基于Hilbert-Huang变换的室内地磁信号处理分析

提出一种利用Hilbert-Huang变换(HHT)处理分析室内地磁信号的方法。介绍HHT原理与方法,设计出一种室内地磁信号采集平台,对实际测量的室内地磁信号进行经验模态分解(EMD),并对分解后的固有模态函数(IMF)进行频谱和时频剖析,最后将经过HHT处理的原始信号进行重组。结果表明,HHT能用于描述复杂的室内地磁信号的非线性时变特征,为室内地磁信号的处理分析提供一种可行的方法。     

基于变分模态分解的延时识别法在短延时微差爆破中的应用

短延时微差起爆时间的精确识别,对复杂环境下隧道爆破优化设计和减振控制具有重要意义.针对经验模态分解（empirical mode decomposition,EMD）识别方法和希尔伯特-黄变换（Hilbert-Huang transform）识别方法存在的模态混叠和识别精度低的缺陷,提出了基于变分模态分解（variational mode decomposition,VMD）的延迟识别方法.分别采用VMD识别法、HHT识别法和EMD识别法对八达岭长城站爆破实测振动信号进行处理.结果表明:在短延时爆破识别中,HHT法的识别结果波峰杂乱,无法精确找到起爆时间;VMD法和EMD法的识别率随着雷管延时的增加而增加;延时低于20 ms时,EMD法的识别率约为VMD法的3/4,延时高于20 ms时,两种方法识别率都在80%以上,以上结果表明VMD法在短延时爆破的优化设计中具有一定的参考价值.      

基于HHT的爆破振动信号时频能量分析

傅里叶变换、小波分析等方式在处理非线性非稳定信号时不能在时间和频率上同时达到较好分辨率,针对此问题,文章在经验模态分解(empirical mode decomposition,EMD)-小波阈值去噪、Hilbert变换的基础上,采用Hilbert-Huang变换(Hilbert-Huang transform,HHT)方法,从三维Hilbert谱、边际谱及瞬时能量谱3个方面对南方某铅锌矿的爆破振动信号进行了分析。结果表明:爆破振动信号的振动频率主要集中在0～200 Hz范围内,该区域能量占信号总能量的90%以上;爆炸发生时振动频率朝着低频发展,50 Hz以内的频率为主振频带;瞬时能量谱可以反映雷管爆炸的能量释放情况。文中运用瞬时能量谱精确识别了7个段位雷管的起爆时刻,发现HHT方法在处理非线性非稳定信号时,打破了Heisenberg测不准原理的限制,能从时域、频域及能量方面反映信号的变化特征,自适应性、完备性及重构性较强,精确度较高。     

HHT在齿轮故障诊断问题中的应用

齿轮作为一种重要的机械传动设备,对其进行故障诊断具有重要意义。传统的齿轮故障诊断大都采用FFT或者小波分析方法,对处理具有非平稳性的齿轮故障信号效果不太明显。HHT由经验模态分解方法(EMD)和Hilbert变换两步组成。经验模态分解方法(EMD)把时间序列信号分解成不同特征时间尺度的固有模态函数(IMF),适合处理非线性和非平稳过程。Hilbert变换对具有调制现象的信号的分析有很大优势。介绍了该方法的基本原理,并将HHT应用于齿轮断齿故障诊断,齿轮故障实验信号的研究结果表明:基于HHT的分析方法,能有效地诊断齿轮的故障。     

HHT在多相流差压信号消噪上的应用

为有效提取噪声背景下的多相流差压信号,提高流量的测量精度,针对实际差压信号非线性非平稳的特点,提出基于Hilbert-Huang transform(HHT)的多相流差压信号消噪方法.该方法利用经验模态分解(EMD)把差压信号分解成有限个固有模态函数(IMF),然后分析各个固有模态函数的边际谱,利用HHT不同频段能量分...     

基于希尔伯特-黄变换和EMD消噪的电压闪变信号检测

针对日渐增多的电压闪变现象,提出了基于希尔伯特-黄变换(HHT)与EMD消噪的电压闪变检测新方法.首先采用希尔伯特-黄变换(HHT)提取电压闪变信号的包络,然后利用经验模态分解(EMD)消除包络信号中的噪声,最后采用经验模态分解(EMD)对消噪后包络信号进行分解,提取调幅波的特征信息.仿真的结果表明,该方法能够准确检测出非平稳电压闪变信号的时间、幅值、频率,对不同形式的电压闪变有着良好的适应性.     

爆炸荷载下结构响应的EMD分析

通过经验模态分解法(EMD)将信号分解为固有模态函数(IMF),结果表明震动信号是由不同频率的具有实际物理意义的固有模态函数分量组成.同时建立了爆炸荷载下的单自由度体系结构动态响应模型,并运用实例分析了结构在爆破震动下的动力放大效应.分析表明不同的IMF分量对结构的影响各不相同,两者频率越接近,其共振作用就越明显.结构对荷载的响应主要取决于不同幅值、不同频率的各IMF分量的共同作用.图5,表1,参11.     

Hilbert-Huang变换与大地电磁信号的时频分析

将Hilbert-Huang变换引入大地电磁信号的时频分析中,介绍HHT(Hilbert-Huang transform)时频分析原理及方法,给出仿真信号的经验模态分解及其时频分布,并对实测大地电磁信号进行HHT时频处理与剖析.研究结果表明:Hilbert能量谱随时频的具体分布具有很强的非稳态动态变换时频刻画能力;时频谱的时间、频率分辨率不受Heisenberg测不准原理的限制,且其时间、频率分辨率都很高,有很好的时频聚集性;HHT方法能用于描述大地电磁信号的非线性时变特征,是大地电磁信号时频分析的有效工具.     

利用正交Hilbert谱模拟非平稳随机地震动

基于样本记录正交HHT变换的Hilbert谱提出了非平稳随机地震动过程的模拟方法。 利用正交EMD法对IMF分量进行处理,克服了传统EMD分解存在能量泄漏的缺点,使正交HHT法可以精确分析非平稳信号的时频特性。在此基础上,把样本的Hilbert谱均值作为地震动随机过程的目标Hilbert谱,引入随机相位角来进行非平稳随机地震动过程的仿真,并且给出了随机过程的统计特性函数。通过对2个地震动记录的模拟,验证了模拟的地震动样本,能完全反映原记录强度和频率的非平稳特性,在时频分布上和原记录非常接近,具有相同的统计特征,并且模拟样本之间也具有良好的离散性。     

Hilbert—Huang变换在齿轮故障诊断中的应用

齿轮作为一种重要的机械传动设备,对其进行故障诊断具有重要意义。传统的齿轮故障诊断大都采用FFT或者小波分析方法,对处理具有非平稳性的齿轮故障信号效果不太明显。HHT由经验模态分解方法（EMD）和Hilbert变换两步组成。经验模态分解方法（EMD）把时间序列信号分解成不同特征时间尺度的固有模态函（IMF）,适合处理非线性和非平稳过程。Hilbert变换对具有调制现象的信号的分析有很大优势。能有效地诊断齿轮的故障。     

Hilbert能量谱及其在齿轮故障诊断中的应用

将Hilbert—Huang变换引入齿轮故障诊断，提出了局部Hilbert能量谱的概念，同时建立了一种基于Hilbert—Huang变换的齿轮故障诊断方法：Hilbert能量谱方法。该方法首先采用EMD方法将齿轮故障振动信号分解为若干个固有模态函数(Intrinsic Mode Function，简称IMF)之和，然后选择包含故障信息的IMF分量进行Hilbeft变换得到局部Hilbert能量谱。在局部瞬时能量图中可以发现，齿轮故障振动信号具有明显的冲击特征，从而可进一步对齿轮故障进行诊断。     

基于希尔伯特-黄变换周期平稳类微弱故障信号检测

在希尔伯特黄变换可以将振动信号分解为有限的模式函数的基础上,针对周期平稳类微弱故障信号难以检测到的问题,对信号进行经验模式分解,然后对本征模式函数进行希尔伯特变换;接着通过希尔伯特谱对多频信号中的弱信号和仿真齿轮裂纹弱故障信号分析,得出多频信号中弱信号成分和其时间分布以及调相频率;最后分析滚动轴承损伤弱故障,从希尔伯特谱中可以分析时频和振动量的分布情况,进而提取故障特征,分析出故障;表明希尔伯特谱对周期平稳类微弱故障信号具有一定的分析能力.     

基于EEMD-HHT边际谱的轴承故障诊断

提出一种基于聚合经验模态分解 (ensemble empirical mode decomposition,EEMD)和Hilbert-Huang变换（HHT）边际谱的滚动轴承故障诊断方法。首先采用EEMD方法将轴承振动信号分解成若干个模态混叠得到较好抑制的固有模态函数（IMFs）,然后对各IMF进行Hilbert变换,求出轴承振动信号的总HHT边际谱,最后根据该边际谱的幅值特性,确定滚动轴承的故障特征。本文方法提供了一种滚动轴承故障诊断的有效工具。     

希尔伯特-黄变换端点效应的自适应端点相位正弦延拓方法

针对希尔伯特-黄变换（Hilbert Huang Transform,HHT）的端点效应问题,提出一种自适应端点相位正弦延拓经验模态分解（Empirical Mode Decomposition,EMD）方法.该方法根据端点附近数据变化趋势,通过在信号两端自适应加上相位、幅值和频率适当的正弦延拓函数,使得原端点的包络线顺着端点附近波形延展,以改进EMD分解精度.为满足EMD内禀模态分量（Intrinsic Mode Function,IMF）与原信号的相关性精度和EMD较低迭代次数的要求,引入能表征EMD性能的目标函数.该函数可通过迭代次数、IMF个数和有效IMF的相关系数大小等来衡量.由于该方法的边界延拓参数是根据延拓周期比例系数、延拓信号长度系数和采样频率自动确定的,故其分解过程完全是一个自适应过程,不需要人为设置,具有较好的实用性.仿真和液压系统实例分析表明,该方法不仅能较好地解决HHT的端点效应,而且相对现有的延拓方法而言,筛选次数更少,能显著提高信号EMD分解精度,且减小Hilbert谱的端点效应,更加精确地提取了液压系统齿轮泵振动信号的故障特征,取得了较好的应用效果.     

模型试验单孔爆破振动信号时频分析

以地下工程常见的直墙半圆拱形硐室为原型,借助胶结砂相似材料开展单孔爆破相似模型试验,并监测爆破过程中相似模型试件顶面的爆破振动信号,随后采用HHT法对3个方向爆破振动信号的时频特征进行分析。爆破振动监测表明,在3个方向爆破振动信号中,竖向爆破振动峰值最大,水平径向次之,水平切向最小。3个方向爆破振动信号IMF分量能量分布表明,爆破振动信号优势能量集中分布于主振频率所在的几个IMF分量。HHT分析表明,3个方向爆破振动信号集中分布在0.03~0.07 s时域内;爆破振动信号频域成分丰富,但其在频域内分布不均匀;对于水平径向,爆破振动信号集中分布在111~312 Hz频域内;水平切向集中分布在171~323 Hz频域内;竖向则集中分布在128~209 Hz频域内。     

基于HHT的远区爆破振动信号能量演化及分布规律

本文基于HHT分析法,对远区爆破振动信号进行时频分析,研究信号中能量随爆源距增加的演化及分布规律。结果表明：爆破振动总能量及峰值能量随着爆源距的增加衰减较快;低频段能量在传播过程中会随爆源距增加有增大的趋势,而中高频能量则是随着爆源距的增加有减小的趋势,同时,爆源距对远区爆破振动的频率段构成也会造成影响,即频率左右限均有减小的趋势,但频带宽度总体保持不变。考虑爆破振动信号所携带的能量信息在爆破振动设计方案的优化中同样具有重大的工程意义。     

基于Hilbert谱熵的柴油机故障诊断方法研究

从信号的特征提取出发,采用局域波时频谱分析和信息熵结合的方法--Hilbert谱熵(HSE),进行柴油机振动信号的特征提取和状态识别.首先,对信号进行局域波分解;然后,根据得到的内蕴模式分量计算Hilbert谱;最后,建立基于时频分布的Hilbert谱熵,并以此作为故障识别的特征参数.以柴油机缸套与活塞间磨损的状态识别为例,根据对时域、频域和时频域的信息熵比较分析,证明了Hilbert谱熵对柴油机的状态进行评价的有效性.此方法为柴油机预知维修提供了一个有效的手段.     

地铁浅埋隧道爆破振动监测及HHT信号分析

为解决地铁浅埋隧道掘进过程中爆破振动对地铁施工安全及周围建构筑物的影响.论文以新疆乌鲁木齐市地铁1号线东线隧道中营工-小西沟区间段为工程背景,对地铁隧道掘进爆破时地表产生的振动效应进行了多次监测,得出地表振动速度自掌子面正上方向两边逐渐减小;将爆破产生的振动信号通过HHT方法变换,发现隧道掘进爆破产生的振动信号,其能量主要分布在时间段0~1.2 s,其频率主要分布在频率段0~60 Hz之间.采用掏槽孔分段起爆技术,显著降低爆破振动效应,同时有效控制了隧道爆破施工对周围建构筑物的影响.