基于HHT的非平稳信号分析仪的研究

本文介绍了希尔伯特-黄变换（HHT）的原理，首先通过经验模态分解（EMD），信号被分解成一系列固有模态函数（IMF），再通过Hilbert变换得到每个IMF的瞬时频率（IF）和瞬时幅值函数，最终得到原始信号的IF分布和Hilbert谱。Hilbert谱是信号的时间-频率-能量分布。为使HHT能有效分析非平稳信号，引入了改进HHT的方法，即在HHT过程中，将小波包变换（WPT）作为预处理器，外加IMF的筛选。采用虚拟仪器开发技术研制了一台基于HHT的非平稳信号分析仪。最后以HHT去噪为例，介绍了基于HHT的非平稳信号分析仪的应用。     

改进的希尔伯特-黄变换及其在滚动轴承故障诊断中的应用

希尔伯特黄变换(Hilbert-Huang transform,HHT)是一种优秀的时频分析方法,包含经验模态分解(Empirical mode decomposition,EMD)和希尔伯特变换(Hilbert transform,HT)两部分,通过EMD对信号进行分解,再对得到的内禀模态函数(Intrinsic mode function,IMF)进行HT解调。针对EMD存在的包络误差,模态混淆,端点效应以及HT易产生负频率等缺陷,提出一种改进的HHT方法(Improved HHT,IHHT),IHHT包括广义经验模态分解(Generalized EMD,GEMD)和改进的直接正交(Improved direct quadrature,IDQ)解调,GEMD通过定义多种均值曲线,从得到的多个IMF中选择最优分量,从而保证了每阶分量的优越性;再采用改进的经验调幅调频分解和IDQ方法对信号进行解调,提高了分解和解调的精确性、抑制了端点效应的产生。将提出的方法应用于滚动轴承故障诊断,分析结果表明IHHT是一种有效的信号处理方法。     

改进希尔伯特-黄变换的滚动轴承故障诊断

针对希尔伯特-黄变换中经验模态分解方法存在的端点效应和虚假固有模态函数的问题,提出一种改进希尔伯特-黄变换方法并将此方法应用于滚动轴承故障诊断中。首先,利用最小二乘支持向量机和镜像延拓相结合的方法来抑制端点效应;其次,采用敏感固有模态函数选择算法选出反映故障特征的敏感固有模态函数;最后,利用敏感固有模态函数的包络谱进行故障诊断。通过仿真分析和应用实例可看出,该方法能够有效提取出滚动轴承故障信号的特征信息并准确诊断出引起滚动轴承的故障原因。     

非平稳振动信号分析中Hilbert-Huang变换的对比研究

Hilbert-Huang变换是一种信号分析新方法,特别适合于对非平稳信号进行分析。介绍该方法的基本理论,并利用它对一个典型的旋转机械非平稳振动信号进行分析。然后通过与利用短时傅里叶变换和小波变换所得到的分析结果的对比,研究Hilbert—Huang变换在分析一般非平稳振动信号中的优势和缺陷。最后结合实际应用中遇到的问题,简要论述Hilbert—Huang变换中的经验模态分解在分析频率成分非常靠近的复杂信号时的不足和原因。研究结果表明,Hilbert—Huang变换和其他方法相比,具有分辨能力强、自适应分解、物理意义清晰、信息完整、形式简洁和易于精确分析等优点;同时也存在具有端点效应、实时性稍差和难以将复杂信号中特别靠近的频率成分分解为独立的本征模分量的缺陷。     

基于改进HHT的电缆故障定位研究

为了提高电缆故障定位的精确度,提出一种基于改进希尔伯特-黄变换(HHT)的电缆故障定位方法。针对应用经验模态分解(EMD)方法处理信号的过程中易产生模态混叠现象的问题,提出在进行EMD分解的过程中加入辅助信号的方法,来克服模态混叠现象。然后使用改进HHT对故障行波信号进行分析处理,从而对电缆故障发生点进行定位。通过搭建Matlab仿真模型对电缆故障进行仿真分析,仿真结果表明,该方法在电缆故障测距上具有优越性。     

Hilbert-Huang变换在齿轮裂纹故障诊断中的应用

提出一种基于Hilbert-Huang变换的齿轮裂纹故障诊断的新方法。Hilbert-Huang变换是先把时间序列信号,用经验模态分解方法分解成不同特征时间尺度的固有模态函数,然后经过Hilbert变换获得信号时频分布的一种信号处理新方法,将Hilbert-Huang变换应用于齿轮箱中齿轮故障诊断的研究。齿轮故障实验信号的研究结果表明,Hilbert-Huang变换时频分析方法能有效诊断齿轮的齿根裂纹故障。     

改进希尔伯特-黄变换的发动机轴瓦故障诊断

针对希尔伯特-黄变换中经验模态分解方法存在的端点效应和虚假分量问题,提出一种改进的希尔伯特-黄变换方法,并将该方法应用于发动机轴瓦故障诊断中。以发动机声音信号为研究对象,首先利用端点优化对称延拓和镜像延拓联合法抑制端点效应,同时采用相关性分析法去除虚假分量,再通过快速独立分量分析法去除噪声等因素对诊断精确性的影响。通过试验研究表明,该方法能有效诊断出轴瓦损伤信号的故障原因,为轴瓦的故障诊断提供了一种全新、有效的方法。     

小波阈值降噪与经验模态分解在信号瞬时特征提取中的应用

为了在信号瞬时特征提取过程中有效降低噪声干扰影响,提出一种基于小波阈值降噪和经验模态分解(EMD)的信号瞬时特征提取方法。根据信号特征选择适合的小波阈值函数进行降噪处理,然后对降噪信号进行EMD分解,以互相关系数作为判别依据,保留含有信号瞬时特征的本征模函数(IMF),并进行Hilbert时频谱图和边际谱图分析,最终完成信号瞬时特征的提取。     

应用Hilbert-Huang变换的齿轮磨损故障诊断研究

提出了一种基于H ilbert-Huang变换的齿轮磨损故障诊断的新方法。H ilbert-Huang变换是先把时间序列信号,用经验模态分解方法分解成不同特征时间尺度的固有模态函数,然后经过H ilbert变换获得频谱的信号处理新方法。介绍了该方法的基本原理,并将H ilbert-Huang变换应用于齿轮箱中齿轮磨损故障诊断的研究,通过选取表征齿轮磨损故障的IM F分量进行边际谱和能量谱分析,就可提取齿轮故障振动信号的特征。齿轮故障实验信号的研究结果表明,H ilbert-Huang变换时频分析方法,能有效地诊断齿轮的磨损故障。     

基于改进的Hilbert-Huang变换电力系统闪变研究方法

针对电能质量中闪变的准确测量问题进行研究,优化了Hilbert-Huang变换算法中端点效应和重构信号精度不高的问题。通过加入白噪声模拟真实的样本,处理时,通过基于斜率的方法确定端点并根据能量特性筛选固有模态函数(Intrinsic Mode Function,IMF)分量,从而精准重构信号。通过仿真验证了其可靠性。     

基于VC与MATLAB混合编程的复杂数字信号EMD处理技术研究

以非平稳、非线性的轮扫掠力信号为例,围绕其采集及处理来进行陈述,重点研究了利用VC6．0与MATLAB7．0混合编程方法中的动态链接库技术对信号进行经验模式分解（EMD）。程序结合了VC与MATLAB的优点,使得数据采集与处理可在同一VC工程文件中完成,执行速度快,运行稳定且数据处理准确、方便。     

Selective noise filtration of image signals using wavelet transform

This paper examines the technique of denoising and signal extraction using wavelet transform scale space decomposition. The noisy signal is decomposed into multiple scales by the dyadic wavelet transform. At a given position, the level of correlation is used to deduce the presence or absence of significant feature of signals or images, which is then passed through the filter. By comparing the correlation information of the data at that scale with those at larger scales, noise is preferentially removed from the data. In the wavelet transform domain, the desired features are identified and retained because they are strongly correlated across scales compared to noise. This denoising algorithm can be used to reduce noise to a high degree of accuracy, while preserving most of the important features of the signal. In this paper, this technique of scale space filtering is applied to sample signals and images. Representative results are presented which shows that considerable noise content in signals and images can be reduced while preserving the value of the desired signal.     

基于多重小波变换的信号去噪及其在软测量中的应用

化工生产过程中采集到的数据信号通常具有随机性和非平稳性，附加了各种噪声，以至于影响数据建模的拟合效果和泛化性能。本文基于小波分析的特点，提出了一种对信号数据进行多重小波变换阈值去噪的方法。该方法可去除大部分高频随机噪声，提取真实信号，进而提高数据的置信度。将该方法与小波神经网络相结合并应用于丙烯腈聚合反应过程质量指标软测量模型中。仿真结果表明，该方法能有效恢复数据的真实性，提高数据建模的拟合精度与泛化性能。     

Fault diagnosis of partial rub and looseness in rotating machinery using Hilbert-Huang transform

Partial rub and looseness are common faults in rotating machinery because of the clearance between the rotor and the stator. These problems cause malfunctions in rotating machinery and create strange vibrations coming from impact and friction. However, non-linear and non-stationary signals due to impact and friction are difficult to identify. Therefore, exact time and frequency information is needed for identifying these signals. For this purpose, a newly developed time-frequency analysis method, HHT (Hilbert-Huang Transform), is applied to the signals of partial rub and looseness from the experiment using RK-4 rotor kit. Conventional signal processing methods such as FFT, STFT and CWT were compared to verify the effectiveness of fault diagnosis using HHT. The results showed that the impact signals were generated regularly when partial rub occurred, but the intermittent impact and friction signals were generated irregularly when looseness occurred. The time and frequency information was represented exactly by using HHT in both cases, which makes clear fault diagnosis between partial rub and looseness. This paper was recommended for publication in revised form by Associate Editor Eung-Soo Shin     

Hilbert-Huang transform and marginal spectrum for detection and diagnosis of localized defects in roller bearings

This work presents the application of a new signal processing technique, the Hilbert-Huang transform and its marginal spectrum, in analysis of vibration signals and fault diagnosis of roller bearings. The empirical mode decomposition (EMD), Hilbert-Huang transform (HHT) and marginal spectrum are introduced. First, the vibration signals are separated into several intrinsic mode functions (IMFs) by using EMD. Then the marginal spectrum of each IMF can be obtained. According to the marginal spectrum, the localized fault in a roller bearing can be detected and fault patterns can be identified. The experimental results show that the proposed method may provide not only an increase in the spectral resolution but also reliability for the fault detection and diagnosis of roller bearings. This paper was recommended for publication in revised form by Associate Editor Seong-Wook Hong Hui Li received his B.S. degree in mechanical engineering from the Hebei Polytechnic University, Hebei, China, in 1991. He received his M.S. degree in mechanical engineering from the Harbin University of Science and Technology, Hei-longjiang, China, in 1994. He re-ceived his PhD degree from the School of Mechanical Engineering of Tianjin University, Tianjin, China, in 2003. He is currently a professor in mechanical engineering at Shijiazhuang Institute of Railway Technology, China. His research and teaching interests include hybrid driven mechanism, kinematics and dynamics of machinery, mechatronics, CAD/CAPP, signal processing for machine health monitoring, diagnosis and prognosis.     

用于爆炸辐射电磁脉冲时域测量的集成光波导电场传感器研制

针对爆炸辐射电磁脉冲(EMP)上升沿快、脉宽窄、峰值场强高等特点,设计并研制出一种集成光波导宽带电场传感器。使用标准雷电电磁脉冲(LEMP)对研制的传感器进行时域标定得出,传感器能够不失真地测量出LEMP的时域波形,且最小和最大可测电场分别约为1.4和10.8 kV/m;使用连续波电场对传感器进行频域标定得出,传感器最小可测电场为52.5 mV/m,且在9 kHz～1 GHz响应波动在±4 dB以内。最后在国内某试验基地搭建了基于研制的光波导电场传感器的爆炸辐射EMP现场测试系统,分别对距爆炸点不同距离处的辐射EMP进行时域测量。结果表明,爆炸辐射EMP的产生滞后爆炸发生约几毫秒;辐射EMP为一系列双极性脉冲组成的脉冲串,单个脉冲宽度在100μs以内,脉冲串宽度在2 ms以内,频率在17.5～35 kHz;在距离爆炸物5 m以内的爆炸辐射EMP峰值场强在5～10 kV/m。本文研制的光波导电场传感器具有全无源、宽带宽、对被测电场干扰小、体积小、强抗电磁干扰等特点,为爆炸辐射EMP的时域测量提供了一种新的技术手段。     

基于经验模态分解的混沌噪声背景下弱信号检测与信号提取

基于经验模态分解方法,研究了在强混沌噪声背景下进行弱信号的检测与信号提取。对仿真信号的研究表明:用该方法可以直接提取出微弱的偶然性和周期性冲击时域信号,对弱谐波信号可能不能直接提取,但可以直接提取出其频率特征,这些弱冲击信号和弱谐波信号完全淹没在强的混沌噪声背景信号中,无论从时域上还是频域上基本上都看不出来。对齿轮箱的实际信号的研究也表明:尽管某些故障信号有时极其微弱,EMD方法也能有效地实现这些非线性非平稳信号的分离和提取,从而为机械设备故障诊断提供直观的有效的参考。     

气泡影响下的电磁流量测量优化技术研究

电磁流量测量在工业生产过程中扮演着重要角色,但易受流体中气泡的影响导致测量结果出现波动进而影响测量精度,因此通过技术手段实现测量精度的优化十分关键。针对电磁流量测量精度受气泡影响的测量优化问题,本文首先从权重函数角度入手,建立了气泡对电磁流量测量影响的理论模型;其次,通过有限元仿真研究了气泡对权重函数的影响,并根据仿真结果提出了一种基于图像采集与处理技术的优化方法降低气泡对电磁流量测量的影响;最后,为了验证优化方法的可行性,开发了气泡图像处理算法,并搭建气液两相流流体电磁流量测量实验平台进行实验验证。实验结果表明,采用优化方法补偿后的电磁流量测量系统受气泡影响的敏感程度得到有效降低,误差降低幅度均在82.63%以上,最大误差降低幅度可达91%,优化后气泡存在时的测量误差在±3.03%以内。研究有效降低了电磁流量测量受气泡影响产生的误差,为进一步提高气泡影响下的电磁流量测量精度和实现气液两相流电磁测量提供技术支持。     

基于动态电磁力的主动式动平衡测量方法的研究

动平衡机在测量大质偏类工件时,由于不平衡量较大,振动信号往往会超出测量系统的线性范围而造成测量误差偏大。为了提高动平衡测量精度,提出了一种采用电磁力产生的同频振动抵消大部分初始振动,从而减小簧板振动量,保证系统线性度的动平衡测量方法。讨论了该方法的基本工作原理,建立了电磁力装置的磁路模型;采用有限元建模对电磁力的可控性进行了研究,并分析了气隙、温度等因素对电磁力的影响;最后介绍了测量控制系统和控制策略。动平衡测量实验表明,该测量方法能够有效地提高大不平衡量工件的动平衡测量精度。     

串行传输线同步信号辐射发射模型研究

在同步信号自身频谱特性研究基础上,利用天线效应和极子积分方法,建立了串行传输线同步信号的单线辐射发射模型.分析提出传输线上电流分布的近似驻波状态,并以此为条件推导出串行传输线辐射发射模型的近似解,通过对模型近似解的进一步分析,得到串行同步信号谐波分量的辐射发射规律,给出了串行传输线同步信号辐射发射极值频率、基波频率和同步信号占空比间确定的函数关系.针对串行传输线辐射发射的实验测试结果表明,所建模型可以准确描述串行传输线同步信号的电磁信息辐射泄漏特性.同时,与其他模型对比分析可知,该模型对串行传输线同步信号时频域辐射泄漏规律的刻画更为准确全面.