周期性传热条件下混凝土空心砌块的热流信号EMD分析

为探索新型信号分析技术在建筑墙体夏季传热过程中热流信号处理时的应用,本文在对混凝土加腋锥式肋块型空心砌块墙体进行周期性非稳态传热数值计算的基础上,利用在时域具有高分辨率的希尔伯特-黄变换算法(HHT)对墙体输入、输出热流进行经验模态分解(EMD)计算。结果表明:东、南、西、北朝向建筑墙体外表面输入热流的本征模态函数(IMF)中的第5、6(7)阶IMF已经基本奠定了信号函数的主导波形,各朝向热流波形有明显区别,第3、4阶IMF是对第5、6(7)阶信号的局部修正;各朝向建筑墙体内表面热流的IMF数量只有4～5阶,最后1～2阶与残差项之和就足以精确拟合原始信号;与傅里叶变换方法对比,EMD分解墙体热流谐波信号具有分解阶数较少、趋势项清晰、拟合精度高的优势。     

基于经验模式分解的希尔伯特变换包络提取在机械故障诊断中的应用

本文采用经验模式分解（EMI）提取信号的内在模函数（IMF），并利用希尔伯特变换对所得IMF进行包络分析，提取机械故障特征。与直接对原信号进行包络分析相比较，该方法提取的机械故障特征更明显，数值模拟和对故障轴承振动信号分析表明了该方法的有效性。     

基于Hilbert-Huang变换的电力系统故障检测

电力系统发生故障时,其暂态信号多为非线性非平稳信号。希尔伯特-黄变换可从此类信号出发,自适应分解为有限个本征模式函数之和,通过选取IMF并对其进行Hilbert变换,提取出IMF分量的瞬时频率和瞬时幅度。利用合成的IMF分量的Hilbert谱分布,对故障暂态进行了时间-频率-振幅的联合分析。仿真结果表明,希尔伯特-黄变换在电力系统故障检测中非常有效。     

钻井泵泵阀状态的监测与故障诊断

对钻井泵泵阀故障识别进行了实验研究,提出了一种则实用的泵阀故障诊断方法。以位置传感器测量活塞死点所产生的信号为触发信号,可用计算机采集到钻井泵泵阀关闭时在阀箱上激起的瞬态响应信号。对该瞬态信号的时域和同步功率谱进行分析后,可较为准确地判别泵阀的工作状态。用该方法可检测出较为明显的故障信息。     

基于掩膜信号法的端点延拓方法

提出了一种基于掩膜信号法的端点延拓新方法,可以有效地解决产生于希尔伯特-黄变换中的端点效应;对信号进行外延后进行EMD,然后利用掩膜信号对IMF分量进行延拓后再进行希尔伯特变换;仿真实验证实了该方法的有效性.     

希尔伯特-黄变换在微电网故障定位中的应用

基于微电网双向潮流结构运行及故障电流小等特点,采用不受波速和线路弧垂影响的三端行波测距与希尔伯特-黄变换(Hilbert-Huang Transformation,HHT)结合对故障电流行波进行检测。通过经验模态分解(Empirical Mode Decomposition,EMD)提取故障电流行波信号的固有模态函数(Intrinsic Mode Function,IMF),再对首个固有模态函数(IMF1)进行希尔伯特谱分析(Hilbert Spectrum Analysis,HSA),得到相应的瞬时频率谱,根据瞬时频率谱的突变点对行波波头到达测量端的时刻准确检测。利用Matlab/Simulink建立微电网仿真模型,针对微电网不同故障类型进行仿真分析,仿真结果表明所提出的故障定位方法有效且具有较高的定位精度。     

采用HHT的单相接地故障电流与励磁涌流辨识

为有效辨识中压配电网单相接地故障电流与变压器铁芯饱和产生的励磁涌流相似波形,提出一种基于希尔伯特 黄变换（HHT）经验模态分解（EMD）的辨识方法。通过对故障电流和励磁涌流进行EMD特性分析,将原始信号分解为若干本征模态函数（IMF）分量,根据确定的主导IMF分量个数以及比重系数和阈值的关系,区分出故障电流和励磁涌流的波形。仿真发现,单相接地故障电流主导的本征模态函数分量仅有1个,而励磁涌流主导的IMF分量则有多个;故障电流的比重系数Ki远大于励磁涌流的Ki。仿真结果表明,该方法能够有效辨识故障电流和励磁涌流。     

希尔伯特-黄变换在轴承故障诊断中的应用研究

该文通过运用希尔伯特-黄变换（Hilbert—HuangTransform,简称HHT）对轴承的故障信号进行分析,用以诊断故障类型,并取得了较好的效果,为轴承故障诊断提供了一项可行方法。     

基于HHT的转子振动故障诊断研究

转子振动的故障特征难以提取,而HHT(Hilbert-Huang transform,简称HHT)方法是通过经验模态分解将信号分解成若干个IMF(intrinsic mode function,简称IMF),能够清楚地获得信号的时频分布情况,从而准确地反映系统的固有属性.本文首先揭示了转子系统故障诊断的一般流程,阐述了HHT的原理.其次提出了将HHT应用于转子振动故障特征提取的方法.最后利用Matlab建立了数学模型,进行了数值仿真,验证了希尔伯特-黄变换算法的有效性.     

希尔伯特-黄变换轴瓦异响故障诊断

根据汽车发动机信号非线性、非平稳性特点,分别对正常以及轴瓦异响发动机信号进行HHT,得到希尔伯特谱与时频分布三维图。将引起异响的高频成分从异响信号中分离,再通过对高频成分的分析找出故障原因。结果表明,正常发动机固有频率为210Hz,轴瓦异响发动机频率主要集中在500,1 500和2 700Hz,通过对比加速度谱分析结果,判断出轴瓦异响的原因是轴瓦磨损。     

局域波法和高阶统计量在压缩机气阀状态监测中应用

为解决传统信号处理方法分析非平稳时变信号的不足,提出了一种适用于往复式压缩机气阀状态特征提取的新方法.首先使用局域波法将实测信号分解为多个基本模式分量,经过希尔伯特变换得到各分量的时频谱;然后计算归一化后幅值信号的高阶统计量,这些统计量很好地反映了气阀的劣化过程.通过对现场工作的聚乙烯二次压缩机组合阀振动信号的分析,验证了该方法在往复压缩机状态监测中的有效性和实用性.     

基于改进HHT的结构模态参数识别方法

针对HHT方法中经验模态分解(EMD)过程容易出现模态混叠、虚假模态和端点效应的问题,提出了改进的HHT方法.首先利用带通滤波对原始信号进行预处理,得到一组窄带频率信号之和;接着进行EMD过程,得到若干个本征模函数(IMF),根据IMFs和原信号的相关系数来判定其是否是真正的IMFs;然后运用随机减量技术(RDT)和希...     

Analysis of the characteristics of gastrointestinal motility based on Hilbert-Huang transform method

Pressure activity data as an important index of gastrointestinal (GI) motility can be obtained from the wireless radiotelemetry capsule. The Hilbert-Huang transform (HHT) method, which is more effective to process non-stationary signal, is proposed to identify the characteristics of GI motility. We decompose the pressure activity data into intrinsic mode functions (IMFs),calculate the Hilbert marginal spectrum and attain the peristalsis characteristics of GI tract. The IMFs represent the peristalses modes of GI tract activity embedded in the pressure data. The time-varying characteristic of the method suggests that the HHT is suitable to accommodate other non-stationary biomedical data analysis.     

基于二次EEMD的转子故障信号时频分析方法研究

HHT时频分析被广泛应用于机械故障诊断中,但其模态混叠成为应用时的瓶颈。针对此问题提出了利用二次集合经验模态分解分解(ensemble empirical mode decomposition,EEMD)来消除模态混叠的时频分析方法。该方法首先用EEMD将原信号分解成若干个本征模函数(intrinsic mode function,IMF),然后选取相关系数较大的分量重构原信号,再利用EEMD对其进行二次处理,便可获得去除模态混叠的时频分布。通过对仿真与实验转子信号分析,该方法可以有效抑制经验模式分解(empirical mode decomposition,EMD)的模态混叠现象,相比一次EEMD,二次EEMD去除模态混叠更明显,能有效应用于旋转机械故障诊断中。     

钻井泵泵阀状态的监测与故障诊断

对钻井泵泵阀故障识别进行了实验研究，提出了一种简单而实用的泵阀故障诊断方法。以位置传感器测量活塞死点所产生的信号为触发信号，可用计算机准确采集到钻井泵泵阀关闭时在阀箱上激起的瞬态响应信号。对该瞬态信号的时域和同步功率谱进行分析后，可较为准确地判别泵阀的工作状态。用该方法可检测出较为明显的故障信息。     

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SVD差分谱和IMF能量谱的改进HHT方法

针对随机噪声和虚假IMF会导致改进HHT中EEMD分解质量下降和Hilbert谱混乱,提出了一种基于SVD差分谱降噪预处理和IMF能量谱剔除虚假分量的改进HHT.该方法首先对原始信号进行SVD降噪,通过基本不等式原理来确定相空间重组的最佳Hankel矩阵结构,利用奇异值差分谱来确定有效奇异值的阶次;然后对消噪的信号进行EEMD分解,通过IMF能量谱来去除虚假分量;最后对主IMF进行Hilbert谱分析.仿真和实验结果表明,SVD能提高信噪比,抑制噪声对EEMD分解精度的干扰;能量谱能有效地消除虚假IMF对Hilbert谱分析的影响;Hilbert谱中各频率成分清晰,解决了随机噪声和虚假分量对传统改进HHT的不良影响.     

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.     

基于压力信号的小波神经网络往复泵故障诊断

为有效提取往复泵工作时非平稳时变信号中的故障特征和将故障特征准确分类,提出以泵缸内的压力作为系统特征信号来提取故障特征向量的方法.将小波包分解的"频率-能量-故障识别"模式诊断方法引入泵阀工作状态监测中,通过改进的BP神经网络进行故障诊断.试验确定了网络的初始值,即选择学习率初始值为1.5、惯性因子为0.6、网络结构为3层的BP网络,其中隐含层的节点数为19个,即网络的结构是8-19-3.结果表明,该法降低了对原始信号处理的难度,且各阀箱内的压力之间无相互影响.该技术已应用于某船载系统的往复泵实时故障诊断中,实验验证了其有效性.     

基于Hilbert-Huang变换的第一心音信号时频分析

根据瓣膜原理,第一心音(S1)是在心脏收缩期由二尖瓣和三尖瓣关闭时引起的振动产生的,含有多个频率分量.对第一心音信号的分析研究,在临床上对心脏疾病的诊断有重要意义.本文用一种全新的时频分析方法:Hilbert-Huang变换(HHT),对30例心音数据进行心音分析实验.实验结果表明:HHT方法可以有效的分析心音信号;S1含有二尖瓣M1及三尖瓣T1两个主要成份;异常S1的M1和T1的频率比正常S1有升高.