EMD端点效应处理方法的研究

经验模态分解(EMD)过程中存在着端点效应问题,使得EMD分解结果产生严重的失真现象,从而导致处理数据发生畸变.提出了将极值点对称延拓和在信号序列上加窗函数相结合的方法,带入到EMD分解过程中,以抑制信号被分解时在端点附近所产生的上下包络线的发散现象.结果表明,该方法较好地解决了信号失真问题.     

改进EMD在轴承故障诊断中的应用

为解决传统镜像延拓经验模态分解(mirror Empirical Mode Decomposition,简称mirror-EMD)在对信号分解过程中易受随机噪声干扰,易产生虚假固有模态分量(Intrinsic Mode Function,简称IMF)的缺点,论文提出了一种将自适应小波阈值去噪,镜像延拓EMD分解,相关系数法剔除虚假IMF三者相结合的改进EMD方法 (简称wt-mirror-EMD).该方法首先对原始故障信号去噪,然后对去噪后信号镜像延拓EMD分解,得到若干个IMF分量,最后对各IMF分量计算相关系数,对相关系数大的主IMF作频谱分析。仿真信号和实际轴承信号分析均表明,wt-mirror-EMD,该方法相对于传统改进mirror-EMD方法,尤其是当有噪声干扰时,检测结果更加准确。     

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...     

希尔伯特-黄变换方法边界问题的处理

在研究基于经验模态分解（EMD）算法的基础上,本文提出了一种处理EMD边界问题的新方法——拟正弦边界延拓法,并通过仿真试验,与采用特征波法的分解结果进行比较。对比表明,拟正弦边界延拓法能有效地抑制EMD分解出的固有模态函数两个端点处的摆动,从而提高时频分辨率,应用拟正弦边界延拓法处理EMD的端点效应具有一定的优越性,值得推广应用。     

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.     

HHT方法在结构模态参数识别中的改进

在Hilbert-Huang变换(HHT)的基础上,采用ChebyshevⅠ类带通滤波器对测量响应进行滤波,使得经EMD分解得到的固有模态函数(IMF)包含所有需要的模态,解决了模态混淆问题;采用去端点法预处理模态响应的相位和幅值,进行线性最小二乘法拟合,解决了端点效应问题;并推导了如何利用HHT识别比例阻尼结构体系的...     

基于最大相关波形延拓改进的EEMD方法

针对经验模态分解(empirical mode decomposition,EMD)中出现的端点效应和模态混叠现象问题,提出了利用最大相关波形延拓改进聚合经验模态分解(ensemble empirical mode decomposition,EEMD)方法.利用最大相关波形法对原始信号的两端进行延拓,实现延拓数据在原信号边界处的平滑过渡,减小端点处包络线的拟合误差.针对EEMD中参数无法自动获取的问题,采用自适应EEMD对新信号进行分解,提高信号的分解精度.通过仿真分析和转子不平衡故障诊断实例研究表明,改进的EEMD方法不仅能够明显减少虚假模态分量、有效抑制模态混叠现象,而且较好地改善了端点效应引起的分解失真问题.同时与基于极值点对称延拓改进方法及基于镜像延拓改进方法相比,所提方法具有较高的分解精度.     

改进Hilbert-Huang变换的滚动轴承故障诊断

以自适应噪声完备集合经验模态分解(CEEMDAN)为基础,提出了一种改进的Hilbert-Huang变换(HHT)时频分析法。对滚动轴承振动信号进行CEEMDAN获得一组本征模态函数(IMF)。通过自动提取敏感IMF算法,筛选特征敏感IMF分量,计算特征敏感IMF分量的Hilbert包络谱和HHT二维时频谱,提取故障特征频率信息。研究结果表明:CEEMDAN算法有效降低了模态混叠,比经验模态分解(EMD)算法和集合经验模态分解(EEMD)算法具有优越性。将改进的HHT与自动提取敏感IMF算法相结合,可以有效分解信号的特征信息,筛选出含有故障特征信息的敏感IMF,剔除背景噪声和无故障IMF的干扰,有效提取轴承振动的故障特征频率,诊断出轴承故障的发生部位。     

镜像延拓EMD方法的改进及其应用

希尔伯特黄(Hilbert-Huang)变换是一种自调节信号分解方法,通常该方法包括两部分:经验模式分解(Empirical Mode Decomposition,EMD)和希尔伯特变换。由于希尔伯特黄变换理论并不成熟,尤其是该方法存在的“端点效应”问题,使其在某些场合应用误差较大。为了解决端点效应问题,本文首先从阐述了Hilbert-Huang变换的基本理论、算法、存在的问题及常见的解决方法入手,针对镜像闭合延拓EMD处理端点效应问题时的不足,提出了一种新的镜像延拓EMD方法。最后利用仿真信号验证了该方法的有效性,取得了较好的结果。     

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。     

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。     

Hilbert-Huang变换理论及其计算中的问题

以地震波的谱分析为例 ,对比分析了Hilbert Huang变换 (HHT)与傅立叶变换的差别 ,结果表明 :HHT是对非平稳时程进行数据分析的有效工具 ,能有效地将各种频率成份以固有模态函数的形式从时程曲线中分离出来 ,但这种固有模态函数与傅立叶变换结果不同 ,而且Hilbert谱是包含时间 -频率 -振幅的三维谱 ;可采用在端点改造一个小波串的方法解决HHT存在的端点飞翼现象 .文中还提出确定是否终止固有模态函数分离过程的一种方法     

一种基于改进Hilbert-Huang变换的非平稳信号时频分析法及其应用

对于非平稳信号时频分析,提出了一种基于改进Hilbert-Huang变换(HHT)的分析方法.根据HHT的已有原理,改进了经验模式分解(EMD)过程中的筛选停止准则,提高了分解精度;给出了Hilbert谱分析的完整过程;以线性调频连续波(FMCW)信号模型作为研究对象,结合改进的EMD分解和完整的Hilbert谱分析,通过分析时频分布特征实现高噪声背景下雷达目标信号的检测以及干扰信号的提取.仿真结果表明了改进后的HHT方法对于低信噪比非平稳信号分析的有效性.     

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.      

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...     

动态称量经验模态分解数据处理方法

为消除动态称量信号中的各种噪声,研究动态称量经验模态分解数据处理方法.针对经验模态分解筛分过程中数据序列的两端常处于非极值状态,而导致边缘效应,以及现有抑制边缘效应方法效率低、对数据量要求大的不足,提出一种新的数据延拓方法次端点镜像延拓法来抑制边缘效应.通过对定量加料动态称量经验模态分解试验,结果表明新的抑制边缘效应方法可以获得较高的称量精度和效率,对称量信号分解的最大误差在±0.8%以内.     

基于经验模态分解的局域网络入侵检测算法

通过对局域网络入侵的准确检测可以保障网络安全,由于局域网网络入侵信号具有瞬时频率特性,采用传统的时频分析方法难以实现有效检测,出现检测不准确的问题.为此提出基于经验模态分解的局域网络入侵检测算法,分析网络攻击的防护原理和DOS攻击对网络的危害,对信号处理方法进行检测方法设计.卡尔曼滤波方法对DOS入侵信号进行前置滤波,去除入侵信号的EMD虚假分量,采用小波阈值去噪方法进行信号提纯,采用经验模特分解方法,使得DOS入侵信号特征与干扰组成成分最佳匹配,提取HHT频谱实现对入侵信号的准确检测.仿真结果表明,采用该检测方法进行局域网入侵检测,精度较高,抗干扰性强,检测性能优于传统算法.