基于控制图的磨削颤振预测方法

为了预测磨削过程中颤振的发生,提出一种基于休哈特控制图的磨削颤振预测方法.该方法基于统计质量控制中所遵循的"Kσ"原则来绘制颤振传感信号特征量的控制图,以监测识别磨削振动中不稳定性信号成分,达到快速准确预测磨削颤振的目的.首先,根据磨削加工过程中颤振信号的频谱分析得到颤振发生的敏感频段,以该频段能量占整个分析频段能量的百分比作为颤振特征量.然后,以平稳磨削过程振动信号的颤振特征量为统计特性值绘制控制图,并计算其均值和方差,进而得到控制图的上、下控制界限值.最后,利用控制图的判断准则对统计特性值是否发生异常波动进行判别,从而实现颤振预测.实验结果表明:基于控制图的磨削颤振预测方法能够准确地预测颤振的发生.     

基于EMD和小波分解的颤振信号特征提取方法比较研究

以数控动梁龙门导轨磨床KD4020X16为试验对象,对不同磨削参数情况下磨床的不同振动状态进行试验测试。分别应用经验模态分解和小波变换对磨床的颤振信号进行颤振特征提取,以相关系数和方差为依据分析和比较这两种方法在非线性时序信号处理中的优劣。分析结果表明,在磨床的磨削颤振信号特征量提取方面,基于经验模态分解的提取方法具有更好的准确性和自适应性。     

基于EMD和小波分解的颤振信号特征提取方法比较研究

以数控动梁龙门导轨磨床KD4020X16为试验对象,对不同磨削参数情况下磨床的不同振动状态进行试验测试.分别应用经验模态分解和小波变换对磨床的颤振信号进行颤振特征提取,以相关系数和方差为依据分析和比较这两种方法在非线性时序信号处理中的优劣.分析结果表明,在磨床的磨削颤振信号特征量提取方面,基于经验模态分解的提取方法具有更好的准确性和自适应性.     

基于ARIMA的磨削颤振预测方法

磨削颤振会加剧砂轮的磨损并对磨削加工质量造成严重影响,甚至会对磨床本身造成破坏。为了避免磨削颤振的发生,提高磨削加工效率,通过对磨削过程振动信号进行分析,提取固有频率频带能量百分比R作为磨削颤振的特征量,提出一种基于自回归积分移动平均( autoregression integrated moving average, ARIMA)模型的磨削颤振预测方法。试验结果表明：在磨削过程中,固有频率频带能量会随着磨削状态的变化而变化,利用稳定磨削状态下的固有频率频带能量百分比建立 ARIMA预测模型,预测结果与真实值十分接近,能够准确预测磨削颤振的发生。     

平面磨削颤振的频域和时域特征

通过对平面磨削颤振试验数据进行功率谱估算以及统计分析，提出了第一、二主振频带的概念，掌握了平面磨削颤振的频域的时域特征，为实现平面磨削颤振的预报和控制提供了依据。     

一种改进的Hilbert-Huang变换方法及其应用

针对希尔伯特-黄变换方法中存在的端点效应和虚假模态分量等问题,通过对上述问题产生原因的分析,提出一种基于边界极值均值延拓的端点效应抑制方法与虚假模态分量剔除算法相结合的改进方法。该方法首先根据信号两侧端点和其临近极值点的特性,对包络线在信号两端点处的位置进行约束,从而改善包络线拟合结果,在一定程度上抑制端点效应问题的产生。然后,依据各模态分量间的正交性原理,通过虚假模态分量剔除算法,选取能够反映信号特征的敏感模态分量,以保证分析的准确性。通过数值仿真,验证了所提方法的有效性。最后,应用于发动机异响故障诊断中,诊断结果表明该方法有效抑制了传统希尔伯特-黄变化方法的端点效应和虚假模态问题,可有效提取发动机异响信号的故障特征。     

铣削颤振特征提取的小波包和主成分分析方法

设计用振动信号来监控加工过程。提出了一种基于小波包变换的颤振特征提取方法,通过所提取的特征小波包来反映加工过程中的颤振信息。在此基础上,基于主成分分析方法对特征小波包进行重构,由主成份得分（累积贡献率）来评价重构特征,并实现了重构特征自动提取,更进一步给出了重构特征总体的统一构造形式,并基于欧氏距离法,建立了颤振的诊断模型。通过对铣削加工过程中的颤振识别,验证了文中提出的方法的可行性。     

平面磨削颤振与表面波纹度研究

本文对平面磨削颤振的发生与发展进行了试验研究及理论探讨,分析了磨削工艺参数对磨削颤振的影响,并研究了表面波纹度与磨削颤振之间的内在联系.     

基于改进HHT的微弱故障信号特征提取方法

针对微弱故障信号故障特征难以提取的问题,提出一种基于改进希尔伯特-黄变换的故障特征提取方法。该方法首先采用平均总体经验模态分解将故障信号分解成一系列固有模态函数,再选取对故障特征敏感的固有模态函数进行希尔伯特谱和边际谱分析,从中提取故障特征。仿真和实际试验证明:希尔伯特谱和边际谱能够清晰呈现故障信号时域和频域内的细微特性,为微弱故障信号的特征提取提供了一种切实可行的方法。     

平面磨削颤振预报与监控研究

本文通过对磨削颤振特征征兆的分析和试验研究，对平面磨削颤振的预报方法，预报参数及门限值的确定作了探讨了论证，提出了在线预报与抑制颤振的方案，为实现平面磨削振的在线预报与控制开辟了良好的前景。     

基于Hilbert-Huang变换理论的语音增强初探

希尔伯特-黄变换是新发展起来强有力的非线性、非稳态信号处理方法．它从信号自身出发自适应地产生具有物理意义的基函数,而不是人为地设定变换的基函数．该文将这一全新的方法应用到语音信号处理．希尔伯特-黄变换基于信号的局部特征时间尺度,能把复杂的信号分解为有限的内在模态函数之和,这种自适应的分解方法非常适于非线性和非平稳过程的分析．实验表明,希尔伯特-黄变换适于语音信号处理,有广阔地应用前景．结合小波变换的分析表明,该方法在语音去噪方面优于小波变换．     

改进HHT算法及在心音信号分析中的应用

HHT(Hilbert-Huang Transform)是一种具有自适应性的、新型的、基于模态分解的时间序列数据处理方法。心音信号是一种典型的非平稳信号,传统信号处理方法来处理心音信号有一定的局限性。为了研究心脏的动力学特征,将HHT算法引入到心音的信号分析中。提出了一种改进的HHT算法,针对仿真信号进行了分析,验证改进的算法可以正确地提取出信号中的各个分量IMF(Intrinsic Mode Function);使用该算法对一例正常心音信号进行分解处理,表明该算法能按不同的时间尺度对心音信号信号进行分解     

基于希尔伯特-黄变换的船舶声信号特征提取

将希尔伯特-黄变换(HHT)用于船舶声信号特征提取中,利用HHT对实录船舶辐射噪声进行特征提取后,利用神经网络进行分类.研究表明希尔伯特-黄变换方法对于信号的时频特性具有较高的分辨能力,适用于水声非平稳信号的分析.与传统时频分析方法相比具有很强的自适应特性和较好的时频聚集性,时频分辨力高于小波变换.结果表明对于船舶声信号识别,希尔伯特-黄变换方法是一种有效的特征提取方法.     

二次判决的融合系统在说话人识别中的应用

用希尔伯特-黄变换(HHT)对语音信号进行处理,由此提取语音特征参数.针对单一说话人识别方法的局限性,基于VQ分类器的工作原理,以缩小类集合规模为出发点,结合信息融合理论提出了基于串联方式的二次判决融合系统.实验表明,该融合系统较独立MFCC(Mel Frequency Cepstrum Coefficient)判决系统有更好的识别效果.     

地震动的Hilbert-Huang变换与传统分析方法比较

地震动是一种典型的时序非平稳信号,采用Hilbert-Huang变换（HHT）对其进行分析较传统分析方法有着天然的优越性。文章在介绍HHT基本原理的基础上,比较了HHT与Fourier变换在适用条件、时间分辨率和谱分析结果上的差异,以及HHT与小波变换在基底、重构误差、时频分辨率和谱分析结果上的不同。分析结果表明,HHT是对以Fourier变换为基础的线性和稳态谱分析的一个重大突破,它较传统的信号分析方法更加适合地震动的处理与分析。     

基于Hilbert-Huang变换和粗糙集的航天器在轨故障检测

航天器在轨故障检测中,首先基于Hilbert-Huang变换对航天器在轨运行状态信号进行特征提取。提取的特征属性常存在冗余,冗余属性耗费存储空间和处理时间,并干扰正确决策的生成。为解决此问题,采用粗糙集中基于可辨识矩阵和逻辑运算的属性约简算法,对提取的属性知识进行知识表示和约简,达到简化目的。以具有可类比性的地面轴承振动信号,对所提故障检测方法进行验证,验证效果良好。     

二维Hilbert-Huang变换及其在图像增强中的应用

为了更加有效地提取图像细节,在分析希尔伯特——黄变换(Hilbert-Huang Transform,HHT)的基础上给出了二维HHT的实现方法,并应用于图像增强.首先对二维图像信号进行基于Delaunay三角分割的二维经验模式分解,再将分解得到信号的各个内蕴含模式分量分别作总体Hilbert变换.实验结果表明,此方法可细致地描绘出图像的边缘信息,并可在不同程度上体现图像的轮廓信息.该研究在图像压缩和图像分割中有重要的意义.     

SPRi传感器的数据处理方法

为了消除传感器输出数据中的高频噪声和低频漂移,以SPRi传感器的NaCl折射率样品和BSA生物样品检测的实验数据为例,研究零相移数字滤波、小波分析和希尔伯特-黄变换（HHT）3种数据处理方法及实际应用.结果表明,与零相移数字滤波相比,小波分析和HHT变换这两种时频分析方法在有用细节信息的提取方面更具优势.经这两种方法处理后,SPRi传感器的折射率分辨率达到1.4×10^-6 RIU,最小可检测0.025 g/L NaCl溶液和将原液稀释51 200倍的BSA抗体溶液.HHT变换具有自适应的特点,针对不同的实验数据,自动产生相应的基函数,并且操作简便,能够获得较理想的滤波效果,从而提高传感器的性能.