基于最优熵与EEMD的滚动轴承微故障诊断方法

滚动轴承是易损件,为了更好并及时检测出在信噪比低的情况下的轴承早期微故障振动信号,提出了小波包最优熵和EEMD相结合的方法。运用小波包最优熵对采集信号实现信噪分离,突出了小波包降噪效果明显;通过EEMD将信号分解成多个分量;最后以互相关、峭度准则提取故障信号分量以避免分量选择的盲目性。结果表明:该方法对轴承初期故障具有良好的降噪效果,可以准确快速地检测出轴承故障,从而表明该方法是有效且可行的。     

基于改进HHT的双电机消隙状态动态定量评价技术

双电机消隙这一技术的引入为重型数控机床进给系统的高精度传动提供了一种可靠的解决方案。针对目前双电机消隙动态定量效果评价方法缺乏的问题,提出了基于改进HHT的双电机消隙进给系统消隙状态定量识别技术。以进给系统电流变化作为检测技术,实现在不干扰生产的同时获得高信噪比的测试信号。以EEMD和Hilbert局部能量谱对传统HHT进行改进并作为电机电流信号处理技术,解决了电流信息的非平稳和非高斯分布问题,实现了对双电机消隙的消隙状态进行定量化识别。仿真和实验验证了该方法的有效性。     

基于EEMD和多元多尺度熵的风力发电机组滚动轴承故障特征提取

为了降低风力发电机组滚动轴承信号的噪声和进行多信道数据处理,提出了一种基于EEMD和多元多尺度熵的特征提取方法。利用EEMD算法对多信道的原始声发射信号进行分解获取无模式混淆的IMF,通过敏感度评估算法选取反应故障特征敏感的IMF进行多元多尺度熵分析,由单因素方差分析选择最优尺度对应的多元样本熵作为各种故障的特征值。通过从实验台采集得到正常、轻微损伤和断裂3种状态的样本数据,与多种特征提取方法相比较和SVM算法分类分析,证明了所选择故障特征量的准确性,同时也验证了所提出的滚动轴承故障特征提取方法的有效性和准确性。     

基于DHMM的机械密封端面膜厚识别技术的研究

维持机械密封端面间一定的膜厚是保证机械密封正常运行的关键,利用声发射技术监测得到的反映机械密封膜厚状态的信号往往信噪比很低,对其工作状态进行分类存在一定的困难。提出一种基于声发射信号利用总体经验模式分解(EEMD)和离散隐马尔可夫模型(DHMM)识别的机械密封端面膜厚识别技术。首先对声发射信号进行分帧处理,运用EEMD方法对信号进行时频分析,对分解出的子频分量分别提取时域和频域特征,再由核主成分分析法对特征参数进行优化降维,利用简化后的特征参数矢量训练各个机械密封端面膜厚状态的DHMM,最后由训练好的DHMM实现机械密封端面膜厚状态的识别,从而实现机械密封端面接触状态的监测。试验研究表明:该方法能够快速有效地判断出膜厚状态,并且需要的训练样本少,训练速度快,对实现机械密封端面接触状态的智能化在线监测具有重要的意义。     

采样频率对聚合经验模态分解的影响研究

根据聚合经验模态分解的特点对能量泄漏指数进行了修订,从非对准误差、能量泄漏、分解结果的正交性和相关性方面分析了采样频率对聚合经验模态的影响,分析结果显示离散化采样引起的非对准误差随采样频率的提高逐渐减小,而能量泄漏以及分解结果之间的正交性和相关性随采样频率改变近似呈周期性变化。并根据分析结果给出了聚合经验模态中采样频率的选取原则。算例结果表明,综合考虑上述各影响因素后,聚合经验模态较为理想的采样频率范围是信号最高频率的10.3~11倍。     

基于EEMD和小波阈值法的爆破振动信号预处理研究

针对爆破振动信号去噪和趋势项消除问题,借助相关性分析,引入了一种基于集合经验模态分解(EEMD)和小波阈值法的预处理滤波方法。首先运用EEMD方法进行信号分解,利用互相关系数进行含噪IMF分量和趋势项分量的预选,然后分别借助自相关函数特性和频带特点进行判断,最后完成含噪分量的小波阈值去噪和趋势项分量的去除,重构波形。实例验证结果表明,该方法能有效消除噪声、趋势项干扰,保留波形真实信息,进而提高频谱分析精度。     

中国区域经济和产业的空间布局演变特征分析

分析中国区域经济空间布局特征以及产业空间布局变化对整体经济的驱动关联作用,进而提出南北方、东西部区域协调、均衡发展的宏观政策建议。通过重心理论运用集合经验模态分解法（EEMD）和灰色关联度分析方法,以基于时间序列具有多尺度周期波动的视角,重点分析1952—2014年我国区域经济重心的变动特征及其与产业重心移动的关联性。研究发现,经济重心的变动是由准9 a、准20 a、准50 a的周期波动与趋势项复合而成的,在纬度向上主要以长周期要素（方差贡献率63.76%）和固有趋势决定,在经度向上主要以短周期要素（方差贡献率7598%）与固有趋势决定。产业重心移动和经济重心变动的关联性在纬度向上显示第一产业与经济的关联性逐渐减弱,第二产业和经济的关联性一直较强,第三产业与经济的关联性逐步增强;在经度向上,三次产业重心的移动均能影响经济重心的变动,且第三产业重心和经济重心的关联度逐渐增加。通过剥离周期性波动因素,显示经济重心的变动趋势是向南、向西移动,但由于受到自然条件与社会条件的制约,向南、向东移动受到的拉力较大。经济重心的实际移动和固有趋势存在差异,从而表现出区域经济空间布局的不均衡。均衡国民经济空间布局既需要政策、战略的调整,也需要遵循市场力量,发挥比较优势,优化区域产业结构。南北方的差异主要在于市场发展的程度与产业升级的速度,北方应遵循产业演替的规律,提高市场化程度,加快发展符合要素结构和比较优势的第三产业。东西部的差距主要在于区位优势与集聚效应,西部需要完善区域基础设施建设,提高对不同层次劳动力的社会保障服务质量,承接东部转移的符合区域比较优势的产业,实现东西部产业和要素的良性互动。     

集成经验模式分解在液压支架焊缝超声信号消噪中的应用研究

针对煤矿液压支架焊缝超声信号受到非线性、非平稳噪声干扰的问题,研究了基于集成经验模式分解(EEMD)的焊缝超声信号自适应去噪方法,首先对原始信号进行EEMD分解得到一系列固有模态函数(IMF),然后利用各IMF分量与原信号的相关系数的大小关系来重构超声回波信号。通过对仿真信号和试验信号进行分解,结果表明,该方法能够自适应地去除超声回波信号中的噪声成分,提高了信噪比,避免了模态混淆。     

柴油发动机曲轴轴承振动信号的EEMD降噪方法

针对经验模式分解(EMD)容易出现模式混叠的缺点,提出了基于辅助白噪声的集成经验模式分解方法(EEMD),实现非平稳振动信号的降噪。对比研究了2种方法的降噪原理与性能。结果表明,EEMD不仅具有更高的信噪比、消除模式混叠,更能充分保留信号本身固有的非平稳特性,而且得到的IMF分量也具有明显的实际物理意义。     

基于EEMD样本熵和GK模糊聚类的机械故障识别

针对目前各种机械故障诊断方法的局限性,提出了基于总体平均经验模式分解（EEMD）样本熵和GK模糊聚类的故障特征提取和分类方法,建立了一种机械故障准确识别的有效途径。首先,对机械振动信号进行EEMD分解,得到若干不同时间尺度的固有模态函数（IMF）分量。其次,通过相关性分析和能量相结合的准则对IMF分量进行筛选,并将筛选出的IMF分量的样本熵组成故障特征向量。最后,将构造的特征向量输入到GK模糊聚类分类器中进行聚类识别。实验及工程实例证明了该方法的有效性和优越性。