EMD边缘效应问题的一种处理方法

在航空领域经常要利用飞机的振动信号来对其进行故障诊断,本文论证了故障诊断领域的经验模态分解(empirical mode decomposition,EMD)信号分解方法,分析了其存在的边缘效应,并结合镜像方法提出了利用其边缘信号来添加极值点的思想。从算例效果上看,本文所提出的方法计算速度快,算法简单,适应性强,能很好的抑制边缘效应。     

多层清除重复间隔阈值的EMD去噪及其应用

为了更好地提升经验模式分解(empirical mode decomposition,EMD)对于Mie散射激光雷达信号的去噪效果,提出了一种多层清除重复间隔阈值(EMD-MCIIT)的EMD去噪方法.首先,对多层固有模态函数(intrinsic mode function,IMF)进行去噪,应用alter函数对信号分量进行改变.然后,应用重复间隔阈值(EMDIIT)对信号进行滤波.通过信号仿真以及Mie散射激光雷达真实回波信号的实验进行验证,与传统的EMD阈值方法进行比较,结果表明该方法可以有效地去噪,信噪比有了较大的提升,因此具有很好的应用前景.     

压气机动静叶干扰的非定常流动特性

采用大涡模拟(large eddy simulation,LES)方法计算动叶尾迹对静叶干扰的流场信息。利用涡量分布揭示动叶尾迹在静叶通道内的演化过程,利用压力梯度识别激波结构及波振源,运用动力学模态分解(dynamic mode decomposition,DMD)方法对静叶通道内流场的时空结构进行模态分解。结果表明:流场中存在3处波振源,分别位于动叶尾缘、静叶前缘和静叶尾缘处;发现静叶通道内流场的频谱具有多峰值现象,模态分解的第1阶流动代表动叶尾迹在通道内随时间迁移,对应频率为动叶通过频率(blade passing frequency,BPF)是通道内旋涡非定常波动的主导频率;第2阶流动是动叶通过频率的2倍频流动,旋涡的空间尺度为1阶模态的1/2,为更小尺度的扰动。      

风力机翼型S809绕流流动特性的POD和DMD对比分析

失速时的流动分离现象对风力机叶片的气动性能有重要影响,S809作为典型水平轴风力机翼型,在临界失速攻角下气动性能会大幅降低。基于流动特征提取的非定常流场降阶模型（reduced-order model, ROM）是进一步深入了解非定常流动的重要手段。本文通过计算流体力学方法得到轻、深失速攻角下翼型的流动特征,对时变速度场进行本征正交分解（proper orthogonal decomposition, POD）和动态模态分解（dynamic mode decomposition, DMD）分析,得到轻、深失速下翼型的非定常流场信息（能量占比、模态频率等）。通过两种方法的对比,结果表明,POD和DMD方法能够准确捕捉流动过程中的非定常结构和升力主频相同的典型模态,但是POD方法由于基于能量特征,在捕捉模态时会忽略与升力主频相近但能量较小的流动结构,而基于频率特征的DMD方法能够准确获得场的演化信息（增长率、频率等）。本文研究有利于针对主频结构发展相应的流动控制方法,从而改善翼型流场情况,提高气动性能。     

多通道相关-自适应轴承故障诊断方法

提出了多通道相关-自适应共振解调(MCC-ARD)方法 ,该方法使用冗余信号源采集故障信息,并利用谱峭度(SK)优化经验模态分解(EMD)的分解效率,根据互相关系数更加合理地选择本征模态函数(IMF)分量完成重构,对重构IMF进行包络解调,实现对滚动轴承的故障诊断。通过对多通道相关-自适应共振解调方法的实测数据分析,结果表明:该方法不仅克服了单一信号源系统修正能力差的缺陷,而且相频谱辨识率为传统EMD结合谱峭度共振解调方法的2.7倍,对滚动轴承故障的诊断结果更加清晰、准确。     

基于差分和局部积分均值的EMD算法

针对经验模态分解中无法分离频率相近信号的问题,提出一种新的经验模态分解算法。该算法将局部积分均值的"筛分"算法和差分经验模态分解算法的思想结合在一起。仿真结果表明,该算法的频率分辨率比基于局部积分均值的经验模态分解算法要高,分解效率要比基于差分的经验模态分解算法要高,同时在一定程度上抑制了边界效应。     

EEMD与NRS在涡桨发动机转子故障诊断中的应用

针对涡桨发动机转子系统振动信号的非平稳特征,提出一种基于集成经验模态分解(EEMD)与邻域粗糙集(NRS)的涡桨发动机转子故障诊断方法。该方法先对转子振动信号进行EEMD,提取原始信号的时域特征和多尺度排列熵(MPE)特征,转子系统的大部分故障信息隐藏在前几个高频本征模态函数（IMFs）中,分别计算它们的时域指标、能量特征和奇异值分解(SVD)特征;利用NRS评估各个特征的属性重要度,进而选出敏感特征;将其作为支持向量机(SVM)的输入向量来对转子进行故障诊断。实验结果表明:该方法利用敏感特征集对涡桨发动机转子进行故障诊断的准确率达到了97.5%,同时剔除了大量冗余特征,具有较强的鲁棒性。      

减速器振动信号的经验模态分解

时域同步平均是直升机减速器诊断技术的基础,目前这种方法依赖于转速传感器提供相位同步信号。探讨了应用经验模态分解代替时域同步平均分析减速器振动信号的方法。构建了一个减速器振动信号模型,提取了故障特征信号。对经验模态分解过程进行了理论推导,证明经验模态分解可以分离出故障特征信号,给出了信号分离的充分条件。将这种方法应用于直升机减速器的两种故障(点蚀和裂纹)振动数据,结果表明经验模态分解正确地分离出了故障特征信号,信号特征更为显著。     

基于EMD-CS的脉冲星周期超快速估计

面向X射线脉冲星周期估计的压缩感知（CS）中测量矩阵尺寸大,进而导致计算量大。针对这一问题,提出了一种基于经验模态分解-压缩感知（EMD-CS）的脉冲星周期超快速估计方法。将不同畸变度的脉冲轮廓进行EMD分解,得到一系列固有模态函数（IMF）。由于IMF包含了不同时间尺度的局部特征信号,脉冲轮廓畸变度这一微弱局部特征可体现在某些IMF中。采用迭代剔除法剔除冗余的IMF,剩下的IMF构成了测量矩阵。由于IMF的数量较少,采样率大幅减少。利用EMD-CS可实现X射线脉冲星周期超快速估计。通过计算复杂度分析结果可知,采样率与计算量呈正比关系。仿真结果中表明,EMD-CS的采样率为0.25%,仅为FFT-CS的1/29,因而计算量更小。     

基于小波降噪和EMD-SVM的加工中心主轴系统状态监测技术

主轴系统是数控机床的重要功能部件,其运行状态直接影响机床的可靠性与加工精度。为了实现状态实时监测、故障预警和维修策略优化,针对加工中心主轴系统,设计了状态监测方案,研制和搭建了加工中心状态监测平台的硬件系统和软件系统。集成小波降噪方法和经验模态分解-支持向量机(EMD-SVM)算法对采集信号处理与分析,实现加工中心主轴系统的状态实时监测,进而对主轴系统典型故障状态进行识别与诊断。基于研制的加工中心主轴状态监测系统,进行了主轴系统皮带松动故障监测试验分析,验证其对主轴系统的典型故障状态识别的准确度。     

涡轮叶片早期裂纹的三维叶尖间隙EEMD能量熵融合诊断方法

为了解决航空发动机涡轮叶片早期裂纹故障信号微弱、难以识别的问题,提出一种基于三维叶尖间隙集成经验模态分解（EEMD）能量熵融合的涡轮叶片早期裂纹诊断方法。采集涡轮叶片三维叶尖间隙信息,利用EEMD分别对三维叶尖间隙各维信号进行处理,得到相应的固有模态函数(IMF),以此计算每一维信号分量EEMD能量熵,构建能表征叶片裂纹状态的不同EEMD能量熵高维矢量集。建立多个堆叠自动编码器(SAE)分别对各高维矢量集进行特征学习并提取所学习的深层特征表达。利用支持向量机算法(SVM)和遗传算法(GA)融合各维深层特征以综合不同维度信息进而充分判定叶片裂纹状态。通过涡轮叶片裂纹诊断试验,结果表明:所提方法能有效提高叶片早期裂纹诊断精度,其平均准确率达到98.415%,标准差仅为0.697%,具有很好的稳定性、泛化性和自适应性。     

基于CEMD的旋翼微动目标杂波抑制方法

针对旋翼微动目标杂波抑制问题,研究了一种基于复数据经验模态分解（CEMD）的微动目标杂波抑制方法。首先,建立了地杂波背景下的旋翼微动目标信号模。然后,根据杂波和微动信号在时频域的差异性,基于CEMD和Gabor变换,通过新定义的不同本征模态函数（IMF）的能量所占总能量的比重,选择出微动信号占优所对应的几个IMF分量,并基于这些IMF对旋翼微动目标进行时域和时频域重构,实现旋翼微动目标和杂波的分离,达到抑制杂波提取微动目标回波的目的。最后,与常规杂波抑制方法进行了对比,仿真结果验证了所提方法的有效性。     

基于EMD-SVR的光纤陀螺随机误差预测

为了提升光纤陀螺随机误差建模的准确性及补偿结果,提出了一种基于经验模态分解与支持向量机结合的随机误差预测方法。鉴于随机误差的非线性及不稳定性,直接进行预测时精度不高,采用经验模态分解对原始数据进行分解以降低时间序列的复杂程度;然后根据经验模态分解得到的各本征模态函数及趋势序列,构建基于支持向量机的预测模型;再将所得的各分量的预测结果综合以得到光纤陀螺随机误差的预测结果。以光纤陀螺随机误差数据作为验证,结果表明,相较于传统的预测方法,均方根误差与平均绝对误差分别降低了78.4%和75.5%,有效提高了回归精度。     

带冰翼型失速分离流动数值模拟和模态分析

为了对防除冰问题进行精细化模拟和对带冰机翼进行全局稳定性分析，采用改进延迟脱体涡模拟（improve delayed detached-eddy simulation, IDDES）方法，对GLC305翼型带944号冰形表面复杂流动进行了非定常模拟。基于此，分别采用本征正交分解方法（proper orthogonal decomposition, POD）和动态模态分解方法（dynamic mode decomposition,DMD）对模拟结果进行模态分析，以提取影响流动分离的主要模态，最后对流场进行重构。结果表明，IDDES方法准确预测了翼型升力系数和冰角下游的压力平台等特征，清晰地捕捉了冰角后剪切层失稳脱落形成的涡结构及在向下游流动中涡结构合并、破碎的发展过程。基于IDDES获得的非定常数据，POD方法识别出角冰诱导剪切层中的两种典型脉动频率，且在前几阶主要模态中均存在，意味着这两种脉动模式对流动的主导作用。另外，DMD方法得到的每个模态对应单一的频率和放大率，部分模态处于发散状态，这是导致流动不稳定发生的主要机制。研究还发现POD和DMD主要模态的能量序列均从翼型中部开始，这与...     

轴流风扇/压气机管道周向声模态的测量

利用管道内部周向均匀分布的麦克风阵列对某单级风扇在高背景噪声和较大硬壁反射条件下的管道周向声模态进行了实验测量.利用与参考信号互相关(CC)模态分解技术和传统的方均根(RMS)模态分解技术得到了主要的周向声模态振幅.通过与Tyler和Sofrin的理论分析对比,发现在高背景噪声和较大硬壁反射条件下,两种模态分解技术都能获得较为理想的模态分解结果;并且发现CC模态分解技术获得的模态振幅较低,初步分析这是由于和RMS模态分解技术相比,CC模态分解技术可以降低随机噪声对模态振幅分解结果的影响.此外,周向麦克风个数大于所要分解周向声模态阶数的4倍时,使用CC模态分解技术获得的模态振幅误差可以控制在1dB之内.      

双缝激波诱导推力矢量喷管的非定常流动特性研究

采用分离涡模拟方法对双缝激波诱导推力矢量喷管的三维流场进行数值模拟,分析原始流场的流线、压力系数分布.运用傅里叶模态分解技术对喷管对称面压力系数进行模态分解和时间演化.结果表明:双缝激波诱导推力矢量喷管的流场中包含两个模态,一阶模态主要表现为下游二次流口激波处和尾流上剪切层处的压力振荡,二阶模态主要表现为剪切层处涡的脱...     

基于POD方法的跨声速轴流压气机转子叶顶间隙流场分析

以跨声速轴流压气机转子NASA Rotor 36为对象,研究了叶顶间隙流场的非定常流动特性。在数值模拟结果的基础上,采用本征正交分解(POD)方法获取POD模态和时间系数分布规律,进一步分析了近失速工况下叶顶间隙流场的流动特性。结果表明:在近失速工况下,叶顶间隙流场的主导频率为叶顶泄漏涡频率,约为0.6倍转子通过频率;能量较高的POD模态决定了叶顶泄漏涡的波动频率和幅值,低能量的高阶涡则影响流场的细微结构;同时发现,前5阶POD模态就可以很好地重构流场,这为低阶模型的应用提供了一定的理论指导。      

基于VMD-CWT和改进CNN的直升机轴承故障诊断

由于直升机自动倾斜器滚动轴承振动信号具有非平稳、非线性特点,并夹杂非敏感故障特征信息,导致网络模型对周期信号过于敏感,不能充分利用故障信息的问题;针对此问题,提出一种变分模态分解(VMD)与连续小波变换(CWT)联合提取敏感故障特征的方法。研究表明:在相同模型训练下,该方法相对其他方法最高可提升模型准确率20.8%。为了解决卷积神经网络(CNN)进一步提高故障识别精度难的问题,提出一种基于K最近邻(KNN)改进的CNN的模型,在课题组和西储大学公开轴承数据集验证,测试精度达到99.8%和100%,可有效实现直升机自动倾斜器滚动轴承的故障诊断。     

卫星伪距多路径时空建模研究

目前,多路径误差是制约GPS技术向更高精度发展的主要误差源。为了减小静态观测环境下的多路径误差,基于多路径误差周期重复性的特点,提出了一种自适应噪声分析结合经验模态分解的方法处理原始数据,采用多项式拟合构建了函数模型,并利用该函数模型对相邻天的观测数据进行处理。实验结果表明,利用所提方法对观测数据进行处理,可有效减小多路径效应误差,并且可以在一定程度上改正坐标序列中包含的多路径误差,多路径误差的削弱程度可达35%以上,有效提升了GPS定位数据的准确度。     

基于EMD和SVM的滚动轴承故障诊断方法

将支持向量机(SupportVectorMachine,简称SVM)、经验模态分解(EmpiricalModeDecomposition,简称EMD)方法和AR(Auto-Regressive,简称AR)模型相结合应用于滚动轴承故障诊断中。该方法首先对滚动轴承振动信号进行经验模态分解,将其分解为多个内禀模态函数(IntrinsicModeFunction,简称IMF)之和,然后对每一个IMF分量建立AR模型,最后提取模型的自回归参数和残差的方差作为故障特征向量,并以此作为SVM分类器的输入参数来区分滚动轴承的工作状态和故障类型。实验结果表明,该方法在小样本情况下仍能准确、有效地对滚动轴承的工作状态和故障类型进行分类,从而实现了滚动轴承故障诊断的自动化。