦函数近似表示, 并且随着叶尖速比的增大逐渐减小。风洞试验和CFD结果表明,风力机在回转过程中,叶片前缘场域有乱流生成,并且该域风速值偏大;而在叶片旋转内部以及下流区域内会形成一个宽大的低速区域,并且伴随叶尖速比的增加,低速区域具有扩大趋势。     

基于GA的自适应最稀疏时频分析方法及应用

为解决自适应最稀疏时频分析（ASTFA）方法中初始相位函数的选择问题,采用遗传算法（GA）对ASTFA的初始相位函数进行优化,提出了GA-ASTFA方法。进一步研究了GA-ASTFA方法抑制模态混淆的能力,分析结果表明,GA-ASTFA能较好地抑制模态混淆,分解得到的分量信号精度高,且可抑制分解中的伪分量。最后将GA-ASTFA方法用于转子碰摩故障诊断,实验分析结果表明,GA-ASTFA方法能有效提取转子碰摩故障特征信息。     

基于全矢融合与多维经验模态分解的滚动轴承退化过程频谱结构研究

为了识别滚动轴承退化过程,提出一种多维经验模态分解和全矢融合相结合的方法。首先对不同状态的多通道信号同时进行多维经验模态分解,得到一系列多元固有模态函数分量,然后利用互相关系数准则选取最敏感的一阶固有模态函数分量进行全矢包络分析来提取信号的特征。为了验证该方法的有效性,分别对模拟信号和实际信号进行了分析。结果表明此方法在出现故障时,能够很好地表征频谱结构的变化;随着故障严重程度的增加,频谱结构变得复杂,且呈现出了规律性。     

Fault Diagnosis Model Based on Feature Compression with Orthogonal Locality Preserving Projection

Based on feature compression with orthogonal locality preserving projection(OLPP),a novel fault diagnosis model is proposed in this paper to achieve automation and high-precision of fault diagnosis of rotating machinery.With this model,the original vibration signals of training and test samples are first decomposed through the empirical mode decomposition(EMD),and Shannon entropy is constructed to achieve high-dimensional eigenvectors.In order to replace the traditional feature extraction way which does the selection manually,OLPP is introduced to automatically compress the high-dimensional eigenvectors of training and test samples into the low-dimensional eigenvectors which have better discrimination.After that,the low-dimensional eigenvectors of training samples are input into Morlet wavelet support vector machine(MWSVM) and a trained MWSVM is obtained.Finally,the low-dimensional eigenvectors of test samples are input into the trained MWSVM to carry out fault diagnosis.To evaluate our proposed model,the experiment of fault diagnosis of deep groove ball bearings is made,and the experiment results indicate that the recognition accuracy rate of the proposed diagnosis model for outer race crack、inner race crack and ball crack is more than 90%.Compared to the existing approaches,the proposed diagnosis model combines the strengths of EMD in fault feature extraction,OLPP in feature compression and MWSVM in pattern recognition,and realizes the automation and high-precision of fault diagnosis.     

基于蠕滑理论的精密滚珠丝杠副摩擦力研究

考虑不同相位角处滚珠所受离心力及摩擦力的影响,建立了双螺母预紧式滚珠丝杠副多自由度动力学模型,该模型不再基于所有滚珠受力相等和运动相同的假设,使用蠕滑力模型来表征滚珠与滚道接触界面间的摩擦力;利用经验模态分解（EMD）包络分析方法进行了滚珠丝杠副振动信号撞击频率的提取,与理论计算结果进行对比,对动力学模型进行了验证;分析了丝杠转速、轴向载荷、滚道曲率比和导程对滚珠丝杠副摩擦力的影响规律。