一种改进的Hilbert-Huang变换方法及其应用

针对希尔伯特-黄变换方法中存在的端点效应和虚假模态分量等问题,通过对上述问题产生原因的分析,提出一种基于边界极值均值延拓的端点效应抑制方法与虚假模态分量剔除算法相结合的改进方法。该方法首先根据信号两侧端点和其临近极值点的特性,对包络线在信号两端点处的位置进行约束,从而改善包络线拟合结果,在一定程度上抑制端点效应问题的产生。然后,依据各模态分量间的正交性原理,通过虚假模态分量剔除算法,选取能够反映信号特征的敏感模态分量,以保证分析的准确性。通过数值仿真,验证了所提方法的有效性。最后,应用于发动机异响故障诊断中,诊断结果表明该方法有效抑制了传统希尔伯特-黄变化方法的端点效应和虚假模态问题,可有效提取发动机异响信号的故障特征。     

基于EMD和分形的齿轮箱故障特征提取

在齿轮箱齿轮振动信号处理中,可将经验模式分解 （Empirical Mode Decomposition,EMD）和分形技术结合在一起．先进行EMD分解,并针对EMD的端点效应问题提出了基于最小能量误差的端点效应抑制方法;计算各IMF分量的分形维数,根据同类故障具有相似特征,主要表现在模式空间上距离相近,从而利用未知故障网格维数与已知故障网格维数的距离远近来对故障类型进行判断．实测验证结果表明：通过比较网格雏数,能有效判断故障的类型,该方法大大简化了故障诊断过程．     

基于模板匹配和镜像延拓的两阶段经验模态分解算法

针对传统经验模态分解算法存在的端点效应问题,提出了一种适用于脉搏信号分析的基于模板匹配和镜像延拓的两阶段经验模态分解算法。依据脉搏信号的类周期特征,首先识别其特征信息,分离出单一心动周期内的脉搏信号;然后使用信号相干平均技术获取脉搏信号模板,依据模板将首尾端点处的脉搏信号扩展至整个心动周期;最后采用镜像延拓方法对扩展后的脉搏信号进行经验模态分解。实验结果表明,扩展后的脉搏信号能够较好地模拟原信号首尾端点处的变化趋势,因此新算法能够有效抑制传统经验模态方法存在的端点效应问题,适用于诸如脉搏信号等具有类周期特征的生理信号分析。     

分离EMD中混叠模态的新方法

针对经验模态分解(empirical mode decomposition,EMD)过程中可能出现的模态混叠问题,提出一种新的处理方法.该方法利用了差分运算、累计求和,同时结合EMD来实现混叠模态的分离.该文对数值仿真信号和LOD(1ength-of-day)数据进行了仿真分析,比较了原始EMD和所提算法的分析结果.仿真结果表明,该算法可有效分离混叠模态,得到尺度成分清晰的本征模态函数.     

一种新的基于EMD模态相关的信号去噪方法

基于模态相关的准则,提出了一种新的信号去噪方法。首先对原信号进行经验模态分解（EMD）,其次根据各阶固有模态与原信号的相关系数曲线中第一个极小值点的位置作为标准定出噪声主导性模态与信号主导性模态的分界点,最后将固有模态函数（IMF）中信号起主导作用的模态成分进行重构来实现去噪。将该方法应用于仿真信号与实际光辐射强度信号的去噪,结果表明该方法在有效去噪的同时能较好地保持原信号的细节信息,具有较好的推广性。     

经验模态分解（EMD）中边界处理的新方法

在深入研究和分析希尔伯特-黄变换(HHT)方法的基础上,对信号提出了半周期半对称延拓算法,并以此来处理经验模态分解中存在的边界误差问题.通过信号模拟试验,并与EMD方法的结果作比较,检验了该方法的有效性和精度.     

基于改进经验模态分解的泄漏电流去噪方法

为了有效地监测金属氧化物避雷器的绝缘工况,提出一种基于改进经验模态分解的泄漏电流去噪方法。首先,依据泄漏电流波形和幅值的综合相似度对信号端点进行延拓以抑制端点效应,进而根据本征模态函数的平滑度和相关性的综合指标重构无噪声干扰的泄漏电流信号;然后,通过坐标下降法对权重参数进行动态修正和更新,保证重构信号的合理性和准确性;最后,通过仿真和实验验证所提方法可以有效去除泄漏电流信号中的噪声干扰,且能判定出异常监测值,符合工程的实际要求。     

非线性非平稳波浪极短期预测的复合优化模型

海浪的时间序列一般具有非线性和非平稳性,针对直接对其进行预测精度较差,本文利用复合模型对波浪进行了预测。利用长短期记忆神经网络模型的非线性学习能力和经验模态分解的非平稳数据处理能力,采用镜像对称和长短期记忆算法联合消除经验模态分解端点效应,建立了一种用于不规则波极短期预测的复合经验模态分解-长短期记忆模型。研究表明：通过比较分析水槽试验获得的一般不规则波、线性聚焦波和非线性畸形波的预测效果,结果揭示出经验模态分解端点效应对模型预测精度具有负面影响,本文基于自适应镜像延拓的复合经验模态分解-长短期记忆模型可以更好地预测极短期非线性、非平稳波浪时序的变化趋势。     

基于EMD的短期风速预测混合模型

为了让风电电力系统在并网时能够平稳运行,降低因系统波动带来的经济损失,同时提高风电电力系统的竞争能力,找到一种稳定准确的风速预测方法有着重要且现实的意义。在机器学习的方法中,基于反向传播算法调整权值的BP神经网络是最常用也是最有效的方法之一。尽管BP神经网络拟合非线性序列的能力很强,但是在调整权值的过程中收敛速度慢,同时十分容易陷入局部最优值,为有效解决这两个可能出现的问题,将遗传算法(GA)用于优化神经网络。在此基础上,考虑到风速序列的间歇性、非平稳性以及差异性等特点,提出了一种基于经验模态分解(EMD)、遗传算法(GA)和BP神经网络的短期风速预测模型EMD?GA?BPNN,通过和其他几种模型的横向对比,验证了此模型在短期风速预测效果上的可靠性与优势。     

抑制经验模分解边缘效应的极值点对称延拓法

经验模分解(Em p iricalM ode D ecom position,EMD)是希尔伯特-黄变换(HHT)的核心,而经验模分解方法的关键是对提取固有模式函数(Intrinsic m ode function,IM F)时所谓边缘效应问题的处理。提出了极值点对称延拓方法,用来对边缘效应问题进行处理。算例分析结果表明该方法的算法简单,计算速度快,能有效地抑制EMD分解时的边缘效应,分解得到的固有模式函数完备地体现了原信号真实的频率和幅值信息。在信号重构时不会带来原始信号的畸变。     

应用径向基函数神经网络处理EMD方法中的边界问题

利用RBF神经网络分析方法对一个数据序列的两端加以延拓,分别得到两个附加的极大值点和极小值点,然后利用三次样条函数将附加的极值点与原时间序列的极值点连接起来,拟合出原始数据序列的上下包络线,实现了准确的EM D分解,较好地解决了其边界问题.     

直线电机纵向边端效应分析

纵向边端效应严重影响高速低滑差运行的直线电机推力、效率和功率因数，使电机工作性能变坏。本文分析了边端效应波的特点和边端效应力的影响。     

Improved Method and Application of EMD Endpoint Continuation Processing for Blasting Vibration Signals

In order to deal with the non-stationary characteristics of blasting vibration signals and the end issue in the empirical mode decomposition(EMD), an improved endpoint continuation method is proposed. First, the linear continuation method of extreme points is used to determine the extremum of the signal endpoint fast. Secondly, the extreme points of transition section outside the signal ends are obtained by a mirror continuation method of extreme points, and then the envelope and continuation curve of the transition section of the signal are constructed. Lastly, the sinusoid of the stationary section outside the signal is constructed to achieve the continuation curve from the transition section to the stationary section. Based on the "singular extreme points" phenomenon of blasting vibration signal, the negative maxima and positive minimum are eliminated, then the maximum and minimum are guaranteed to appear at intervals. Thus,the number of iterations is reduced and the instability of EMD decomposition is improved. The calculation formula of amplitude, cycle and initial phase are given for the transition section and stationary section outside the signal. The endpoint processing effect of the simulated signal and the measured blasting vibration signal show that the improved endpoint continuation method can suppress the signal endpoint effect well.     

基于EMD小波阈值化的SAR图像斑点抑制

为有效抑制SAR图像斑点噪声,提出了基于EMD小波阈值化的斑点抑制方法．该方法首先用EMD方法将含斑点噪声的SAR图像分解为若干层基本分量,对前几个分量用小波阈值化方法进行处理,然后重构图像,从而达到抑制斑点噪声的目的．实验结果表明,该方法同小波阈值方法和二维EMD方法相比,去噪效果较明显,在抑制斑点噪声的同时,较好地保持了边缘和细节信息．     

基于LS-SVM回归对EMD中端点效应的研究

针对EMD中端点效应的问题,利用最小二乘支持向量回归机的预测特性对信号两端进行预测,从而对端点效应进行抑制。通过对仿真信号进行分析,探讨了端点延拓处理后的Hilbert谱。     

周铣加工表面形貌仿真新算法

考虑主轴偏心，基于周铣过程中刀具切削刃上任意点与工件相对运动的轨迹方程和周铣过程几何特征，构造出可以求解周铣加工表面上任意一点形貌高度值的三维表面形貌仿真算法，并给出了相应的仿真算例。该算法无需对刀齿进行微段离散，并且不依赖于工件网格划分，加工表面上任意一点形貌高度值的计算次数等于刀具齿数，具有通用性好、运算速度快、结果准确度高的特点。