基于1.5维谱估计的输油管道腐蚀超声回波信号分析

针对以快速傅里叶变换为代表的常用二阶统计量在处理输油管道腐蚀超声回波信号时经常出现大量误差的问题,详细研究了管道超声回波信号的形成原理,并运用波动理论对回波信号进行特征分析,提出了基于1.5维谱估计的非最小相位系统与非高斯信号处理方法,并对管壁正常位置、出现内壁腐蚀和外壁腐蚀位置分别进行了逐点扫描检测及超声回波信号分析,同时给出了一种特殊的管壁腐蚀临界位置回波信号处理方法.单点检测和多点连续检测实验结果表明,1.5维谱估计算法分析输油管道腐蚀超声回波信号时,能够有效克服快速傅里叶变换算法的弊端,获取的壁厚相对误差在2%以内,C扫描图像能够清晰地显示管道的腐蚀情况,满足输油管道腐蚀剩余壁厚的检测要求.     

基于经验模态分解的齿轮箱故障特征提取

利用小波去噪阈值法对齿轮箱故障振动信号进行去噪,将经验模态分解(EMD)和快速傅里叶变换(FFT)相结合对齿轮箱故障进行特征提取,此方法适合于对非线性非稳态信号进行自适应的分析.利用小波阈值去噪方法对原始信号进行预处理,将去噪后的信号进行经验模态分解,得到一定数量的本征模态函数(IMF)分量,选取特定的IMF进行FFT,得到相应的功率谱,从而达到提取齿轮箱故障特征频率的目的.对齿轮箱故障信号进行分析,结果表明该方法能够有效地识别出齿轮箱故障特征频率.     

抑制EMD端点效应方法的研究

基于经验模态分解的Hilbert-Huang变换在分解过程中产生端点效应,使得信号两端点附近出现失真问题,提出对端点效应进行抑制的多种方法. 对全局统计平均法、平行线段延拓极值法、多项式拟合法、镜像延拓法、神经网络延拓法等抑制方法进行对比研究. 仿真和实验结果表明,端点效应得到有效抑制,Hilbert-Huang变换的分析性能得到改善.     

基于改进Hilbert-Huang变换算法的电气化铁路谐波检测

通过对电力机车负载电流进行仿真建模,得到电力机车在不同工况下的电流波形;使用改进的Hilbert-Huang变换算法对电流波形进行谐波检测;采用限制带宽经验模态分解算法对原始电流波形进行分解;通过引入屏蔽信号来控制本征模态函数的带宽,以有效抑制模态混叠.结果表明,所提出的改进Hilbert-Huang变换算法能够有效检测电气化铁路负载电流中各次谐波随时间变化的特征.     

Hilbert-Huang变换在线性正则域的新推广

Hilbert-Huang变换是一种重要的非平稳信号分析工具,其对信号的处理包含两个方面:(i)经验模态分解;(ii)Hilbert谱分析.2012年,Li,Tao和Wang利用线性正域上的Hilbert变换将该变换推广到线性正则域,从而获得了一种更为灵活的信号分析工具.本文提出了Hilbert-Huang变换在线性正则域的一种新推广.这种新推广先利用经验模态分解将信号转换成固有模态函数,再引入另一种线性正则域的Hilbert变换对固有模态函数进行Hilbert谱分析,从而得到Hilbert-Huang变换在线性正则域的一种新推广.     

Hilbert-Huang变换及其滤波特性研究

Hilbert-Huang变换是最新发展起来的处理非线性非平稳信号的时频分析方法.其基本的实现分为两步,经验模态分解和瞬时频率的求解.这种方法的核心部分是经验模态分解,任何复杂的信号都可以分解为有限数目并且具有一定物理意义的本征模态函数,对这些本征模态函数作Hilbert变换即可得到每一个本征模态函数的瞬时频率.经验模态分解方法是一个以信号极值特征尺度为度量的时空滤波过程,它充分保留了信号的局部特征,在信号的滤波和去噪中具有较大的优势.本文讨论了Hilbert-Huang变换时空滤波的实现过程,仿真验证了该方法的优越性.     

虚拟式Hilbert-Huang变换信号分析仪的研制

介绍了Norden.E.Huang等人提出的Hilbert-Huang变换(HHT)信号分析方法的主要内容、经验模态分解的过程和希尔伯特谱、边际谱的概念等;以虚拟仪器的开发特点及应用为基础,利用软件和硬件相结合的方法,从硬件部分、软件部分、仪器面板3个方面介绍了虚拟式Hilbert-Huang变换信号分析仪的设计,并成功开发了虚拟式Hilbert-Huang变换信号分析仪,为工程信号测试与分析提供了一种全新的方法.     

改进的OFDM带宽盲估计方法

针对正交频分复用信号通过快速傅里叶变换变换得到的频谱不够精确且计算量较大的问题,提出一种基于Welch法的带宽盲估计方法.首先用Welch法求得功率谱,再进行小波分解、重构,得到平滑的功率谱;然后提取出最大移动协方差的2个值所在的位置进而估计带宽;最后多次循环求统计平均,得到信号的精确带宽.实验仿真结果表明:在多径且低信噪比为0dB的条件下,该方法的正确估计率达99.1%,比传统方法的带宽估计精度更高,计算复杂度更低.     

改进小波包的滚动轴承故障诊断

小波包分解可以提高信号频率分辨率,但子带信号会出现虚假频率成分,造成严重的频率混叠现象。运用小波包的改进算法和经验模态分解相结合,来检测诊断滚动轴承故障的特征。首先,应用快速傅里叶变换和快速傅里叶逆变换对小波包各子带信号进行处理,并调整滤波器组使子带频带顺序排列。提取含故障频率的子带信号对其进行经验模态分解,以互相关、峭度准则提取故障本征模函数分量,可以避免本征模函数分量选择的盲目性。对仿真信号分析和实例分析的结果表明:该方法能够准确地检测出轴承故障,从而突出该方法的有效性。     

基于改进Hilbert-Huang变换的暂态电能质量扰动定位方法

针对经验模态分解过程中容易过度筛选的问题,该文改进了筛选停止准则,对Hilbert-Huang变换进行了改进,并将改进Hilbert-Huang变换方法应用于暂态电能质量扰动信号的检测及时频分析中。该方法在对暂态电能质量扰动信号进行经验模态分解得到固有模态函数后,再进行希尔伯特变换,可以定量、准确地刻画扰动信号的时间、频率和幅值信息。实验结果表明:该方法可以实时准确检测扰动的起止时刻、持续时间和扰动幅度,适用于暂态电能质量扰动的监测系统。     

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。     

一种多尺度球磨机筒体振动频谱分析与建模方法

针对基于传统快速傅里叶变换获得的单尺度筒体振动频谱难以有效揭示磨机研磨机理和筒体振动信号组成,以及现有文献中经验模态分解(EMD)技术预测精度低的问题,提出了基于偏最小二乘算法的多尺度筒体振动频谱分析与建模方法.该方法首先采用经验模态分解技术将筒体振动信号分解为具有不同时间尺度的内禀模态函数(IMF),接着通过傅里叶变换获得多尺度频谱,最后采用基于偏最小二乘算法的潜变量贡献率分析和选择不同尺度频谱,并建立融合不同尺度频谱的磨机负荷参数软测量模型.采用实验球磨机的实验数据仿真验证了所提方法的有效性.     

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。     

液压挖掘机反铲切削过程振动信号去噪处理

针对小波包频带能量分解和Hilbert-Huang变化在信号的去噪研究中的优势,对比2种方法在液压挖掘机反铲切削过程中振动信号去噪的准确度.以液压挖掘机工作装置的振动信号为例,利用小波包频带能量分解算法与Hilbert-Huang变化算法分别对振动信号进行重构.其中,Hilbert-Huang变换首先是对振动信号通过经验模态分解(empirical mode decomposition,EMD)得到IMF分量;然后,对IMF分量进行Hilbert谱分析,得到IMF分量的能量特征,选择有用的IMF分量进行信号重构,从而消除噪音信号的干扰.研究结果表明:与小波包频带能量分解方法相比, Hilbert-Huang变换的液压挖掘机反铲切削过程振动的重构信号更加接近真实信号.     

基于小波及Hilbert-Huang变换提取壁湍流相干结构

为了研究壁湍流中的相干结构,在直流抽吸式低（变）湍流度风洞的实验段中,应用恒温热线风速仪IFA-300精确测量平板湍流边界层不同法向位置的流向速度信号.分析壁湍流脉动速度的概率密度分布,并与高斯分布比较,验证了壁湍流中相干结构引起的猝发现象的统计规律.提出了一种利用小波变换和Hilbert-Huang（HHT）变换相结合来提取相干结构的方法.对壁湍流脉动速度进行HHT变换,通过变换后各模态的能量分析,分离出主要含能模态对应的相干结构.利用小波重构法继续提取未分离的小尺度相干结构.对剩余湍流信号进行概率统计,并比较提取的全部相干结构与原始湍流信号的波形和HHT边际谱,验证了湍流信号既包含非随机的相干结构信号也包含随机的非相干信号.     

基于FFT和神经网络的复模态参数识别

为了精确识别结构复模态参数,提出了一种基于快速傅里叶变换(FFT)和人工神经网络的模态识别方法.该方法首先对自由振动信号进行FFT预处理,得到粗略的各阶模态频率和相位.然后,根据模态的阶数设定神经元的个数,根据预处理后得到的频率和相位设定神经网络权值和基函数参数迭代的初始值.最后,通过对人工神经网络进行训练,达到利用自由振动信号进行时域模态识别的目的.仿真结果表明,该算法可消除频率法识别中因频谱泄露与噪声等产生的误差,提高模态识别的精度,因而是一种有效的时域识别方法.     

基于HHT信号处理方法的水轮发电机组低频压力脉动信号的特征提取

基于经验模态分解(Empirical mode decomposition,EMD)的希尔伯特黄变换(Hilbert-Huang transform,HHT)方法能够较好地分析非平稳和非线性的信号.提出了基于Pascal程序设计语言的HHT算法的程序实现方法.通过对某水轮发电机组水导轴承的振动信号进行分析发现,EMD方法等够有效地分离出低频压力脉动信号中的各个单一模态的振动分量,分解出来的各振动分量具有物理意义.Hilbert谱相比于传统的时频谱具有更好的时频分辨率,且具有自适应的信号处理能力.     

基于改进HHT方法的密集模态结构参数识别

针对Hilbert-Huang变换(HHT)方法在识别结构模态参数中存在的经验模式分解(EMD)模态分解能力不足以及固有模式函数(IMF)分量之间不正交这2个问题,分别提出采用波组信号前处理和正交化经验模式分解的方法予以改进,并将此方法称为改进的Hilbert-Huang变换方法.在介绍正交化经验模式分解方法和波组信号前处理基本原理的基础上,给出基于此改进Hilbert-Huang变换方法识别结构模态参数的基本步骤,并通过一个具有密集模态的三自由度结构在脉冲荷载激励下的模态参数识别算例予以验证.研究结果表明:该方法可有效识别密集模态结构的模态参数,且识别效果优于基于HHT的模态参数识别方法的效果.     

基于上下文模型的混合傅里叶-小波图像降噪方法

针对小波变换和傅里叶变换去除图像噪声时各具不同的优点和不足,提出一种基于上下文模型的混合傅里叶-小波图像降噪方法.首先在傅里叶域中估计原始图像的功率谱密度,运用维纳滤波器降噪,降低原始图像噪声水平;再在小波域中通过基于上下文模型的自适应阈值法去除剩余噪声;在小波域中使用平稳小波变换分解图像信号得到分解后的系列小波系数,根据小波系数间的相关性,利用上下文模型求取小波系数的方差,将其代入由GGD模型估计出的阈值表达式得到自适应阈值,再用软阈值函数对小波系数进行处理,最后将处理后的小波系数进行小波逆变换完成去噪.仿真结果表明:该方法不仅能够有效滤除图像噪声,而且能够保留图像的边缘细节信号,抑制降噪引起的吉布斯现象.     

超声内检测含缺陷管道壁厚确定方法

超声内检测器检测含缺陷管道时,回波信号高度敏感于探头与管道的空间相对方位,是影响管壁厚度检测精度的关键影响因素之一。利用自主研制的A扫描超声内检测实验装置,针对DN219×7.48 mm、Q235碳钢外壁含体积型缺陷管道,开展超声探头与被测管道分别在正对状态和存在轴向错位、环向错位以及两种错位共存4种状态下的超声检测实验,获得了不同空间姿态下的回波信号。分析了回波信号的时域波形特征,基于提取的时域特征参数,建立了管道壁厚计算过渡方式,并确定了壁厚计算方法。发现能确定含缺陷管段壁厚的错位范围比确定无缺陷管段壁厚的错位范围小;轴向错位对信号中缺陷底面回波特征的影响比环向错位大。结果表明:提出的含缺陷管道壁厚计算方法能准确确定管道壁厚,计算壁厚与实际壁厚最大误差小于5%,说明检测精度满足工程需要。