基于HHT的船舶非线性横摇运动响应特性研究

针对航行于海上船舶的横摇运动具有非线性非平稳的特点,探索采用希尔伯特-黄变换(Hilbert-Huang Transform,简称HHT)方法研究船舶在波浪中的非线性横摇运动的响应特性,对几种不同海况下的船舶的典型运动响应,首先通过经验模态分解提取典型横摇响应信号的固有模态函数(Intrinsic Mode Function,简称IMF),再对分解得到的IMF分量进行Hilbert变换,求得典型横摇响应信号的Hilbert谱,通过分析所得谱图的特征,获得船舶非线性横摇运动响应的动力学特性。仿真结果表明,HHT方法在分析船舶非线性横摇运动的动力学特性研究中具有可行性和有效性,从而为船舶运动分析研究提供了一个新的方法。     

基于HHT和BP神经网络的船舶电力系统故障定位

针对船舶电力系统故障难以精确定位的情况,将Hilbert-Huang变换(HHT)和BP神经网络应用于船舶电力系统故障节点定位。首先,采集各节点电流信号,经过EMD分解得到若干IMF分量,对第一个IMF分量进行Hilbert变换得到其瞬时振幅向量。然后,将各节点的瞬时振幅向量之和作为电流信号的特征量输入到带有动量因子的BP神经网络中进行训练,利用训练好的神经网络进行故障节点定位。最后,通过仿真实验验证了所提方法的有效性。     

基于HHT的船舶综合电力系统故障时间定位新方法

针对强噪声环境下船舶综合电力系统故障时间定位精度不高的问题,提出一种基于Hilbert-Huang变换(HHT)和自适应软阈值法的船舶综合电力系统故障时间定位新方法。首先,电能信号经EMD分解为若干固有模态函数(IMF),对第一个IMF分量进行Hilbert变换得到其瞬时幅值向量。然后,在分析故障波形变化规律的基础上,定义并计算故障信号的瞬时幅值差分向量。最后,设计一种自适应软阈值处理方法,将瞬时幅值差分向量变换为故障时间特征向量,经加权均值后,实现故障时间定位。仿真试验结果表明,该方法能够精确定位不同强度噪声下的故障起止时间,在1 k Hz采样频率下精度为0.88 ms,适用于实际船舶综合电力系统故障的时间定位。     

基于EMD和RBF的滚动轴承故障诊断

提出了基于经验模态分解(EMD)和径向基(RBF)的滚动轴承故障诊断方法。同时给出了诊断实例:利用EMD将滚动轴承震动信号分解成若干个固有模态函数(IMF)分量,然后对每一个IMF进行Hilbert变换,最后提取每个IMF分量的平均频率及能量比,并以此作为RBF神经网络的输入参数来判断轴承的工作状态。诊断结果表明该方法能够实现轴承故障的诊断,而且速度快,准确率高,易于实现自动化监测。     

结合EMD和功率谱熵的船舶轴频电场线谱提取

为实现强海洋背景噪声中的微弱船舶轴频电场信号检测,提出了一种结合经验模态分解(Empirical Mode Decomposition,EMD)和窄带子区间功率谱熵的线谱提取新算法.首先,利用EMD方法从含噪信号中分解出一组有效固有模态函数(Intrinsic Mode Functions,IMFs),对各有效IMF的功率谱进行子区间划分;其次,定义并计算各子区间的能量峰值熵比(Energy Peak Entropy Ratio,EPER)特征;最后,通过对轴频信号和环境噪声物理特征差异的分析,结合K-均值聚类方法进行特征量的筛选,实现线谱提取.海上实测数据的处理结果表明,相比于直接的功率谱分析,算法的线谱可提取下限降低了6.7 dB.     

MEMD分解在舰船非平稳信号处理中的应用

在对舰船非平稳信号进行研究和分析时,希尔伯特-黄变换(HHT)方法表现出了其优越性,但此方法的核心算法EMD还存在缺陷.本文针对模态分解中出现的模态混迭现象进行分析,引入多分辨分析技术对经验模态分解方法进行改进一基于多分辨分析的经验模态分解方法(MEMD).通过对信号模拟试验,并与原始EMD方法的结果作比较,得出了此法...     

发动机轴承故障诊断方法的研究

针对EMD（Empirical Mode Decomposition）方法中存在的端点效应和IMF（Intrinsic Mode Function）虚假分量过多的问题,提出了基于互相关的EMD方法。首先,对非平稳性信号进行互相关延拓消除端点效应;其次,对消除端点效应的信号进行EMD分解,并将分解后的IMF与原信号作互相关,保留与原信号最相关的IMF;最后,作出信号的Hilbert边际谱,识别信号的频域特征。仿真结果表明该方法能够有效地克服端点效应,分离出真实IMF。将其应用于船舶发动机滚动轴承故障诊断中,能有效地识别出故障特征。     

结合EMD和功率谱熵的船舶轴频电场线谱提取

为实现强海洋背景噪声中的微弱船舶轴频电场信号检测,提出了一种结合经验模态分解(Empirical Mode Decomposition,EMD)和窄带子区间功率谱熵的线谱提取新算法。首先,利用EMD方法从含噪信号中分解出一组有效固有模态函数(Intrinsic Mode Functions,IMFs),对各有效IMF的功率谱进行子区间划分;其次,定义并计算各子区间的能量峰值熵比(Energy Peak Entropy Ratio,EPER)特征;最后,通过对轴频信号和环境噪声物理特征差异的分析,结合K-均值聚类方法进行特征量的筛选,实现线谱提取。海上实测数据的处理结果表明,相比于直接的功率谱分析,算法的线谱可提取下限降低了6.7 d B。     

基于Hilbert-Huang变换的抗冰导管架平台损伤识别研究

渤海海域的抗冰导管架平台每年冬季都会受到海冰作用从而产生严重的冰激振动问题.对冰振危害进行监测与分析是保障冰区现役抗冰平台安全作业和降低冰害损失的重要研究内容.本文针对导管架结构长期处于冰振情况下结构可能存在隐性损伤的问题,采用Hilbert-Huang变换的方法开展结构损伤识别的研究.首先利用通用有限元分析软件ANSYS对冰荷载作用下的导管架平台模型进行瞬态动力学分析,进而对动力响应信号进行Hilbert-Huang变换,得到信号的固有模态函数(IMF)和Hilbert能量边际谱,最后通过结构损伤前后Hilbert能量边际谱的变化构建损伤指标,分析对比不同损伤程度下该损伤指标的有效性,并探讨海冰的冰速、冰厚对该损伤指标的影响.研究工作可以为寒区导管架结构在冰振情况下的损伤识别研究提供借鉴和参考.     

基于低通滤波和经验模态分解的舰船耐波性试验信号分析方法研究

针对舰船耐波性实测信号中趋势项难以消除而影响滤波精度这一问题,采用经验模态分解方法消除趋势项的影响.根据舰船对波浪运动响应的低频特点,在经验模态分解前先进行低通滤波,可使实测运动信号中的谱峰频率处在相对高频位置,减少EMD迭代次数,并使有用信息包含在第一个IMF中,方便对有用模态的识别.还针对实船耐波性试验无法直接获得垂荡位移的实际问题,对垂向运动加速度联合采用低通滤波、数值积分和EMD去趋势项消除积分误差的方法获得垂荡,通过模型耐波性试验以及对实舰横摇角速度采用该方法求得的横摇与实测横摇的比较,验证了该方法在舰船耐波性实测信号分析中的有效性.     

基于EMD的柴油机失火故障诊断

提出了一种基于经验模式分解（Empirical Mode Decomposition，EMD）和自回归（Auto Regression，AR）模型的柴油机失火故障诊断方法．对3110型柴油机断油故障及正常情况下的缸盖振动信号进行了测试分析，采用经验模式分解EMD方法对振动信号进行分解，得到固有模态函数（Intrinsic Mode Function，IMF），对每一个IMF分量分别建立AR模型，以模型的自回归参数和残差的方差作为特征向量，用支持向量机（Support Vector Machines，SVM）进行分类，判断柴油机的工作状态和故障类型．实验结果分析表明，该方法即使在小样本情况下也能准确有效地诊断柴油机失火故障，能实现故障的实时自动化诊断．     

基于经验模态分解的大型轮船锚机齿轮箱故障诊断

经验模态分解法(EMD)是一种针对信号变化的自适应处理方法。针对某大型轮船锚机齿轮箱,首先通过测量不同转速和位置的振动信号预估故障源;其次对采集出的原始故障信号进行处理,提取故障特征,即通过EMD将原始信号分解为若干个IMF分量,不同的IMF分量包含不同频段所对应的能量,然后再对IMF分量进行包络分析和谱分析,最终便可确定故障源,并对其进行修复。通过测试比较,验证了EMD理论方法的正确性和有效性。     

基于EMD与三阶累积量的水声瞬态信号检测

提出了基于经验模态分解(EMD)与三阶累积量的水声瞬态信号检测方法.首先根据EMD方法的滤波器特性将待检信号在频域内分成一系列的本征模态函数(IMF)分量,并根据能量法选择信号占主导地位的IMF;然后运用高阶累积量抑制高斯信号的特性,计算IMF分量三阶累积量对角切片的短时估计,并构造检测函数,对检测函数时行包络检波,作为检测标准;最后用仿真数据对该方法进行了验证,结果表明能在较低信噪比下检测出目标信号的出现时刻和大致频率,具有一定的工程应用价值.     

A new time-frequency analysis method based on single mode function decomposition for offshore wind turbines

The Hilbert-Huang transform (HHT) has been widely applied and recognised as a powerful time-frequency analysis method for nonlinear and non-stationary signals in numerous engineering fields. One of its major challenges is that the HHT is frequently subject to mode mixing in the processing of practical signals such as those of offshore wind turbines, as the frequencies of offshore wind turbines are typically close and contaminated by noise. To address this issue, this paper proposes a new time-frequency analysis method based on single mode function (SMF) decomposition to overcome the mode mixing problem in the structural health monitoring (SHM) of offshore wind turbines. In this approach, the structural vibration signal is first decomposed into a set of window components using complex exponential decomposition. A state-space model is introduced in the signal decomposition to improve the numerical stability of the decomposition, and then a novel window-alignment strategy, named energy gridding, is proposed and the signals are constructed in the corresponding gridding. Furthermore, energy recollection is implemented in each gridding, and the reassembling of these components yields an SMF that is comparable to the intrinsic mode function (IMF) of the HHT, but with a significant improvement in terms of mode mixing. Four case studies are conducted to evaluate the performance of the proposed method. The first case attempts to detect three different frequencies in a simulated time-invariant signal. The second case attempts to test a synthesised signal with segmental time-varying frequencies (each segment contains three different frequencies components). The analysis results in these two cases indicate that mode mixing can be reduced by the proposed method. Furthermore, a synthesised signal with slowly varying frequencies is used. These analysis results demonstrate the effective suppression of non-relevant frequency components using SMF decomposition. In the third case, the experimental data from vortex-induced vibration (VIV) experiments sponsored by the Norwegian Deepwater Programme (NDP) are used to evaluate the proposed SMF decomposition for vibration mode identification. In the final case, field data acquired from an offshore wind turbine foundation and offshore wind turbine are analysed. The mode identification results obtained using SMF decomposition are compared with those produced by the HHT. The comparison demonstrates superior performance of the proposed method in identifying the vibration modes of the VIV experimental and field data.     

Analysis of velocity fluctuations and their intermittency properties in the surf zone using empirical mode decomposition

We consider here surf zone turbulence measurements, recorded in the Eastern English Channel using a sonic anemometer. In order to characterize the intermittent properties of their fluctuations at many time scales, we analyze the experimental time series using the Empirical Mode Decomposition (EMD) method. The series is decomposed into a sum of modes, each one narrow-banded, and we show that some modes are associated with the energy containing wave breaking scales, and other modes are associated with small-scale intermittent fluctuations. We use the EMD approach in association with a newly developed method based on Hilbert spectral analysis, representing the probability density function in an amplitude–frequency space. We then characterize the fluctuations in a stochastic framework using a cumulant generating function for all scales, and compare the results obtained from direct and classical structure function analysis, to EMD–Hilbert spectral analysis results, showing that the former method saturates at large scales, whereas the latter method is more precise in its scale approach. These results show the strength of the new EMD–Hilbert spectral analysis method for data presenting a strong forcing such as found in shallow water, wave dominated situations.     

基于连续小波变换的加筋板结构焊接裂纹检测(英文)

研究了如何使用连续小波变换工具来对加筋板结构的焊接裂纹进行检测.首先分析了裂纹对于板在焊缝位置的振动模态造成的影响,用有限元法求得含有不同长度焊接裂纹的加筋板结构的振动模态.然后对焊缝处板的振动模态信号进行连续小波变换,根据小波系数的极值判断裂纹位置和裂纹长度.研究结果表明,当裂纹很短时,其位置也可以很容易地被确定;而且当裂纹扩展到一定程度时,其长度也可以被检测出来.     

有自由液面的陷落式圆腔流噪声实验研究

采用基于经验模态分解(EMD)的本征模态函数(IMF)分析法和对比实验法研究了有自由液面的陷落式圆腔的流噪声,实验流速为0.4m/s~2.0m/s,间隔0.2m/s。实验发现当流速为0.4m/s~0.6m/s时,腔内液体有明显的振荡现象,其表现形式为液体沿腔内深度方向的大幅上下运动,称为“活塞(Piston)”现象。当流速大于等于0.8m/s时,腔内无振荡现象出现。通过对背景噪声和腔流噪声的本征模态函数作对比分析,得到了腔内流噪声的特性。