EMD趋势分析方法及其应用研究

趋势分析是一种重要的设备状态监测与故障诊断方法,对分析较长时间范围内设备运行状态的变化具有重要意义。研究了一种基于经验模式分解（Empirical Mode Decomposition,EMD）的设备运行状态趋势分析方法。研究表明,与传统方法（如最小二乘法、低通滤波法）相比,经验模式分解能够更准确地提取信号趋势信息。应用于某炼油厂透平烟机故障诊断,表明这种基于经验模式分解的趋势分析方法能够有效提取设备运行趋势信息,消除采样中随机因素的影响,为准确评估设备运行状态、诊断故障提供可靠依据,具有重要的现场实用价值。     

基于EMD和神经网络的时间序列预测

提出了一种新的时间序列预测方法:利用EMD分解法和神经网络进行信号预测。EMD分解法是一种自适应的信号处理方法,适用于分析非线性、非平稳过程。这一方法分三个基本步骤:首先对待预测的时间序列进行EMD分解,产生多个基本模式分量IMF(Intrinsic Mode Function),接着对各个分量分别用神经网络进行预测,然后重构各分量的预测值,得到最终预测结果。仿真结果表明该方法较之以往的参数模型法以及直接用单一的神经网络进行预测更加准确有效。     

Hilbert-Huang变换在电力故障暂态信号检测中的应用

提出利用Hilbert-Huang变换对电力系统故障信号检测的方法.通过对检测点获得的故障电流信号进行经验模式分解(EMD),得到一系列的本征模态分量(IMF),利用Hilbert变换得到Hilbert谱及边际谱,分析发现,通过瞬时频率突变能准确定位故障时刻,Hilbert谱的峰值变化也能反映故障时刻及故障特征信息;通过边际谱分析可以获得故障信号所含的真实频率.为进一步故障检测提供了依据.仿真试验表明Hilbert-Huang变换的方法能准确地检测故障时刻.     

基于HHT的往复式隔膜泵主轴故障诊断研究

往复式隔膜泵是管道输送行业最主要的设备之一,同时也是最容易损坏的设备之一。往复式隔膜泵主轴运行性能的好坏直接影响着往复式隔膜泵的运行状况,乃至整个管道输送系统的有效运行。提出了采用由经验模态分解(EMD)与Hilbert变换相结合的HHT方法,对往复式隔膜泵主轴故障进行诊断分析,通过边际谱有效地对设备故障进行分析诊断。实验表明:通过HHT方法对往复式隔膜泵主轴进行故障诊断是有效的、可行的。     

Multiple timescale analysis and factor analysis of energy ecological footprint growth in China 1953–2006

Scientific analysis of energy consumption and its influencing factors is of great importance for energy strategy and policy planning. The energy consumption in China 1953–2006 is estimated by applying the energy ecological footprint (EEF) method, and the fluctuation periods of annual China's per capita EEF (EEF_cpc) growth rate are analyzed with the empirical mode decomposition (EMD) method in this paper. EEF intensity is analyzed to depict energy efficiency in China. The main timescales of the 37 factors that affect the annual growth rate of EEF_cpc are also discussed based on EMD and factor analysis methods. Results show three obvious undulation cycles of the annual growth rate of EEF_cpc, i.e., 4.6, 14.4 and 34.2 years over the last 53 years. The analysis findings from the common synthesized factors of IMF1, IMF2 and IMF3 timescales of the 37 factors suggest that China's energy policy-makers should attach more importance to stabilizing economic growth, optimizing industrial structure, regulating domestic petroleum exploitation and improving transportation efficiency.     

基于经验模式分解三相流型信号去噪方法研究

经验模式分解(EMD)作为一种信号处理技术,它是基于数据本身的,且能在空间域中将信号进行分解,从而可以区分噪声和有用信号。应用经验模式分解(EMD)对模拟信号及实测油气水三相流压差波动信号进行滤波去噪处理,分别与db8小波及Haar小波的滤波去噪效果进行定量比较。结果表明:EMD方法与小波方法一样能有效地处理短时瞬态及含宽带噪声的信号,但EMD方法更直接,更方便,且不受小波基函数选择的影响,因此EMD方法更具有通用性和稳定性,从而为三相流流型信号的预处理提供了又一种有效的方法。     

HHT在高频周期抖动分解中的研究

用希尔伯特-黄变换算法（HHT）对高频周期抖动的分解进行了研究。通过将小波阈值和FFT滤波相结合,去除随机成分和低频周期抖动后,对高频周期抖动进行经验模态分解（EMD）,将得到的各固有模态函数（IMF）分量经过HHT变换得到Hilbert谱。结合IMF时域图和HHT时频谱,能较准确地估算各抖动成分的频率和其他信号特性,弥补已有算法在研究高频周期抖动的不足,并首次提出分频段分解抖动的方法。将实际抖动数据的测量结果与本方法估算的结果比较可知,HHT算法分解抖动的精度较高。     

HF-EMD频率选取原则及在暂态扰动检测中的应用

经验模态分解在处理电力系统暂态扰动信号时存在模态混叠的问题,基于高频谐波注入法的经验模态分解(简称HF-EMD)是一种简单高效的改进方法。该方法的有效性依赖于高频谐波频率的选取,而目前并没有有效的频率选取原则。着重对此问题进行了系统的研究,并通过理论分析和大量仿真试验得出了一个具体有效的选取原则:当所注入的谐波频率在原信号高频成份的最小频率与该最小频率增加1/2倍基波频率的范围内时,HF-EMD普遍有效。对PSCAD模型仿真电能质量信号和变电站复杂实测扰动信号的分析表明,该原则具有高效性和普适性,能够有效提高暂态电能质量扰动信号的检测精度。     

基于EMD和分形的齿轮箱特征提取技术研究

齿轮箱故障诊断实质上是一个特征提取和状态识别的过程,在旋转机械研究中,其特征频率往往是已知或者可以计算的,而实际测量的机械振动信号往往含有故障特征以外的频率成分,为了避免多余信息的干扰,提出了结合EMD和分形几何算法的齿轮箱有效频率分量的特征提取方法。实验表明,该方法可以有效地计算出不同齿轮故障的特征值,实现了定量表征。     

基于经验小波变换的机械故障诊断方法研究

经验小波变换(EWT)是一种新的自适应信号分解方法,该方法继承了 EMD 和小波分析方法的各自优点,通过提取频域极大值点自适应地分割傅里叶频谱以分离不同的模态,然后在频域自适应地构造带通滤波器组从而构造正交小波函数,以提取具有紧支撑傅立叶频谱的调幅-调频(AM-FM)成分。本文将该方法引用到机械故障诊断中,提出了一种基于经验小波变换的机械故障诊断方法,并与EMD方法进行了对比分析。仿真结果表明,经验小波变换方法明显优于EMD方法,能有效地分解出信号的固有模态。与 EMD 相比较,该方法具有分解的模态少,不存在虚假的模态,计算量小,且在理论上具有易理解性等特点。最后将该方法应用到转子碰磨故障诊断中,实验结果进一步验证了该方法的有效性,能够有效地揭示出碰磨故障数据的频率结构,区分碰磨故障的严重程度。