一种基于EMD的系统误差分离方法

现有的测量误差分离方法大多需要预先确定误差的变化特征和基函数,而基函数的选取没有明确的标准.该文提出了一种采用自适应分解的经验模态法对周期较大的系统误差进行提取和自相关分析与经验模态相结合的分解法对周期较小的系统误差进行提取的方法.通过实际仿真结果表明,自相关分析与经验模态分解法不需要确定误差特征就能够成功分离系统误差与随机误差,达到了预期效果.     

一种基于GEP的EMD端点效应抑制方法

针对经验模态分解(EMD)在分解信号时存在的端点效应问题,为抑制端点效应对信号分析带来的影响,进一步提高EMD分解准确度,提出基于基因表达式编程(GEP)的EMD改进算法。通过仿真实验与镜像延拓等其他3种常用端点效应抑制方法作对比,并计算评价端点效应的两个指标,最后,通过这4种方法分别测量出原始信号的瞬时频率以作验证。仿真结果表明:基于GEP的EMD改进算法在分解信号后各分量两端发散程度最小,评价指标也均优于其他3种传统的改进方法,且更加准确地测量出原始信号的瞬时频率。证明该改进算法能更有效地抑制EMD端点效应,具有更高的应用价值。     

EMD端点效应的改进型混沌延拓方法及其在机械故障诊断中的应用

针对经验模态分解(Empirical Mode Decomposition,EMD)的端点效应问题,分析了三次样条插值产生端点效应的机理,指出了现有延拓方法的不足,提出采用Lyapunov指数预测模型进行边界延拓,以此减小端点效应在经验模态分解过程中产生的影响。在采用最大Lyapunov指数法进行边界延拓时,针对Lyapunov指数预测模型所表示的平均发散度仅是轨道演化规律的一个近似模型,提出采用局域发散度代替最大Lyapunov指数进行改进,以改进预测模型的预测精度。基于改进型Lyapunov指数边界延拓方法,由于引入时间序列预测模型使端点处的延拓更加合理,所延拓数据更加趋于真实,在希尔伯特-黄变换（Hilbert-Huang Transform,HHT）实现过程中仅需一次延拓,实现了准确的EMD分解。仿真计算和转子系统故障试验分析结果表明,所用方法可以有效解决EMD的端点效应问题。     

LEMD端点延拓方法及其在微震信号降噪中的应用

针对非平稳的微震信号,采用经验模态分解(Empirical Mode Decomposition,EMD)方法对其滤波、消噪。但该方法在应用中存在严重的端点效应,会影响分解结果。为了改善端点效应,针对微震信号低频特点,提出了基于LMS自适应滤波器对微震数据端点处进行波形延拓的方法。LMS自适应滤波器经过信号内部的数据训练后从端点处向左右延拓波形,延拓过程中生成符合内部信号趋势的极小值和极大值,波形的延拓长度由延拓算法自适应决定。在EMD对信号分解过程中得到前一层模态分量后均再次对剩余信号进行延拓,进而进行下一层分解,以此修正插值算法带来的误差。最后根据信号频率特点对得到的模态分量有选择的重构,达到降噪的目的。利用仿真数据和煤矿微震监测数据对LMS自适应延拓法进行了验证,结果表明该方法能够明显减小经验模式分解的端点效应,特别对低频的微震信号有很好效果。     

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.     

改进EMD端点效应电力系统HHT谐波检测研究

为对电力系统谐波进行有效的检测,提出一种改进的基于镜像延拓的方法对信号数据边界进行端点处理。通过对端点和极值点的判断比较来选取镜面进行延拓,按照包络原则对延拓之后的信号进行经验模态分解(EMD),并得到IMF分量。仿真实验结果表明:改进后的方法幅值及频率检测准确度明显优于改进前,能够有效改善EMD端点效应,准确快速地分解出各种模态的谐波,适用于电力系统谐波的检测。     

PDE信号修补方法及在EMD端点效应处理中的应用

根据信号的连续性、光滑性等特性,可以利用已有相邻信号实现对缺陷信号的修补。分析了热传导方程的物理特性;提出了基于偏微分方程（PDE）的信号修补方法。分析了线性PDE修补和非线性PDE修补方法的基本原理。经验模态分解（EMD）过程中因存在着端点效应问题,使得EMD分解结果产生失真,从而导致分解无效。利用PDE信号修补的基本原理,实现了基于PDE的端点扩展方法。实验表明,PDE信号修补方法具有较好的修补效果,基于这一方法的端点扩展,可处理较长时间信号,且处理之后的信号畸变少     

基于小波去噪和经验模态分解算法的足尺人造板动态称重研究

为了在振动状态下测量出足尺人造板质量,提出了一种基于小波去噪和经验模态分解的动态称重方法。采用小波去噪对力传感器的采样信号进行预处理,降低噪声对经验模态分解产生的影响;采用更合理的本征模函数筛选停止准则和端点效应抑制方法,提高动态称重精度;利用LabVIEW编写动态称重程序并进行试验。结果表明,该方法可以有效测得自由振动状态下的足尺人造板质量,且最大称重误差在0.4%以内。     

基于包络线算法改进EMD的旋转机械故障诊断方法研究

针对经验模态分解（EMD）中包络线拟合算法存在的过冲/欠冲以及端点问题,提出采用分段三次Hermite插值解决包络线过冲/欠冲问题,并结合基于斜率再优化的极值点延拓加窗函数的端点效应抑制方法,来优化EMD分解中包络线拟合的结果,得到更准确内禀模态函数（IMF）的同时也可以通过Hilbert变换得到更准确的边界谱和Hilbert谱,提高EMD分解质量。通过仿真分析和滚动轴承内圈故障诊断实例研究表明,该方法有良好的效果,实现旋转机械故障的有效诊断。     

基于改进的EMD方法提取车辆-轨道垂向耦合系统动态特性

提出利用一种改进的经验模态分解（EMD）方法提取车辆-轨道耦合系统的动力学特性。该方法以改进的极值域均值代替极值点包络线的均值来提高局部均值的求解精度,以边界波形匹配预测法来抑制端点效应。基于车辆－轨道耦合动力学理论,建立客车-弹性支承块无砟轨道垂向耦合动力学模型,计算车辆-轨道耦合系统在波浪形磨损和轨道不平顺组合激励模型下的振动响应。运用改进的EMD方法对系统的振动响应进行经验模态分解,并且对轮轨力、转向架和车体加速度的本征函数进行分析和比较。研究结果表明：改进的EMD方法自适应地将振动响应分解成本征函数,能有效地提取车辆-轨道耦合系统的动力学特性。     

基于自适应序贯相似性检测波形匹配延拓的EMD端点效应抑制

针对经验模态分解过程中信号两端出现的严重失真问题,在波形匹配延拓的基础上,提出了一种基于自适应序贯相似性检测波形匹配延拓的端点效应抑制方法。该算法引入基于精度的截止阈值,使算法有了很好的直观性和快速性。再通过对折自适应调节阈值,进一步减少遍历所需时间。通过对模拟信号和实际工程信号分别进行仿真分析,结果表明该算法能够有效的抑制在经验模态分解过程中出现的端点效应问题,改善分解效果。     

桥梁动力测试信号的自适应分解与重构

针对桥梁结构动力测试信号噪声水平高、难以分离结构有效信号的特点,在总体平均经验模态分解方法和主成分分析的基础上,建立了自适应分解与重构方法。对经验模态分解结果的模态混叠现象进行深入分析,利用白噪声概率密度函数的均匀性对模态混叠模式一进行了改进,基于相关性分析改进了模态混叠模式二,改进后的分解方法在计算效率和分解精度上均有较大提升;随后对所有分解获得的固有模态函数进行多尺度主成分分析,实现降噪和选择并重构测试信号。分别用模拟信号和实际桥梁测试信号对所提方法的有效性进行了验证。结果表明:改进后的信号自适应分解和重构方法能在降噪的同时,有效地提取桥梁结构信息,可用于实际桥梁结构的动力测试分析中。     

齿轮焊缝超声检测信号降噪方法研究

汽车变速箱齿轮焊缝的超声检测过程中,超声回波信号存在信噪比较低导致误检率较高的问题.该文根据齿轮焊缝超声检测信号中噪声的特点,提出利用经验模态分解进行滤波的方法.针对经验模态分解过程中出现的虚假频率现象,提出镜像扩展的解决算法,把镜内信号映射成一个周期性的信号,抑制端点效应,避免虚假频率现象.仿真结果表明该方法可有效提...     

高速列车表面压力测试信号的振动干扰分离研究

高速列车表面压力测试过程中,压阻式绝压传感器受列车振动冲击激扰,引起传感器输出干扰;同时,车体振动又会引起表面压力变化,导致有用信号与干扰信号难于准确分离。针对现有的经验模态分解(EMD)降噪过程中存在端点效应和模态混叠现象,提出了一种改进的集合经验模态分解(IEEMD),并利用仿真信号进行验证。模型车在单自由度方向振动激励下,运用IEEMD方法对车体表面压力信号进行经验模态分解,再计算各固有模态函数(IMFs)分量自相关函数与原始信号自相关函数的相关性系数,提取振动引起的压力。同时利用CFD计算模型车在同一激励下振动压力,从而分离出振动干扰,并建立振动与振动干扰的回归关系,为准确提取列车表面压力提供理论指导。     

基于EVMD-LNMF的复合故障信号分离方法

非负矩阵分解算法(NMF)和变分模态分解算法(VMD)已用于复合故障信号的分离,但VMD算法过程中模态分量个数难以确定,且NMF算法由于缺少相关约束,对故障源相互耦合,特征信息微弱分解效果并不理想。为此提出了基于能量收敛因子为判据的变分模态分解算法(EVMD)与局部非负矩阵分解算法(LNMF)相结合的复合故障信号分离方法;构造了能量收敛因子,并以此为判断准则,自适应确定VMD算法中模态分量个数;将获得的模态分量重构组成模态矩阵,采用邻近特征值占优法获取LNMF算法中的最优分解维数;对模态分量作LNMF算法处理,突出局部特征信息,从而分离出耦合的多故障信号,提取故障特征信息。仿真及轴承复合故障实验结果表明:提出的基于EVMD-LNMF的信号分离方法,明显优于未改进的VMD-NMF方法,可以有效分离并提取出外圈与滚动体冲击性特征,实现了轴承的复合故障诊断。     

基于EP-CEEMDAN-PED的隧道扩挖爆破网络延时分析

经验模态分解(empirical mode decomposition, EMD)固有的端点效应和模态混淆导致其在进行爆破网络延时分析时出现不容忽视的误差。为了获得爆破现场实际网络延时,判断批次雷管的安全性,必须对EMD进行改进。通过对爆破地震波监测信号进行端点处理（endpoint processing, EP）,改善EMD在处理信号实际端点时出现的端点突变现象,进而抑制EMD端点效应,提高固有模态函数（intrinsic mode function,IMF）的稳定性和精度。对EMD进行改进,得到自适应补充集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN),抑制低频趋势项模态混淆,并结合排列熵检测(permutation entropy detection, PED)来控制高频模态混淆。得到的EP-CEEMDAN-PED算法能识别微差爆破实际延期时间,且能有效克服EMD固有的端点效应和模态混淆现象,结合干扰减振法,可计算实际隧道扩挖爆破合理减振微差时间为55.14~57.93 ms,对爆破振动控制具有重要的现实意义。     

改进的LMD方法及其在滚动轴承故障诊断中的应用研究

针对局部均值分解（local mean decomposition, LMD）方法存在的端点效应问题,提出一种基于梯度变化的端点效应抑制方法对局部均值分解进行改进,通过仿真对比不同端点抑制方法的效果,证明了该方法的准确性;针对滚动轴承故障振动信号为一系列调制信号的特点,将改进的局部均值分解方法应用于滚动轴承故障诊断中;利用奇异值分解降噪方法降低噪声污染对分解结果的影响;通过实验验证了该方法在滚动轴承故障诊断中的有效性和可行性。     

一种改进的EMD降噪方法

提出一种改进的基于经验模态分解（EMD）的降噪方法,将基于EMD阈值降噪方法和Savitzky-Golay滤波降噪方法相结合,改进的方法分别将经过EMD分解后得到的噪声信号的高频模态函数用阈值降噪的方法,低频模态函数用Savitzky-Golay滤波降噪的方法,这样既能保持信号的高频部分,又能较好地保持信号低频部分的光滑特性。仿真实验表明,改进EMD方法的降噪性能要优于单独使用EMD阈值方法或Savitzky-Golay滤波方法。     

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。     

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.