Hilbert-Huang变换在汽轮机故障诊断中的应用

汽轮机故障诊断的核心是汽轮机振动信号处理。在现场采集的汽轮机振动信号是一个非线性非平稳信号,在使用传统的信号处理方法进行处理时都不能取得理想的效果。为了更加有效的对汽轮机振动信号进行处理,介绍了一种时频分析方法Hilbert-Huang变换,使用该方法对汽轮机振动信号进行分析,可以将故障信号从高频到低频逐个分解出来,从而根据故障信号特征频率进行汽轮机故障诊断。并且,通过仿真实验证明了使用该方法处理汽轮机振动信号可以取得较好的效果。     

现代信号分析与处理中分数阶微积分的五种数值实现算法

研究目的是在计算机上数值实现信号的分数阶微积分。首先,分析比较分数阶微积分常用的3种时域定义,以及其在傅立叶变换域和子波变换域中的两种频域定义;然后,推导比较信号分数阶微分的幂级数数值算法、傅里叶级数数值算法、基于Grümwald-Letnikov定义的数值算法之间的优劣;进而,推导具有较高精度和计算速度的基于子波变换的分数阶微积分快速数值算法;最后,以计算精度为代价进一步提高计算速度,推导基于子波变换和连续内插的快速工程算法。理论推导和实验结果均证明基于子波变换的数值算法具有较高精度和运算速度,其改进的快速工程算法运算速度最高,但精度下降。这两种算法都具有较强的实用价值。     

强噪声环境下基于改进HHT的语音端点检测

为提高语音端点检测系统在低信噪比环境下检测的正确率,提出一种强噪声环境下基于改进的希尔伯特-黄变换语音端点检测方法。对每帧信号进行经验模态分解,得到有限个固有模态函数,去掉第一个固有模态函数,其他的都让其通过一个带宽为250～3500Hz的带通滤波器,消除部分噪声。对所选固有模态函数加权,再进行希尔伯特变换得到能量特征值。通过分析噪声特性,估计噪声阈值。在希尔伯特能量谱上,根据阈值搜索语音起点以及终点。仿真实验表明,在低信噪比的情况下,方法的准确率有明显的提高,并具有很强的鲁棒性。     

用准同步离散Hilbert变换测量无功功率

由电路理论知,测量无功功率可采用电压信号移相90°的方法,而Hilbert变换正好满足此要求。为便于计算机计算采用离散Hilbert变换时由采样误差或电网频率发生漂移而导致的测量误差,可采用准同步采样方法来提高测量精度。采用准同步离散Hilbert变换可获得较高的无功功率测量精度。     

基于信息熵和GA-SVM的自动机故障诊断

提出了一种运用信息熵和遗传算法优化的支持向量机(GA-SVM)对小口径火炮自动机进行故障诊断的方法。针对自动机工作时的短时冲击信号特征,首先运用具有自适应特性的局域波对信号进行分解得到IMF分量,并对各IMF分量进行Hilbert变换。接着利用信息熵理论提取局域波特征空间谱熵、边际谱熵和时频熵作为故障特征。最后将特征向量输入遗传算法优化的支持向量机进行故障分类识别。利用遗传算法的全局搜索能力对支持向量机的参数进行优化,摆脱了对求解模型的依赖。结果表明,相对于空间穷尽搜索寻找最优参数的支持向量机模型可提高诊断正确率。同时证明将信息熵和GA-SVM方法相结合在自动机故障诊断中的有效性。     

异步电机转子不对称故障仿真与检测研究

转子故障是目前感应电机的主要故障之一,对其进行故障诊断的方法很多,但普遍研究都很少考虑电机拖动波动负荷运行对转子故障特征提取的影响。该文在考虑负荷波动影响情况下,建立电机转子不对称故障仿真模型,利用幅值校正频谱细化技术减少频谱泄漏,提取转子故障特征频率。该方法一方面提高提取故障特征频率的准确度,另一方面相比传统细化频谱方法,计算量和运行所占内存减少。通过模型仿真及实验结果验证该方法在负荷周期波动情况下提取转子故障特征是可行的。     

基于EMD和Hilbert变换的心电信号去噪方法

基于经验模态分解(EMD)和Hilbert变换理论,提出一种心电信号(ECG)去噪方法.经验模态分解法将任意信号分解为一组固有模态函数IMF,对于非白噪声层IMF的阈值选取,针对传统阈值去噪方法存在较大偏差的问题,提出利用各层IMF的平均频率和能量密度乘积来确定非白噪声层IMF的噪声水平.介绍了白噪声层IMF的检验方法,并给出了利用该方法以及小波阈值去噪方法对心电信号进行去噪处理的实验结果.     

Type P与Cotype P的Banach空间的Hanner不等式与自反性

推广Ｈａｎｎｅｒ不等式于ＴｙｐｅＰ与ＣｏｔｙｐｅＰ的Ｂａｎａｃｈ空间，并得到了此类Ｂａｎａｃｈ空间为自反的充分条件及Ｂａｎａｃｈ空间成为Ｈｉｌｅｒｔ空间的充分条件。