基于延拓和窗函数的HHT端点效应改进方法

为了克服Hilbert-Huang变换中的端点效应问题,提出了一种基于延拓和窗函数综合应用的端点效应改进方法。通过先对信号进行相似极值延拓再进行加余弦窗函数的处理,解决了延拓部分不精确和加窗函数后使原信号发生改变的问题,在一定程度上克服了EMD方法的端点效应问题,得到更准确IMF的同时也可以通过Hilbert变换得到更准确的边界谱和Hilbert谱。通过用于仿真信号和裂纹转子故障信号的分析证明该方法有良好效果。     

应用加权法处理EMD方法中的边界问题

经验模态分解(EMD)是一种非常有效的非平稳信号处理技术,但是其利用样条曲线构造信号上下包络线的过程中存在严重的端点问题.本文在已有的算法基础上提出了一种基于加权的方法对边界进行处理,由加权法得到原始信号两端极值点,利用三次样条函数得出上下包络线,实现信号的分解.仿真表明,此方法有效地处理了经验模态分解方法中的边界问题.     

一种EMD端点延拓算法及其在齿轮故障诊断中的应用

经验模态分解（Empirical Mode Decomposition,简称EMD）是目前分析非平稳信号的有效方法,但在分解过程中由于存在着严重的端点效应而影响分解结果。利用灰色理论的GM(1,1)模型来预测和修正端点的延拓值,使得在筛分过程中可以得到有效的三次样条插值包络线,从而抑制端点效应。通过对齿轮故障信号的分解验证,结果表明该方法是合理的。     

基于粒子群优化的改进EMD算法在轴承故障特征提取中的应用

经验模态分解(Empirical Mode Decomposition,EMD)作为一种数据驱动的自适应信号分解方法,在轴承故障特征提取中有着广泛应用。针对EMD自身存在的模态混叠、端点效应以及三次样条插值带来的过冲/欠冲问题,同时考虑到有理Hermite插值方法具有一个形状控制参数,为选择最优的插值曲线提供了可能,基于此,提出了一种基于粒子群优化(Particle Swarm Optimization,PSO)的改进EMD算法,选定频率带宽作为IMF优劣评判准则,并以此作为PSO的评价函数;在筛分过程中,从众多不同形状控制参数对应的分解结果中寻找最优IMF从而确定最优形状控制参数;在每阶分解结果中都能保证所得IMF是最优的,从而达到更好的自适应性及更高精度。为验证所提出方法的有效性,采用传统EMD、EEMD与该算法对仿真信号进行处理、对比,并通过计算相关技术指标进行了验证。最优将其应用于滚动轴承故障特征提取,并与传统EMD算法、EEMD进行对比,包络谱结果显示,改进后的EMD算法具有更好的分解效果,抑制干扰并能提取出更多故障信息。     

广义经验模态分解性能分析与应用

针对经验模态分解（empirical mode decomposition,EMD）的均值曲线采用三次样条拟合而容易引起包络过冲和不足等缺陷,相关学者提出了许多改进均值曲线的变种EMD方法,取得了一定的效果。广义经验模态分解（generalized EMD,GEMD）方法综合了多种改进EMD方法,通过定义不同的均值曲线对信号进行逐阶筛分,从得到的每一阶分量中选取最优作为最终的广义内禀模态函数（generalized intrinsic mode function,GIMF）,由于每一阶的GIMF分量都是最优的,因此相较于EMD等单一均值曲线筛分方法,GEMD分解结果也是最优的。论文对GIMF分量准则进行了改进以及对GEMD性能进行了分析,并将GEMD应用于仿真和实测信号的分析,结论表明GEMD分解是完备的和正交的,有比EMD更强的分解能力,而且适合机械振动信号的处理和故障诊断。     

EMD局部积分均值增密插值改进算法及其在转子故障诊断中的应用

包络拟合是EMD(Empirical Mode Decomposition)算法的一个关键环节,针对EMD包络拟合问题,提出一种基于局部积分均值增密约束三次样条插值的EMD改进算法。该方法利用定比分点法来增密EMD样条插值型值点,利用分段约束三次样条插值来抑制传统EMD包络过冲与欠冲问题,利用内禀模态函数直接筛选方法来减少EMD计算局部均值时的样条插值次数。仿真分析验证了改进算法的有效性,将改进算法应用在转子故障振动信号的实例分析中,结果表明,改进算法提高了EMD的分解精度,更加准确地提取了油膜涡动信号的故障特征。     

Hilbert-Huang变换端点效应问题的探讨

为了克服Hilbert-Huang变换中的端点效应，利用时变参数ARMA（Autoregressive Moving Average）模型对信号进行外延后再进行EMD（Empirical Mode Decomposition）分解，在一定程度上克服了EMD方法的端点效应问题；同时利用时变参数ARMA模型对IMF（Intrinsic Mode Function）分量进行延拓后再进行Hilbert变换，有效地抑制了Hilbert变换中的端点效应，可以得到准确的瞬时频率和瞬时幅值。     

一种抑制EMD端点效应新方法及其在信号特征提取中的应用

经验模式分解(EMD)的端点效应一直是困扰其工程实用性的难点问题,结合端点效应产生机理和现有的研究成果,提出了一种基于端点优化对称延拓(End Optimization Symmetric Extension,EOSE)的抑制EMD端点效应新方法.通过对信号和其包络线的偏差评价函数的最小化计算,获取最佳的信号端点值,在此基础上延拓信号的上、下包络线将最大化地逼近原始信号两端点,在EMD后续"筛选"固有模态分量(IMF)过程中抛弃两端延拓的数据,将端点效应释放到原始信号的以外.将原EMD、基于EOSE改进EMD和基于时间序列建模(ARMA)改进EMD3种方法进行对比分析,仿真和实验结果表明,基于EOSE方法抑制EMD端点效应的效果最好,能够精确提取出旋转机械振动信号的典型故障特征,运算效率较高.     

基于数据/极值联合对称延拓的端点效应处理及其应用

Hilbert-Huang变换在EMD分解中因端点非极值点,无法满足样条插值的要求导致包络线异常,产生端点飞翼;在Hilbert变换中又因卷积计算和Fourier变换能量泄露的原因,也使端点产生飞翼。提出数据/极值联合对称延拓的方法,通过端部数据对称延拓,把EMD分解和Hilbert变换过程中产生的端点效应释放到数据外端,一举解决两阶段的端点飞翼问题;通过极值点对称延拓进一步控制三次样条包络曲线的走势,使原始数据的包络曲线更加准确。经仿真信号验证,联合对称延拓的方法具有良好的抑制效果。当该方法应用于结构动力响应非线性特征分析时,不仅具有明确的物理意义,而且能较准确地表征结构进入非线性状态时出现"频带扩展"和"主导频率飘移"的力学特征。     

基于希尔伯特变换结构模态参数识别

应用HHT方法对GARTEUR飞机模型模态参数进行识别,通过采用多通带滤波器对信号进行滤波,较好的解决模态混叠问题,采用NExT法对信号预处理,由EMD分解获得较准确的各阶固有模态函数分量（IMF）,在EMD分解中使用镜像延拓方法对极值点进行处理来抑制端点效应,然后将分解得到的IMF分量进行希尔伯特变换并结合ITD法识别出各阶固有频率和阻尼比。最后对悬臂梁进行数值仿真模拟,并将模态参数识别结果和理论值进行对比,并运用此方法进一步识别GARTEUR飞机模型固有模态参数。     

一种改进HVD信号特征提取方法及应用研究

希尔伯特振动分解(HVD)广泛应用于风电机组、齿轮箱等旋转机械的故障诊断,然而,它有2个亟待解决的问题：一是算法的参数需要经验设置或人工试定;二是如何避免模态混叠选择敏感的本征模态函数分量。针对上述2个问题,提出一种优化的HVD改进算法,有效解决了希尔伯特振动分解的参数设置和模态混叠问题。首先用粒子群优化算法(PSO)对HVD算法的2个参数进行优化。其次,提出了一种新的评估指标—最大包络峰度均值作为PSO优化算法的目标函数,并提出采用最大包络峰度自适应地选择敏感的IMF分量。最后,对选定的重构信号进行平方包络谱分析并提取故障特征频率,以识别风电机组设备故障类型。通过模拟信号、实验信号和风电机组应用实例分析,验证了所提改进HVD方法的有效性。     

基于EMD和VARMA模型的信号处理方法

指出了Hilbert-Huang变换方法中进行Hilbert谱分析时应引起重视的两方面限定。针对上述限定，提出了基于EMD和VARMA模型的信号处理方法。该方法首先用时变VARMA模型对IMF建模并根据模型参数计算其瞬时频率，然后通过对各IMF的局部极值进行样条函数插值得到相应瞬时幅值，最后利用上述瞬时频率和幅值得出Hilbert谱。通过对LOD数据和地震动加速度记录ElCentro（1940，N-S）的分析表明，该方法避开了原方法中的限定且所得Hilbert谱更具物理意义、分辨率和可读性更好。研究结果不仅为非线性、非平稳信号的处理提供了一种新途径，也为基于振动的结构损伤识别和健康监测等研究提供了新思路。     

基于VMD和窄带包络相关的船舶辐射噪声改进DEMON分析

船舶辐射噪声的包络谱中蕴含着轴频和桨叶数等船舶固有特征信息,对船舶目标识别具有重要意义。为了提高船舶辐射噪声包络谱解调性能,提出了基于变分模态分解(Variational Mode Decomposition, VMD)和窄带包络相关的改进DEMON分析方法。首先利用VMD算法代替传统带通滤波器,将船舶辐射噪声信号分解为若干个子带;然后对各子带进行希尔伯特(Hilbert)检波并计算平均窄带包络相关系数,用于衡量信号的包络调制在频域上的非均匀性;最后提取各子带信号包络谱并按照平均窄带包络相关系数进行加权融合,从而得出宽带噪声信号的包络谱。利用该方法对实测不同类型和不同航速船舶辐射噪声信号进行了处理,结果均表明所提方法能有效提高包络谱解调效果,较传统方法更为有效。     

Min-max truncation: An accurate and stable filtering method for difference calculation of convection

Higher-order difference schemes always cause oscillation in convection calculation though they require much effort in the calculation. Overshoot and undershoot of the oscillation is troublesome particularly in the calculations of temperature, energy, and turbulence parameters. Filtering techniques improve both accuracy and stability, and some of them can completely suppress the overshoot or undershoot, when they are combined with the higher-order difference schemes. In the present study, a new min-max truncation (MMT) method is proposed. It is evaluated in two test problems of pure convection, and compared with other filtered and not-filtered difference schemes.     

差分振子时间历程在微弱调制信号检测中的应用

单一的差分振子仅可实现对周期信号中某一频率成分进行检测,对于强噪声背景下的边频带,尽管可以利用多个差分振子组成差分阵列进行逐个检测,进而确定边频带的间隔,但这种做法无疑会带来巨大的计算量。在对调制信号进行Hilbert变换包络分析时,所得到的时域信号是原始调制信号中的低频分量,亦是调制波信号,若该低频分量仍然包含较强的噪声成分,传统的频谱分析将会失效。此时,我们可借助差分振子时间历程对含较强的噪声的包络进行检测。因此,提出基于差分振子时间历程的微弱调制信号检测方法,即首先对信号进行Hilbert包络解调,然后利用差分振子时间历程对含较强的噪声的幅值包络进行检测,并成功应用于风机早期故障检测中。     

广义解调算法中能量因子的引入与配置原理的研究

广义解调算法在振动信号时频谱应用中效果显著,而在分析解调频谱时对频率的初始值非常敏感。提出了能量因子可调的广义解调算法,将其应用到轴承振动信号的处理中并进行有效性评估。为获得轴承信号的相位函数,使用峰值搜索算法在包络信号中检测瞬时故障特征频率,估计拟合函数;引入了能量因子的概念,根据拟合函数配置能量因子,按照提出方法对原始信号进行重构;参考能量因子对重构信号的相位函数进行估计;对重构信号进行解调,得到关于能量因子的解调信号。根据特征频率的解调值与通过测得转速计算的理论值进行对比,评价能量因子配置的合理性。仿真和实测信号的处理,证明了算法的有效性。     

基于改进的希尔伯特振动分解的机械故障诊断方法研究

针对多分量机械故障振动信号的特征提取问题,介绍一种基于希尔伯特振动分解(HVD)的时频分析方法。该方法首先利用Hilbert变换得到原始振动信号的解析信号,然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率,同时经同步检测获得相应的瞬时幅值和初相位,最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对HVD方法的边界效应问题,提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。通过两组仿真信号分析验证了HVD方法对多分量非平稳信号的分解能力,同时表明改进的HVD方法能很好地抑制边界效应。给出转子系统油膜涡动故障诊断实例,验证了该方法的工程实用性。     

一种新的估计瞬时频率的方法—经验包络法

常用的求取瞬时频率的方法,希尔伯特变换,会出现无法解释的负频率和明显的端点效应。标准希尔伯特变换克服了希尔伯特变换出现负频率的缺点,但仍然有端点效应。为了避免希尔伯特变换,基于信号的经验调幅调频分解,论文提出了一种新的求取瞬时频率的方法—经验包络法(empirical envelope method,简称EE）。经验包络法本质上是先通过经验调幅调频分解获取纯调频信号,然后对其求导,再对求导的结果进行经验调幅调频分解,提取出包络信号,便可获得原信号的瞬时频率。论文首先给出了经验调幅调频分解的详细过程,然后给出了经验包络法的原理和具体步骤,最后采用仿真信号将经验包络法与希尔伯特变换、标准希尔伯特变换和反余弦法进行了对比,分析结果表明了经验包络法的优越性     

基于傅里叶分解与奇异值差分谱的滚动轴承故障诊断方法

针对强噪声条件下滚动轴承故障冲击特征难以提取的特点,提出了一种基于傅里叶分解与奇异值差分谱的滚动轴承故障诊断方法。首先通过傅里叶分解将非平稳的原始轴承故障振动信号分解为若干个固有频带函数,然后运用互相关系数法筛选固有频带函数进行信号重构,并对重构后的信号进行奇异值差分谱降噪,最后对联合降噪后的信号进行Hilbert包络谱分析,准确地识别出故障特征频率,进行故障诊断。仿真分析和试验都很好地验证了该方法的有效性。