基于HHT变换和近似熵的管道泄漏检测方法

为了提高供水管泄漏检测准确率,提出一种基于希尔伯特黄变换(Hilbert-Huang Transform, HHT)与近似熵的管道泄漏检测方法。首先,对泄漏信号进行HHT处理,得到信号的Hilbert边际谱,从频率上将泄漏信号和噪声信号区分开;然后,将泄漏信号的Hilbert边际谱作为输入对象,求解有效频段内的近似熵,并将近似熵作为泄漏检测的判决对象。实验结果表明,提出方法的泄漏检测准确率达95%以上。     

基于HHT/PNN的故障信息融合诊断方法

为提高动态随机故障诊断能力,提出了基于HHT/PNN的故障信息融合诊断方法.利用HHT提取信号的瞬时频率和瞬时幅值特征,采用过程神经元网络实现对时域幅值、瞬时频率和瞬时幅值3种故障特征的融合诊断.对基于HHT/PNN和基于神经网络的2种故障诊断方法进行了比较.仿真结果表明:对于动态随机故障,基于HHT/PNN的故障信息融合诊断方法比基于神经网络的故障诊断方法的故障诊断准确度高.     

应用希尔伯特黄变换的水下目标特征提取

针对传统时频分析方法的水下目标特征提取各有其局限,采用了希尔伯特黄变换方法用于水下目标特征提取.仿真与实验数据的处理结果表明,希尔伯特黄变换方法对于信号的时频特性具有较高的分辨能力,希尔伯特边际谱能够清晰的突出目标弹性成分;希尔伯特谱能有效地展现目标的亮点结构,时频分辨力高于小波变换.研究表明混响具有与目标信号明显不同的希尔伯特谱特征,希尔伯特谱可以有效抑制混响.结果表明希尔伯特黄变换方法是一种有效的水下目标特征提取方法.     

基于希尔伯特边际谱互相关分析的织物疵点检测

提出了一种基于希尔伯特黄变换和互相关分析相结合的织物检测疵点方法.首先,选取正常织物作为模板并对待检测图像进行等尺寸分割,得到子图像,其大小与模板尺寸保持一致;然后分别对模板图像和每个子图像做希尔伯特黄变换,得到希尔伯边际谱.最后,求取模板图像的边际谱和每个子图像边际谱的互相关,选取合适的互相关值作为疵点识别的依据.仿真试验表明,该方法对断经、断纬、缺经、粗经、错经、错纬、扣痕、破洞等疵点具有良好的检测效果.     

基于小波包变换与近似熵的储集层识别

通常不同地层特征对应的地震波复杂程度均有差异.近似熵是一种反映信号复杂程度的特征量,对储层特征有一定反映.但是,地震波是有一定带宽的信号,在此带宽内,可能某一部分频段对油气层较为敏感,而其他频段的信号则对油气层的反应不够敏感,如果直接进行近似熵的计算,其结果往往不能很好地反映储层特征.鉴于这种情况,对小波包变换和近似熵结合进行储集层预测的方法进行研究,即对小波包分解的结果进行近似熵计算.实际资料计算结果表明,结合小波包分解和近似熵的储层识别方法,能够精确刻画储层形态.     

基于改进希尔伯特-黄变换的电力系统谐波检测方法

由于电力系统谐波谐振点检测结果存在较大噪声,导致谐波检测精准度较低,由此提出了基于改进希尔伯特-黄变换的电力系统谐波检测方法.通过希尔伯特-黄变换建立相应的解析信号,并分解模态,使信号呈局部对称形式,获取瞬时变化频率和幅度.经过模态分解后,检测谐波参数,将特征值的倒数定义为模态阻抗,获取最小特征值,以该点为电力系统谐振...     

利用边际谱Hurst参数检测DDoS攻击

为了有效检测分布式拒绝服务(DDoS)攻击,提出对网络流量信号进行希尔伯〖JP9〗特-〖JP〗黄变换(HHT),得到相应的边际谱,计算边际谱的Hurst参数. 以最大化综合指数为目标,训练实验数据的边际谱Hurst取值,得到检测阈值,通过与该阈值的大小进行比较判断是否有DDoS攻击发生. 实验结果表明该方法具有一定的检测效果.      

基于希尔伯特-黄变换测量搅拌釜临界分散转速

基于希尔伯特-黄变换（HHT）分析搅拌釜壁产生的声发射（AE）信号,获得了代表气液体系运动的特征频段(10～80 kHz),将其对AE信号进行重构.以重构信号能量为特征参数,根据其随搅拌转速的规律性变化,提出搅拌釜临界分散转速的测量判据,即重构信号能量由平稳突然增大时所对应的搅拌转速为临界分散转速.与目测法相比,该方法平均相对偏差小于2.86%,具有较高的精度.研究发现,外循环破坏了搅拌釜内的径向流动,不利于气液分散,导致临界分散转速变大.根据不同外循环条件下的实验结果,建立外循环搅拌釜临界分散转速的预测关联式,平均相对偏差小于0.65%.该研究结果表明,声发射结合HHT的方法可以准确实现临界分散转速的测量.     

基于改进Elman神经网络的故障诊断模型研究

针对高频易损坏的常见机械设备,常存在故障特征量"表征难",诊断精度欠缺且判断时间长等问题.提出一种优化Elman神经网络故障诊断的模型,以凯斯西储大学轴承数据(CWRU)为实例,在诊断效果方面具有一定的改善.鉴于,滚动轴承常见的故障振动信号多呈现出非线性、非平稳的特征.首先,应用希尔伯特-黄变换(HHT)对原始信号数据...     

天然气管道泄漏点的定位检测方法研究

将负压波法应用到天然气输气管道的泄漏检测与定位中，分析了影响负压波传播速度的因素，修正了定位公式，利用小波技术对负压波信号进行了消噪处理并捕捉了压力突降点，提高了检测灵敏度与定位的精度，仿真实验证明了此方法的有效性．     

基于HHT的仿真模型动态一致性方差分析方法

仿真模型动态数据常具有非线性和非平稳性,如何有效提取动态数据的验证指标和利用动态数据指导模型修改是仿真模型动态验证需要解决的重要问题。该文提出了基于希尔伯特-黄变换(HHT)仿真模型动态一致性方差分析方法,将HHT得到的动态数据时-频分布作为验证特征,建立了基于方差分析的仿真动态一致性检验模型,实现了仿真模型的定量动态验证,解决了差异源的定位问题,为提高模型可信性提供了指导。仿真和实例应用表明,该方法能较为精确地检验动态数据的一致性和实现误差定位,具有一定的可行性和实用性。     

小波变换在管道泄漏声发射检测中的应用

对管道泄漏声发射信号特点和常用小波基函数特点进行了分析,指出Daubechies小波和Symlet小波是较适于泄漏声发射信号处理的基函数.进行了碳钢管道水泄漏声发射检测实验,用db5和sym5两种小波基分别对泄漏信号进行小波变换,结果表明,a6级信号的能量占总能量的绝大部分,信号峰值频率集中在2.90～3.81 kHz,两种小波变换在能量分析中最大相对偏差为0.77%,在频率分析中最大相对偏差为5.17%.     

基于希尔伯特-黄变换的低信噪比语音端点检测

应用希尔伯特-黄变换完成了一种低信噪比条件下的语言信号端点检测。该方法通过分析纯净语音信号与低信噪比下语音信号的固有模态函数及希尔伯特谱,找出固有模态函数中语音信号能量集中的分量,分析其希尔伯特谱,自适应地选取阈值进行语音段与非语音段的检测。通过对比实验表明了该方法在低信噪比下能有效地检测出语音信号。     

基于时频增强和谱熵的语音端点检测技术

该文提出了基于时频增强和谱熵的语音端点检测算法。该算法对带噪语音在频域利用谱减法去除宽带加性噪声，在时域去除由谱减带来的残差噪声从而对语音进行了增强。对增强后的语音利用谱熵特征进行端点检测。实验结果表明，该算法快速有效，具有较强的抗噪能力，特别适合低信噪比的语音端点检测。     

基于HHT的磨床磨削颤振特征量提取方法

针对数控磨床磨削加工过程中的颤振现象,提出一种基于希尔伯特黄变换的磨削颤振特征量提取方法。采用经验模式分解,将信号分解成具有不同特征时间尺度的固有模态函数分量,筛选合适的分量,提取其颤振特征量实时方差和瞬时能量,并将其作为判断磨削发生颤振的依据。模拟仿真结果表明：基于希尔伯特一黄变换提取的磨削颤振特征量,可以作为颤振发生的判断依据。     

长输油气管道泄漏检测方法

介绍了长输油气管道泄漏检测方法的国内外研究现状,详细分析和比较了各检测方法的优缺点及其应用,指出了检测方法研究的方向.     

基于HHT算法的机械故障分析系统

针对常见的机械故障进行分析研究,以转子动平衡为例,给出可通用的机械故障分析系统方法．在LabVIEW平台上应用希尔伯特-黄变换方法,对机械故障中的转子动平衡振动试验数据进行时频联合域分析,得出具体分析图．利用LabVIEW平台的虚拟示波器产生谐波对系统进行验证．通过本系统对“BENTILEY”实验台的转子动平衡振动数据进行分析处理,为研究转子动平衡故障提供参考图形数据．结果表明：该系统是可行的．     

基于HHT和WT识别高层建筑模态参数的比较研究

现役高层建筑动力响应的实测与参数识别对结构动态数据资料的补充和设计准确性的校验是十分必要的.首先回顾了基于HHT和WT识别结构动力参数的基本原理;接着,基于高层建筑动力响应的实测数据进行了结构固有频率和阻尼比的识别.结果表明,对结构固有频率和低阶阻尼比的识别两者都具有较高的准确性;而对于高阶阻尼比的识别,两者有较大差别.对于固有频率呈密集分布结构的动力参数识别,WT方法通过调整小波中心频率而实现频率分离,因而WT方法更为简单有效.     

基于HHT的矢量传感器瞬态信号方位估计

针对瞬态信号存在时间短、变化快,传统的信号处理方法很难对其进行方位估计的问题,将希尔伯特-黄变换与矢量信号处理相结合应用到水声领域,提出了矢量希尔伯特-黄变换的方法.利用希尔伯特-黄变换获取信号的瞬态信息,结合矢量信号处理宽带方位估计提出了矢量瞬时方位估计的概念,在此基础上发展了矢量希尔伯特-黄变换水声应用的理论框架.海试表明新理论在瞬态信号处理和单矢量传感器目标方位估计方面,其性能比常规方法有了明显的提高.     

基于谱熵梅尔积的语音端点检测方法

为了克服传统语音端点检测算法在低信噪比环境下准确率低的问题,提出一种基于谱熵梅尔积（MFPH）的语音端点检测算法.首先,提取带噪语音信号的梅尔频率倒谱系数中的第一维参数MFCC₀,将其与谱熵的乘积作为最终区分语音段和背景噪声段的融合特征参数;然后,结合模糊C均值聚类算法和贝叶斯信息准则（BIC）算法对MFPH特征参数门限值进行自适应估计;最后,采用双门限法进行语音端点检测.实验结果证明,与传统方法比较,该方法在-5~15 dB低信噪比环境下的语音端点检测准确率有较大提高.