基于EMD的矢量水声器方位估计算法

对经验模态分解算法(EMD算法)进行深入研究,对其基本原理、基本性质以及存在的问题进行分析。为改善EMD算法在方位估计的精度,减少高频噪声、间断干扰的影响,本文采用Hilbert-Huang变换方法来消除模态混叠现象。实验结果表明,本文提出的基于EMD的矢量水声器方位估计算法,能够有效提高方位估计的精度。     

基于HHT方法的电气化铁道谐波检测与分析

将希尔伯特-黄变换(HHT)方法用于电气化铁道谐波检测中.由于电气化铁道谐波电压、电流信号中基波能量很大,其它次数的谐波能量相对较小,使得经验模态分解 (EMD)方法在应用中出现模态混叠现象,不能准确地提取任意频率的谐波信号.为改善经验模态分解过程中产生的模态混叠现象,本文采用Yang提出的基于Fourier变换的EMD方法对电气化铁道谐波信号进行筛分.通过该方法可以有效地提取出任意频率的谐波分量,进而计算其Hilbert谱.通过对电气化铁道牵引变电所实测谐波电压、电流数据进行分析,结果表明:利用改进的HHT方法可以得到电气化铁道各次谐波准确的时频分布.最后通过HHT方法计算出各次谐波电压、电流含有率及总谐波电压、电流畸变率,并对计算结果进行分析.HHT 方法为电气化铁道谐波检测与分析提供了一种新的途径.     

基于EMD的天然气发动机供气系统故障诊断方法

针对天然气发动机故障信号的非平稳性、非线性等特点,提出一种基于EMD提取能量特征参数的故障诊断方法。从天然气发动机供气系统正常、气门间隙大、排气阀漏气3种工况振动信号的EMD能量熵值中发现,当供气系统发生故障时,各IMF分量的能量会发生变化。因此运用EMD方法提取最有效的IMF分量的能量特征指标,利用C均值模糊聚类法对此特征进行聚类进而建立天然气发动机供气系统的故障识别模型。现场试验验证了该方法在天然气发动机供气系统故障诊断中的有效性。     

EMD在海洋内波研究中的应用

采用南海内波的实测资料,利用EMD方法对内波波动进行水平和垂向的分解,并由低频模态拟合函数并叠加得到了内波引起的温度波动的函数,由垂向位移得到了内波垂向模态的一种获取方法,为非线性的海洋内波研究提供了依据。     

基于EMD算法的切换系列区分及时空转换参数选取仿真

鉴于由于个人隐私而导致的数据获取困难问题,依托基于无线通信网络与交通集成仿真的手机切换数据平台采集手机数据,用EMD算法将不同道路切换序列的差异程度进行量化区分,根据时空转换参数ρ的不同取值得到相邻道路、不同道路之间手机切换序列对的EMD。结果表明：将EMD算法应用于不同道路序列的区分是可行的,ρ的选值不影响该算法应用的效果。     

一种基于EMD的共振解调改进方法

针对传统共振解调方法中共振频带需要人为确定和故障轴承振动信号信噪比低的缺陷,提出了一种基于EMD算法的共振解调改进方法。该方法首先对轴承振动信号进行EMD分解,然后自适应地筛选出高频固有振动频率附近的基本模式分量（IMF）,并对单分量进行滤波处理,最后重构选取滤波后的基本模式分量,并对重构信号进行包络解调分析,得到故障特征频率和故障类型。滚动轴承故障诊断表明,改进方法不仅能够自适应地确定共振频带,而且可以有效地提取故障特征,识别故障类型。     

基于EMD和随机减量技术的大型桥梁模态参数识别

结合南京长江大桥结构健康监测信号,提出将经验模态分解(EMD)与随机减量技术(RDT)相结合进行结构模态参数识别的方法。对于环境随机激励,经EMD分解后的结构模态响应,实际上由自由振动响应和外荷载引起的强迫振动响应2部分组成,可应用RDT得到对应模态的自由振动响应,从而识别结构的频率及阻尼。通过与有限元及谱分析结果相比较,证明了将EMD与RDT相结合的方法识别非平稳振动信号模态参数的有效性和合理性,适合于大型桥梁结构的模态参数识别。     

基于EMD方法的我国主要海港货物吞吐量变化规律研究

利用经验模态分解（EMD）方法对近10年来我国沿海主要港口货物吞吐量变化的内在规律进行了研究．结果表明：（1）EMD方法能有效的揭示港口货物吞吐量变化的一些内在规律,如吞吐量变化的季度、半年、年和多年周期;（2）进入21世纪以来,我国港口吞吐量增长势头强劲,但2009年后明显受到金融危机的影响．     

HHT变换在桥梁损伤诊断中的应用

将HHT引入国道104发生严重火灾的桥梁的损伤诊断,通过对提取的响应信号进行HHT分析判定出该桥第4跨发生损伤,与实测结果相吻合,证明了该方法在桥梁健康监测方面应用的可行性,同时与FFT计算结果进行了对比,可以发现通过HHT分析后得到的Hilbert谱能够清晰的反映出结构振动能量随振动频率和时间的分布情况,而且整个过程都是自适应的,优于FFT,同时,HHT可以比FFT更清晰的判断桥梁结构动力响应的频谱特性.     

State inspection for transmission lines based on independent component analysis

Monitoring transmission towers is of great importance to prevent severe thefts on them and ensure the reliability and safety of the power grid operation. Independent component analysis (ICA) is a method for finding underlying factors or components from multivariate statistical data based on dimension reduction methods, and it is applicable to extract the non-stationary signals. FastICA based on negentropy is presented to effectively extract and separate the vibration signals caused by human activity in this paper. A new method combined empirical mode decomposition (EMD) technique with the adaptive threshold method is applied to extract the vibration pulses, and suppress the interference signals. The practical tests demonstrate that the method proposed in the paper is effective in separating and extracting the vibration signals.