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。     

基于改进EMD方法的轨道不平顺时频分析

经验模态分解法(EMD)的端点效应是影响该方法精度的难点问题,结合端点效应的产生原理和现有研究成果,采用镜像闭合延拓法和灰色神经网络预测法相结合的方法对信号两端的包络进行延拓;通过对仿真信号和实际信号的分析表明,该方法可以有效抑制EMD方法的端点效应.利用改进的EMD方法对提速干线铁路和客运专线铁路实测轨道不平顺信号进行研究,结果表明:京广提速干线铁路样本段轨道不平顺存在着不同程度的短波和中长波不平顺,而武广高速铁路样本段轨道不平顺主要分布于中长波区段.改进EMD方法为保障铁路安全运营提供了一种新的途径.     

基于延拓技术的经验模态分解改进算法

为了消除经验模态分解算法中的端点效应问题,给出了利用数据序列延拓技术抑制端点效应的方法。在分析基于镜像延拓法的算法实现以及存在的不足的基础上,提出了端点极值包络延拓方法。通过理论分析和仿真实验验证了该方法在提高经验模态分解算法分解精度、改善时频分析性能方面的有效性,在空间方面,包络极值延拓算法比镜像延拓节省了约50%的空间。     

基于EEMD分解的欧洲温度序列的多尺度分析

利用EEMD方法对欧洲5个站大于 150年逐日温度序列进行分解, 分析了欧洲温度序列的低频变化、年循环及季节变化。结果表明: 欧洲5站温度低频变化均存在明显的特征时间尺度, 即年际、年代际和世纪尺度等; 年循环强度在1910?1940年及1970年年末以后的两个暖期里均处于偏弱的状态, 尤其是最近30年里年循环强度减弱趋势更加明显; 此外, 与1910?1940年相比, 在20世纪70年代末以来的暖期里, 夏季更长, 冬季更短。     

斜率匹配波形延拓法抑制EMD端点效应

提出一种抑制EMD端点效应的新方法——斜率匹配波形延拓法。该方法充分考虑了信号边缘处的变化趋势以及信号的内部特征,以信号端点处曲线的斜率作为参考,从信号内部寻找斜率最接近的子波进行匹配,根据匹配子波及其前后波形对信号端点进行波形延拓。仿真和实测信号的分析结果表明,该方法能够有效地抑制端点效应。     

基于改进的EMD方法的热网管道泄漏检测方法

管道泄漏检测技术是保障管道安全生产的重要手段.为了延长管道使用寿命、及时发现和处理管道泄漏事故,通常采用基于声波检测的管道泄漏检测方法.对基于声波检测的热网管道泄漏检测方法进行了研究.对经验模态分解方法进行了分析,针对其存在的端点效应问题提出了一种改进的方法,经过仿真实验和性能对比,验证了方法的有效性和优越性.将这种改进的EMD算法应用在热网管道泄漏检测中,取得了较好的管道信息处理效果.     

基于改进的经验模态分解方法的热网管道泄漏检测方法

管道泄漏检测技术是保障管道安全生产的重要手段。为了延长管道使用寿命、及时发现和处理管道泄漏事故,通常采用基于声波检测的管道泄漏检测方法。对基于声波检测的热网管道泄漏检测方法进行了研究。对经验模态分解方法进行了分析,针对其存在的端点效应问题提出了一种改进的方法,经过仿真实验和性能对比,验证了方法的有效性和优越性。将这种改进的EMD算法应用在热网管道泄漏检测中,取得了较好的管道信息处理效果。     

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EEMD的中国地区1956—2005年日照变化的趋势分析

根据国家气象信息中心给出的逐日日照时数资料,利用集合经验模态分解(ensemble empirical mode decomposition, EEMD)方法,得到中国地区日照时数的非线性趋势变化特征.对各气象台站日照时数的非线性变化趋势类型做了分类以及分区域和季节研究,并与线性趋势进行对比.结果表明:近50年来中国地区绝大部分气象台站(占总气象台站数的67.5%)日照时数呈现下降的趋势,尤其是在中国南部和东北地区,呈现明显的区域特征和季节特征.日照时数的年代际变化整体上在1980年前后出现气候转型,即呈现前期日照较长、后期较短的气候形态     

基于改进EEMD的卷积神经网络滚动轴承故障诊断

集合经验模态分解(EEMD,ensemble empirical mode decomposition)对信号进行分解,得到的模态函数(IMF,Intrinsic model function)在2端点存在严重的发散现象,如果将分解结果直接应用到故障诊断系统中,会导致诊断的准确率下降。首先将支持向量机(SVM,support vector machine)和EEMD算法结合进行信号分解,并利用仿真信号进行可靠性分析;其次对SVM(support rector machine)-EEMD分解的分量进行选择后再分解并构建能量向量,最后和卷积神经网络结合,构建滚动轴承故障诊断模型并通过实验验证。结果表明,改进EEMD算法可以有效缓解端点发散问题,构建的故障诊断模型提高了故障诊断精度。     

基于EEMD的发动机失火故障检测

针对发动机失火故障信息难以提取的问题, 提出了一种基于集合经验模态分解(EEMD: Ensemble Empirical Mode Decomposition)的发动机失火故障检测方法。该方法能自适应地将曲轴转速信号分解为若干个本征模态函数(IMF: Intrinsic Mode Function), 确定包含故障信息的IMF, 通过该IMF 幅值的异常波动, 可以较准确地判断发动机发生失火故障的时间。并通过AMESim 建立了发动机仿真模型, 从中采集了3 种情况的曲轴转速信号, 分别利用EEMD 分解并最终检测失火故障。实验结果表明, 该方法能有效提取故障信息, 实现失火故障的离线检测, 并可以作为在线检测的基础。     

基于EEMD的柴油机缸套磨损故障诊断

针对柴油机缸套磨损故障诊断问题,在实车上测试了柴油机机体振动信号,应用经验模态分解(EMD)对不同磨损状态下的柴油机机体振动信号进行了分析,然而,EMD存在的模态混叠问题使其难以获得准确的基本模式分量(IMF).为此引入基于总体经验模态分解(EEMD)的改进的局域波分析方法,利用EEMD获取无模式混淆的IMF,通过Hilbert边际谱分析信号能量随瞬时频率的变化特征.工程实测分析结果验证了应用该方法进行柴油机缸套磨损故障诊断的有效性.     

基于总体经验模态分解的水文序列多尺度分析

为解决模态混叠问题,将总体经验模态分解方法应用于水文时间序列的多尺度研究中.将白噪声加入原始序列,经过总体经验模态分解后得到固有模态函数,通过对结果进行显著性检验并最终得到水文时间序列主要振荡周期、中心频率、平均振幅等信息.通过对黄河三门峡水文站实测天然年径流序列进行分析,发现总体经验模态分解能够较好地解决模态混叠现象...     

基于EEMD和ICA的语音去噪方法

语音去噪技术是语音识别系统走向实用化的一个关键性难题.针对语音信号为非平稳信号的特点,提出了一种基于EEMD和ICA相结合的语音去噪方法,首先利用集合经验模态分解(EEMD)算法将含噪语音信号分解为若干个独立的固有模态函数(IMF),消除了经验模态分解(EMD)算法处理语音信号时产生的模态混迭现象;然后将固有模态函数通过改进的独立分量分析(ICA)算法分离出若干个有效的语音信号分量;最后对其进行语音重构,从而达到消除噪声干扰的目的.实验结果表明,该方法在输入信噪比为-10dB的汽车噪声条件下,可以将语音信号的信噪比提高到2.741 2 dB.     

基于EEMD模型的我国跨境并购宏观经济动因分析

以2008~2018我国A股上市公司实施的跨境并购交易为样本,运用EEMD模型从短期和长期两个时间尺度考察了宏观经济环境与跨境并购的关系.结果表明:近些年,我国宏观经济的持续高速发展是引发跨境并购长期波动的主要原因,国内经济政策不确定性上升也会对其产生促进作用;股票市场的短期波动和经济政策调整是驱动跨境并购短期波动的重要因素;无论长、短期,经济预期都对跨境并购波动起反向抑制作用.当国内股票市场指数居于高位、未来经济预期变差或经济政策不确定性上升时,我国企业越有可能进行跨境并购.     

基于集合经验模式分解和公共空间模式的脑电信号特征提取

公共空间模式(common spatial pattern,CSP)能够较好地提取运动想象任务时脑电信号的判别特性,但是其性能与大脑进行想象任务的频带相关。为了确定这样一组频带实现精确的分类,基于集合经验模式分解、FIR滤波器组以及公共空间模式算法提出了一种脑电特征提取方法。预处理去除伪迹后的信号首先经过集合经验模式算法获得多个模函数,然后选择出包含μ节律和β节律范围的分量实现信号重构,重构后的脑电信号作为带通滤波器组的输入得到若干子带信号集合,从每个子带信号中提取CSP特征,最后将提取的特征经过支持向量机(support vector machine,SVM)进行分类。运用该方法对脑-计算机接口(brain-computer interface,BCI)竞赛数据集进行分类,实验表明该方法能够自适应地提取、筛选和判别每个受试者的空间CSP特征,分类准确率达96. 53%。     

基于EEMD的奇异谱熵在旋转机械故障诊断中的应用

针对旋转机械振动信号的非平稳、非线性等特点,提出一种基于集合经验模式分解(EEMD)的奇异谱熵信号分析及故障诊断方法.该方法利用EEMD有效抑制模式混叠现象的优点,首先对原始振动信号进行EEMD分解,得到各阶本征模态函数(IMF),然后将各阶IMF分量构成一个特征模式矩阵,并对该特征模式矩阵求奇异谱熵值.奇异谱墒值的大...