基于经验模态分解的燃烧不稳定性分析

实验研究了在常温常压条件下贫燃预混旋流火焰的燃烧不稳定性,发生燃烧不稳定性时其压力脉动表现为非平稳信号.利用一种基于经验模态分解(EMD)的希尔伯特-黄变换(HHT)算法对在当量比分别为0.71和0.80工况下的压力脉动信号进行了时频分析.针对压力脉动信号进行经验模态分解,选取主要的固有模态函数(IMF),对IMF通过HHT变换得到瞬时频率并进行统计分析.结果表明:在当量比为0.71时,压力信号呈间歇式的脉动,其振型为拍振;在当量比为0.80时,脉动压力信号则呈现出极限环振型.在基于EMD的HHT变换中,IMF体现了燃烧不稳定性的固有模态且具有自适应性强的特点.      

基于经验模态分解的航空器结构模态参数识别

介绍了一种基于经验模式分解（Empirical Mode Decomposition,EMD）与粒子群优化算法相结合的飞机结构模态参数辨识方法。一个复杂的脉冲响应信号利用EMD方法使得耦合在一起的多阶模态响应信号分解为与各单阶模态响应信号一一对应的分量,得到前几阶主要的内禀模式函数（Intrinsic Mode Function,IMF）,再对分解得到的每一单阶IMF利用粒子群算法辨识得到各阶模态参数。试验仿真结果表明该方法有较高的计算精度,可应用于结构运行模态分析,为飞机等结构设计、运行检测提供有力保障。     

中心分级旋流燃烧室不稳定燃烧动态压力信号特征分析

针对中心分级旋流模型燃烧室中出现的不稳定燃烧特征进行试验研究，在常压试验中同步采集了不同工况下燃烧室动态压力脉动信号、释热率脉动信号和高速火焰图像信号。通过经验模态分解（EMD）对压力脉动信号进行分析，发现脉动特征主要集中在前3阶本征模态（IMF）中。这些IMF通过快速傅里叶变换（FFT）进行主频分析后发现分别与释热率脉动、气流旋流脉动和火焰不稳定脉动特征频谱吻合。进而可以判断通过EMD可以从单一燃烧室压力脉动信号中分解出3个主要物理过程的脉动特征，为进一步分析工程级燃烧室试验中振荡燃烧的诱发机制和燃烧诊断提供了数据处理方法。     

结合经验模态分解的振动信号趋势项提取方法

提出一种结合经验模态分解（Empirical Mode Decomposition,EMD）的振动信号趋势项提取方法。利用EMD将信号分解为一系列固有模态函数（Intrinsic Mode Function,IMF）,根据振动信号过零点特性,对属于趋势项的IMF分量进行判别,并对判别为趋势项的IMF分量进一步利用最小二乘法进行趋势项拟舍,将拟合结果求和作为最终趋势项。数值模拟试验和实测数据处理结果表明,这一方法无需假设趋势项类型,且可不受EMD过程中模态混叠和端点效应的影响,使趋势项提取更为准确。     

撞击流混合器速度信号的Hilbert-Huang变换分析

应用激光多普勒测速系统,对撞击流混合器的流场瞬时速度进行了测量。将Hilbert-Huang变换（HHT）应用于瞬时速度信号的分析,提取出各阶内禀模态函数（IMF）并通过经验模态分解（EMD）对速度信号进行滤波降噪。通过希尔伯特谱分析（HSA）确定了撞击流混合器速度信号的能量分布状况,信号能量集中于低频区,即存在于尺度较大的流体涡旋中。分析速度信号各阶内禀模态函数在不同频段的能量分布与转换,发现不同频段IMF的能量分布与流型转变之间的对应关系。通过能量特征值的提取表明,提高螺旋桨转速有助于强化系统的混合效果。最后将撞击流混合器的流场由内而外划分为中心区、涡旋区和回流区3个部分。     

改进Hilbert-Huang变换及其在转静子碰摩仿真中的应用

针对Hilbert-Huang变换(HHT)的不足,应用时间序列重构矩阵奇异值分解的能量分析方法改进了HHT,并提出了用来识别伪固有模态函数(IMF)的方法.利用仿真信号检验了改进HHT的效果.将改进后的HHT应用到某双转子航空发动机轻碰摩故障仿真试验结果的检测中,并与改进前HHT和小波分析的结果进行了比较,得出了改进后的HHT具有有效分离出微弱信号分量等优势,且能比小波变换更好地确定碰摩的存在.      

离心压气机不稳定流动的时频特征分析

离心压气机失稳过程是一个非常复杂的动态过程,提高离心压气机运行的可靠性需要准确获取失稳过程的时频特征。针对带无叶扩压器的高速离心压气机失稳过程中叶轮出口的动态压力数据,采用时空本征模态分解(STIMD)算法和经验模态分解(EMD)算法进行分解,得到了多个本征模态函数(IMF),并结合Hilbert变换对不稳定流动的动态特征进行分析。结果表明,STIMD算法得到了深喘和浅喘的时频信息,观察到了频率在150 Hz附近持续波动的失速现象,并捕捉到了浅喘先兆的频率曲线由抖动向恒定的过渡过程。STIMD算法改善了EMD的模态混叠问题,为压气机失稳分析提供了一种工具。     

基于经验模态分解的非平稳信号趋势项消除

归纳概括了传统的趋势项消除方法,指出各类方法的优点和不足,提出了基于EMD（经验模态分解）的非线性、非平稳信号剔除方法。该方法通过数据驱动自适应构造基底函数IMF（本征模函数）,再由若干阶IMF分量和剩余分量的重组获得趋势项,避免了对复杂趋势项的数学建模和分析计算。仿真结果表明,EMD法能够有效地提取和剔除非平稳信号中的复杂趋势项成分,获得平滑的趋向性信号。     

基于自适应分段混合系统的轴承故障诊断

针对强噪声背景下轴承早期故障的诊断问题,提出一种基于自适应分段混合随机共振（adaptive piecewise hybrid stochastic resonance,APHSR）系统的检测方法。采用经验模态分解法（EMD）进行信号预处理,分别采用能量密度法和相关系数法去除高、低频噪声,自动筛选最优固有模态函数,经尺度变换后输入分段混合随机共振系统模型,提取故障信号。工程实验显示:经过APHSR系统,轴承故障特征频率的频谱幅值、频谱幅值与周围最大噪声之差和最大信噪比（SNR）均高于经验模态分解和经典随机共振方法,其中齿轮箱故障轴承信噪比分别提高了9.579 dB和7.473 dB,转子故障轴承信噪比分别提升了8.597 dB和5.695 dB,对凯斯西储大学故障轴承数据处理后的信噪比分别提升了3.369 dB和17.043 dB。数据表明APHSR方法具有高效性,提高了轴承故障信号诊断能力。      

基于实测的古斯塔夫飓风非平稳特性分析

根据美国路易斯安娜州立大学飓风研究中心对古斯塔夫（Gustavo）飓风的实测资料,首先采用传统方法统计出不同高度处强风的基本参数特性,然后运用轮次法对不同高度、时距和起始点的风速样本进行非平稳特性检验,最后基于希尔伯特一黄变换（HHT）方法对于呈现非平稳特性的风速序列进行经验模式分解（EMD）和时一频一谱联合特征分析。分析发现,飓风的湍流强度和积分尺度较良态风场相差较大,并且其平均风速也极不稳定;通过轮次法对不同高度和时段的风速时程检验发现,非平稳特性与高度和统计时段大小密切相关,相应的10min时距的风速样本也存在非平稳特性;HHT对非平稳风速序列分析结果表明,飓风的非平稳特性主要是由时变的平均风速引起,其能量和频率随着时间的变化明显,并且主要能量集中在0．05～0．2Hz频段内,但EMD分解和Hilbert谱结果表明高频能量同样不能忽略。最终得出的结论为：基于传统的分析方法可以很好地获得基于平稳假定的飓风统计参数,但不能获取其非平稳信息,而轮次法和HHT方法是识别非平稳和分析其时频谱联合特性的良好方法。     

动态测量误差的希尔伯特-黄分解

针对傅立叶变换、小波变换等方法在分解动态测量误差时存在的不足,即选用不同的基函数会导致不同的分解结果,提出了基于希尔伯特-黄变换（HHT）的动态测量误差分解方法。该方法不需要选取基函数,可以自适应地分解动态测量误差信号;对一个混联式动态测量系统建立了全系统误差模型,并用该方法对测量系统的总误差信号进行了分解;与傅立叶变换、小波变换的分解结果相比,希尔伯特-黄变换的分解结果更准确,与测量系统的误差理论模型基本一致。     

聚焦变换在MIMO阵列方位估计中的应用

MIMO阵列是近年来信号处理领域提出的一种新体制阵列技术,可有效避免常规阵列中的相干源问题。为解决多载波造成的方位模糊,提出了一种基于聚焦变换的MIMO阵列目标方位估计方法。该方法将MIMO阵列接收信号分解为多个频率分量的信号,并通过聚焦算法将多个频率信号聚焦到同一信号子空间,然后对聚焦后的信号进行方位估计。仿真结果表明:与直接对MIMO阵列接收信号进行方位估计相比,该方法利用了MIMO阵列的回波不相干性和宽带信号能量,具有更好的分辨能力和更高的方位估计精度。     

A Logarithmic Frequency Allocation Algorithm for Wideband Discrete Frequency Pulse Trains

It is shown that signal waveforms utilizing discrete frequency modulation (DFM) which are generated using a narrowband or frequency shift algorithm have ambiguity sidelobe distortion which is caused by the approximation of time compression by frequency shift. A logarithmic frequency allocation algorithm is presented which couches the signal design problem in terms of band and step ratios, rather than in terms of bandwidth and frequency steps, and is consistent with the wideband formulation of the ambiguity function. The algorithm makes use of the same basic code generating sequence used for narrowband frequency allocation, but the resulting signal will have invariant ambiguity sidelobe positions for any receiver realization in the delay-time compression plane.     

一种基于径向加速度的Singer-EKF机动目标跟踪算法

针对雷达均不能提供目标加速度信息,在目标机动时会出现跟踪精度差甚至跟踪发散的问题,提出一种基于径向加速度的Singer-EKF算法。该算法在信号处理阶段利用Radon-Ambiguity变换（RAT）估计出目标的径向加速度,并通过坐标转换将其引入量测向量中,然后采用基于Singer模型的扩展卡尔曼滤波（EKF）算法实现机动目标的跟踪。仿真验证了该方法的有效性,并与传统的不带径向加速度的扩展卡尔曼滤波（EKF）方法进行了比较,结果表明该方法在径向距离、位置、加速度和速度估计精度方面都有所提高。     

三种时频分析在复合材料无损检测中的应用

随着复合材料的广泛应用和现代信号处理技术的发展,时频分析方法已广泛应用于各类复合材料的损伤检测。将短时傅立叶变换、小波变换和黄氏变换三种时频分析技术经过Matlab编程,结合Lamb波应用于玻璃纤维增强的复合材料层合板的无损检测,并对三种时频结果进行比较与分析。结果表明：上述三种时频分析方法都能进行复合材料的损伤判定,但黄氏变换方法的分析精度更高。     

改进Hilbert-Huang变换在齿轮故障诊断中的应用

针对Hilbert-Huang变换中齿轮故障信号经验模式分解的第一阶固有模态函数通常为非单一信号分量以及经验模式分解产生虚假低频分量的问题, 提出一种改进Hilbert-Huang变换方法.首先在频谱中确定故障信息频率范围, 并依据该频率范围和二进小波分解的特点确定需提取的相应频带的二进小波系数, 然后采用相关系数筛选法剔除小波系数经验模式分解所产生的虚假分量, 最后通过局部瞬时能量提取故障特征, 实例表明改进的Hilbert-Huang变换可以有效的提取齿轮故障特征.      

基于HHT的航空发动机气动失稳信号

针对航空发动机工作范围内存在的气动失稳现象,运用希尔伯特-黄变换(HHT)分析其信号的时变特征;通过对其处理非线性、非平稳信号分析新方法与其他时频分析方法的对比,并对HHT存在的问题进行针对性解决,使其适应航空发动机气动失稳数据分析的要求.并在Labview平台上通过数字仿真试验实现和验证了HHT方法;结果表明:此算法准确有效;通过航空发动机工程试验数据的处理过程,验证了HHT在处理此类相关问题时的可行性、适用性,同时指出其仍然存在的缺陷.