基于EMD与切片双谱的轴承故障诊断方法

针对轴承故障诊断问题,提出一种基于经验模态分解(EMD,Empirical Mode Decomposition)与切片双谱分析相结合的新方法.将原始信号分解成不同尺度的固有模态函数(IMF,Intrinsic Mode Function),求取IMF分量的包络,计算其对角切片双谱,提取由于二次相位耦合产生的非线性特征,得到轴承的故障特征频率.通过对仿真信号进行分析,表明该方法克服了传统的基于EMD的包络功率谱方法不能抑制噪声的缺点,同时较传统高阶谱方法计算量更小.给出了6205-2RS JEM SKF轴承诊断实例,说明了该方法的可用性.     

基于HHT变换的超光滑加工表面谱特征分析

Hilbert-Huang变换(HHT, Hilbert-Huang Transform)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:多分辨经验模态分解和瞬时频率的求解,获得信号的时频谱.该方法的关键是多分辨经验模态分解(EMD, Empirical Mode Decomposition),任何信号都可以分解为有限数目并且具有一定物理意义的固有模态函数(IMF, Intrinsic Mode Function).用于表面分析,HHT可以将粗糙度曲线分解成不同频率范围的分量,每一个分量都有其独有的物理意义,区分各影响因素,得到Hilbert谱,进而可以分析加工过程中各影响因素的作用.针对超光滑表面的粗糙度谱特征进行了HHT变换分析,并得出了相应结论,对加工有一定的指导意义.      

飞行器助推段振动环境分析

对飞行器助推段非平稳随机振动信号采用局部平稳模型进行分析,把此段非平稳随机信号的时变谱分解成2个独立的过程:决定时变均方值的确定性过程和决定频率特性的平稳随机过程.利用小波分析对确定性信号和随机信号进行分离,用信号的全部带宽计算非平稳信号的时变均方值,缩短了平均时间,减少了偏置误差;用信号的整个持续时间确定非平稳信号的谱特性,提高了频率分辨率,减少了随机误差.对分离出的平稳随机振动自功率谱密度进行了归纳,得到了飞行器助推段的振动环境.      

基于EMD的MEMS陀螺仪随机漂移分析方法

为了抑制微机械电子系统（MEMS）陀螺仪的随机漂移，基于经验模态分解（EMD）和模态集合选择标准，结合时间序列建模滤波法，提出了一种改进的MEMS陀螺仪随机漂移分析方法。首先，通过EMD将MEMS陀螺仪原始数据分解为多个本征模态函数（IMF），利用模态集合选择标准将IMF分为噪声IMF、噪声与信号混合IMF和信号IMF三类；然后，对混合IMF进行重构、时间序列建模及自适应卡尔曼滤波（AKF）；最后，将3类信号重构，实现MEMS陀螺仪信号去噪。实验表明:所提方法有更好的去噪效果和实时性，提高了MEMS陀螺仪的使用精度。      

基于经验模态分解的点云数据平滑与增强

在计算机辅助设计与逆向工程应用中,针对缺乏拓扑连接关系的点云数据,提出了基于经验模态分解(EMD)的点云数据平滑与增强算法。首先,以点云模型的拉普拉斯矩阵坐标与法向的内积作为EMD输入信号,提取点云模型输入信号的极值点作为插值节点计算信号的上下包络;然后,为实现特征保持的EMD信号分解,通过检测点云数据上特征点,并在计算信号上下包络的过程中作为约束,克服传统EMD算法无法保持特征的局限;最后,迭代地从输入信号中减去上下包络的均值得到内蕴模态函数(IMF)和余量,并通过设计滤波器实现了点云数据平滑和增强。实验结果表明,本文算法有效地将EMD推广到三维散乱点云数据中,扩大EMD在三维几何中的应用范围,并在点云数据平滑和增强方面取得了很好的效果。     

基于EEMD-Hilbert谱的涡街流量计尾迹振荡特性

为了研究涡街流量计尾迹振荡特征,采用集总经验模态分解(EEMD)-Hilbert谱方法,对测量介质为空气、流量范围为10.58~220 m~3/h的涡街流量计管壁差压信号进行处理,首先用EEMD方法对管壁差压信号进行分解,得到固有模态分量,然后对分解后的各个分量进行Hilbert变换,得到Hilbert谱和边际谱,进而提取管壁差压信号的旋涡脱落频率。比较了Fourier变换与EEMD-Hilbert谱方法在信号去噪和频率提取方面的性能。结果表明:EEMD-Hilbert谱方法可有效去除叠加在实际涡街成分之中的噪声,能够较完整保留尾迹振荡的固有成分;在流量较低时,EEMD-Hilbert谱方法对尾迹振荡频率的提取精度比Fourier变换高30%以上,有效拓展了涡街流量计的测量下限;通过计算能量比,揭示了EEMD-Hilbert谱方法提高频率提取精度的原因,即EEMD-Hilbert谱方法降低了信噪比;Hilbert谱直观表示信号的时间-频率-能量关系。     

基于形态学滤波的快速多通道图像EMD

为了提高多通道图像经验模态分解（EMD）方法分解的效率，提出了一种基于形态学滤波的快速多通道图像EMD方法。利用形态学膨胀和腐蚀滤波可以计算图像上下包络这一重要特性，实现了多通道图像EMD的快速计算，形态学滤波窗口大小由各通道图像的平均极值距离确定，将一幅多通道图像自适应分解为若干个尺度从细到粗的内蕴模态函数（IMF）图像和一个体现图像整体变化趋势的余量。大量的实验结果与对比显示，所提方法不但能够加快EMD方法分解的速度，而且也能够有效地对多通道图像进行自适应分解。通过在图像融合和图像水印中的应用及大量的实验比较，说明了所提方法能够方便快捷地投入到具体的图像处理任务中。      

基于时频分析的雷达目标识别研究

基于时频分析的性质，提出了一种雷达目标识别方法。对雷达回波信号进行小波变换，得到目标回波信号的三维时频分布图和功率谱密度，从中提取目标的调制谱密度，根据最小贴近度识别算法进行目标识别。由实验结果看，利用此方法能够得到很高的识别率。     

基于改进HHT的非高斯噪声中瞬态通信信号检测

根据瞬态通信信号和非高斯噪声的特点,建立了相应的信号模型,并利用希尔伯特-黄变换（HHT）处理非线性非平稳信号的优势,提出了基于改进HHT的非高斯噪声中瞬态通信信号的检测算法。该检测算法分为集合经验模式分解（EEMD）和固有模态函数（IMF）分量筛选两部分,首先经过加入随机白噪声多次试验取均值得到待检测信号的IMF分量,再结合各个分量与原信号的能量差异和相关性剔除虚假IMF分量,从而实现对混叠在非高斯噪声中的瞬态通信信号的有效检测。仿真在不同的条件下对比了本文算法与其他算法对信号的检测效果,结果证明本文算法能够有效克服HHT中存在的缺陷,实现对瞬态信号更为准确的分析和检测。     

利用EMD方法提取太阳活动周期成分

EMD(经验模态分解)方法在处理非线性及非平稳时间序列时表现出了很大的优势和应用潜力.利用EMD方法研究太阳活动周期,对110年(1894-2003)和55年(1949-2003)的太阳黑子数月均值进行分解,分别得到一系列模式和一个趋势项,其中都可能包含有1.3至1.4年周期分量,25至30个月QBO(准双年振荡)分量,11年太阳周分量和22年Hale周分量.其中11年周期分量幅度最大,变化特征与太阳黑子数原始数据具有很高的相似性.不同于传统方法,EMD方法给出了太阳活动在不同时间尺度上各自分离的变化特征.      

非高斯随机振动的模拟方法

随机振动台根据功率谱密度（PSD,Power Spectral Density）生成的信号为高斯信号,而实际振动环境有时是非高斯的,因此随机振动实验常常无法准确模拟产品在真实振动环境下的失效情况。通过两个案例分别对均方根值（RMS,Root Mean Square）不随时间变化和随时间变化的非高斯随机振动进行了模拟方法研究。案例1利用Hermite多项式法对高斯信号进行了转换,在保证功率谱密度不变的同时得到了具有指定峭度的RMS不随时间变化的非高斯信号,但该方法对于输入的峭度有限制,当输入峭度大于10时,误差达到了20%。案例2利用一种新方法对实测的RMS随时间变化的非高斯振动进行了模拟,模拟后得到的非高斯信号和实测信号具有相同的功率谱密度、峭度以及概率分布,验证了新方法的准确性。     

基于EEMD分解的直驱式机电作动器故障诊断

基于集合经验模式分解 (EEMD,Ensemble Empirical Mode Decomposition)算法,给出一种机载直驱式双余度机电作动器(DDDR-EMA,Direct-Driven Dual-Redundancy Electro-Mechanical Actuator)复合故障诊断方法.EEMD对信号加入有限幅度的高斯白噪声,利用高斯白噪声频率均匀分布的统计特性使信号在不同尺度上保持连续性,解决了经验模式分解的模式混叠缺陷并保留了自适应性.将EEMD方法应用于机载DDDR-EMA故障诊断实验振动信号分析,先对实测信号进行分解,得到一组无模式混叠的固有模式函数;再采用不同的方法分析各频段,提取各频段包含的故障特征.实验结果表明:与经验模式分解相比EEMD能提高故障信号的分析精度,准确诊断机载DDDR-EMA的复合故障.     

基于随机森林的航天器电信号多分类识别方法

针对航天器电特性信号数据存在数据量大、特征维数高、计算复杂度大和识别率低等问题,提出基于主成分分析(PCA)的特征提取方法和随机森林(RF)算法,对原始数据进行降维,提高计算效率和识别率,实现对航天器电信号数据的快速、准确识别分类。随机森林算法在处理高维数据上具有优越的性能,但是考虑到时间复杂度问题,利用主成分分析方法对数据进行压缩和降维,在保证准确率的同时提高了计算效率。实验结果表明:与其他算法相比,针对航天器电特性信号数据,本文方法在准确率、计算效率和稳定性等方面均显示出优异的性能。     

一种新的非高斯随机振动信号的模拟方法

传统的环境振动试验常将随机振动信号假设服从高斯分布,且利用功率谱密度（PSD）来作为试验条件。然而实际环境中结构所受到的振动激励很多呈现非高斯性,且PSD只能描述信号的低阶统计量,无法描述非高斯信号的峭度和偏度等高阶统计量。针对此情况,研究了在窗函数幅值调制法（AMT）基础上利用自PSD和峭度生成非高斯信号的方法。针对调制信号的生成,提出了近似模拟方法。通过Weibull和Beta 2种分布构造调制信号,研究分布参数与目标峭度值之间的关系,并分析2种分布合成目标峭度值的范围。案例验证了仿真生成的非高斯信号与实测外场数据具有相同的PSD、概率密度函数（PDF）和峭度值,进而证明了方法的正确性。      

基于航天器解体事件的空间碎片寿命算法

研究了针对航天器解体事件所生成的空间碎片的寿命计算方法.给出了基于NASA标准航天器解体模型的航天器解体算法.该算法生成的一系列碎片参数,将作为寿命计算的初始条件.总结了现有求解碎片寿命的算法,并提出了一种半分析算法.该算法运用平均根数法的思路,计算了在J2摄动项的影响下,碎片的半长轴和偏心率的变化率;并采用微分积分法预报半长轴和偏心率随时间的变化.为了适应时变大气模型,该算法限制了计算步长.通过与数值法的比较分析了算法的计算速度和精度.选用了3种大气模型:SA76、GOST和MSIS-00,分析了不同大气模型在计算碎片寿命之间的差异.通过与P-78卫星解体事件的实测数据对比验证了整个算法的正确性.      

基于时变增益ESO的多航天器SO(3)姿态协同控制

针对多航天器姿态协同控制问题,基于特殊正交群（SO（3））研究了存在干扰情形下的控制设计方法。结合有向通信拓扑建立了多航天器SO（3）模型,在此模型的基础上提出了一种时变增益扩张状态观测器（ESO）对系统的总干扰进行估计,削弱了常值增益ESO的峰化现象。利用相邻航天器的信息给出了旋转矩阵形式的协同指令,进一步基于SO（3）方法设计了协同控制器。同时采用ESO的输出在所设计的控制器中对系统的干扰进行补偿,从理论上给出了ESO的收敛性以及闭环系统的稳定性证明,保证多航天器系统能够实现稳定协同。仿真结果验证了本文方法的有效性和快速性。