固有模态函数

摘要： 为实现对皮带运输机故障表现行为的准确诊断,最大化延长机械元件设备的寿命周期,针对基于图像识别的皮带运输机故障自动诊断方法展开研究。根据图像识别原则,处理故障信号的目标图像,再按照皮带运输机振动机理,建立完整的固有模态函数,完成对故障信号特征的提取与处理。按照动力学模型条件,确定故障行为的振动特性,得到时域同步诊断系数的计算数值,实现基于图像识别的皮带运输机故障自动诊断方法设计。实验结果表明,与基于改进堆叠降噪自动编码器的诊断方法相比,在图像识别原理作用下,对于皮带运输机故障表现行为的诊断准确度得到了明显提高,符合延长机械元件设备寿命周期的实际应用需求。

摘要： 针对目前电力系统低频振荡模式识别和参数提取中的噪声干扰等问题,提出一种基于希尔伯特变换(Hilbert transformation,HT)和能量函数经验模态分解(energy function of empirical mode decomposition,EFEMD)相结合的低频振荡模态辨识方法。首先运用经验模态分解(empirical mode decomposition,EMD)对含有噪声的电力系统低频振荡广域测量信号进行经验模态分解得到各个固有模态函数(intrinsic modal function,IMF),随后应用EFEMD-HT能量法对IMF进行能量计算并权重,筛选出系统的主导振荡模式,最后通过Hilbert变换对主导振荡模式进行参数的提取。通过对理想信号、EPRI-36机系统仿真信号以及电网实测PMU信号的仿真验证了所提EFEMD-HT能量法的可行性与有效性,能够对系统的主导振荡模式进行准确地辨识。

摘要： 为了研究随机噪声压制,将完备集合经验模态分解(complete ensemble empirical mode decomposition,CEEMD)与自适应小波阈值去噪方法相结合,提出一种新的随机噪声衰减方法,引入归一化自相关函数分析,确定需要进行自适应小波阈值去噪的固有模态分量,重构各分量及剩余分量,得到去噪后的地震数据。在进行小波阈值处理时,根据不同层数和小波分解次数选取合适的自适应阈值;并且在传统软、硬阈值函数的基础上改进小波阈值函数,克服传统阈值函数存在的缺陷。数值模拟和实际资料结果表明,相较于常规方法,所提方法具有更好的随机噪音衰减效果。

摘要： 针对爆破地震波信号经验模态分解(Empirical Mode Decomposition,EMD)固有的端点效应问题,提出了一种基于边界局部特征尺度自适应匹配延拓(Boundary Local Characteristic Scale and Adaptive Matching Extension,BLCS-AME)的EMD端点效应抑制方法。该方法将原始信号全局时间参数之间的内在联系和信号在端点处幅值参数的局部变化趋势进行联合考虑,得到了延拓后的边界局部特征尺度(BLCS),再以BLCS为研究对象,在原始信号中找到与BLCS匹配度最高的一组时间序列,最后将该时间序列平移到端点处进行EMD,即可实现基于BLCS-AME的EMD端点效应抑制处理。通过多种方法仿真信号EMD端点效应抑制的对比分析,可得出结论:与常规端点效应抑制方法相比,BLCS-AME方法对EMD端点效应具有更好的抑制能力,能够得到精度更高的固有模态函数(Intrinsic Mode Function,IMF),研究结果更能反映信号的内在属性。最后将该方法用于实际爆破地震波信号EMD中,进一步验证该方法能够有效抑制爆破地震波信号EMD过程中产生的端点效应,有利于爆破地震波信号细节特征参数的提取,得到反映爆破地震波信号内在属性的特征参数,对爆破地震波危害控制具有重要的现实意义。

摘要： 随着勘探精度的提高,弱信号在地震勘探信号里越来越被重视。识别弱信号的核心是通过去除噪音来提取有效信号,在众多去噪方法中,基于CEEMD与KSVD的去噪方法能够达到较好的去噪效果,但其计算效率相对较低。这里将改进的CEEMD(ICEEMD)与正则化近似KSVD(RAKSVD)有机结合起来,该方法首先利用ICEEMD将信号分解为主导模态和过渡模态,对于不同的模态,分别利用发挥RAKSVD对弱信号识别的优势,对不同类别模态进行相应地处理,使含噪弱信号中的噪声得到了很好的压制,模型测试和实际应用表明,该方法不仅提高了计算效率,而且取得了预期的去噪效果,有利于对弱信号的提取和识别。

摘要： 在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(MEEMD)方法对齿轮振动信号进行了分解,获得了能够反映齿轮振动信号信息的固有模态函数(IMF);然后,通过对称点图案(SDP)分解方法提取了IMF分量,将其变换到极坐标下的雪花图像特征,并组成了特征向量;最后,引入深度残差网络(DRN)模型,实现了对行星齿轮箱齿轮不同故障的识别与分类,同时将其与卷积神经网络(CNN)模型进行了对比,并在东南大学公开的齿轮箱数据集上进行了不同模型对齿轮状态故障识别准确率的对比实验。研究结果表明:SDP图像特征能够全面表征齿轮的状态信息,相较于CNN模型,采用DRN模型对齿轮进行诊断得到的平均准确率有明显提高,可达到98.1%,能验证基于MEEMD-SDP图像特征和深度残差网络方法的有效性;研究结果对提升现有行星齿轮箱齿轮故障识别的准确率具有一定的价值。

摘要： 传统去噪方法一般难以适用于非平稳时间序列。为提高去噪性能,提出了结合改进变分模态分解(VMD)及维纳滤波的去噪模型。首先,依据余量序列与其它模态间的互相关性来优化VMD模态个数;其次,采用改进VMD对时间序列平稳化并去除了高频噪声;最后采用维纳滤波器模态序列进行去噪。结果验证了提出方法的有效性。

摘要： 针对原始振动加速度信号中存在的低频趋势项信号在通过数学积分变换时存在严重失真的问题,提出了采用最小二乘法(least squares fit,简称LSF)和经验模态分解(empirical mode decomposition,简称EMD)相结合的方法,实现过滤原始信号中干扰信号的目的。该方法通过对经验模态分解得到的固有模态函数(intrinsic mode function,简称IMF)去除趋势项后进行重构以达到信号降噪的目的。采用该方法分别对模拟信号和某型号干式真空泵的振动实测数据进行了降噪处理,再进行信号积分变换,通过对比证明了该方法能够弥补单一方法在处理信号低频趋势项时的不足,提高了振动信号分析的可靠性。

摘要： 为了提升有载分接开关振动信号降噪效果及故障识别准确率,研究了一种基于经验模态分解的有载分接开关振动信号识别方法。该方法对有载分接开关振动信号进行采用掩膜的经验模态分解,降低模态混叠;采用阈值滤波方法对各个固有模态函数进行处理,降低噪声影响;再采用相关系数法选取特定固有模态函数并进行信号重构,采用时频分析和卷积神经网络方法进行特征提取和故障识别,得到故障识别结果。实验结果表明,利用所提出的方法进行降噪处理后的识别准确率得到有效提高。

摘要： 经验模态分解(empirical mode decomposition,EMD)固有的端点效应和模态混淆导致其在进行爆破网络延时分析时出现不容忽视的误差。为了获得爆破现场实际网络延时,判断批次雷管的安全性,必须对EMD进行改进。通过对爆破地震波监测信号进行端点处理(endpoint processing,EP),改善EMD在处理信号实际端点时出现的端点突变现象,进而抑制EMD端点效应,提高固有模态函数(intrinsic mode function,IMF)的稳定性和精度。对EMD进行改进,得到自适应补充集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN),抑制低频趋势项模态混淆,并结合排列熵检测(permutation entropy detection,PED)来控制高频模态混淆。得到的EP-CEEMDAN-PED算法能识别微差爆破实际延期时间,且能有效克服EMD固有的端点效应和模态混淆现象,结合干扰减振法,可计算实际隧道扩挖爆破合理减振微差时间为55.14~57.93 ms,对爆破振动控制具有重要的现实意义。

摘要： 滚动轴承是旋转机械中的重要部件,它的异常又是诱发机器故障的重要原因,因此对滚动轴承进行准确、及时的检测和诊断具有十分重要的意义.在工作状态下采集振动信号对于呈现滚动轴承实际状况是十分重要的.因此,信号处理技术被认为是从振动信号中提取故障特征最直接、有效的方法,并且一直是大量不同种信号处理的首选分析工具.本文提出的带有自适应白噪声的完全集合经验模态分解法,其在分解的每一阶段添加上自适应的白噪声,得到固有模态函数和相应的一个残差信号.这种方法可以解决集合经验模态分解法中由于固有模态函数数目不同而导致的取平均值困难的问题.

摘要： 磁悬浮陀螺仪在观测过程中容易受到外界环境的影响,使陀螺数据产生随机噪声,进而影响陀螺寻北的精度.本文提出了针对陀螺数据随机噪声的希尔伯特-黄变换(HHT)方法,该方法首先对陀螺数据进行经验模式分解(EMD)得到固有模态函数(IMF),然后对每一阶的IMF进行希尔伯特变换得到边际谱,判断出应该去掉前几阶的IMF函数.通过试验分析表明,希尔伯特-黄变换方法非常适合于分析非线性非平稳数据,完全自适应,并且不受Heisenberg测不准原理的制约,能有效去除随机噪声,还原信号的有用成分,提高陀螺定向精度.

摘要： 为解决如何在较强噪声环境下发挥小波变换阈值滤波法优良去噪性能的问题,本文提出基于经验模式分解和小波变换的噪声抑制方法.即通过经验模式分解,将待处理信号自适应分解成一系列固有模态函数,再检测各固有模态函数内是否含有窄带干扰,并进行相应小波变换阈值滤波处理,最后重构信号.仿真结果和实际应用表明,此法能从实测信号中提取出电力设备局部放电信号,且滤波性能较基于单一经验模式分解的阈值滤波法要好.

摘要： 本文研究了基于经验模态分解和改进后的Savitzky-Golay的灰预测方法.将振荡信号进行自适应分解,得到固有模态函数(IMF).针对每一个IMF利用改进Savitzky-Golay滤波器进行滤波,并进行灰预测,最终通过重构得到所需的分析结果.并且,以中联重科在A股市场的收盘价为例,进行了实证分析,与基于小波的灰预测进行比较.

摘要： 在f-x 域沿x 方向进行经验模态分解，将地震记录分解成不同的固有模态函数IMFs，每个IMF 成分代表了信息在空间方向变化的剧烈程度。其中随机噪音和陡倾角相干噪音分布于低阶IMF 中，而有效信号在空间方向呈现缓慢变化特征，主要分布于高阶IMF 中，因而可以进行信噪分离。该方法是一种非平稳数据处理技术，没有常规空间傅立叶变换之类技术的假频问题，且能够处理不规则空间采样数据。实际处理结果表明，该方法去噪结果保真度较高。

摘要： 在介绍HHT(Hilbert Huang Transform)理论的基础上,将这种理论引入到实测海水温度时间序列的分析中。HHT方法主要通过经验模式分解方法(Empirical Mode Decomposition,EMD)将原始信号分解成有限的固有模态函数,并对每个固有模态函数进行Hilbert变换从而得到Hilbert谱。经过与小波谱对比分析,结果表明：在海水温度时间序列分析中,利用经验模式分解不需要固定的基函数,可将原始信号分解为少量的、周期自小至大排列的固有模态函数,分解过程具有自适应性、高效性;再通过Hilbert变换所得的谱图能清晰地反映原始温度序列在同一时间点上不同周期成分的分布及同一周期成分随时间的分布。去除趋势项后的序列的小波谱相比原序列的小波谱能表示出更有用的信息。HHT法能有效地提取海水温度信号的主要特征,更能适应信号非线性、非稳定的特征,为进一步认识海洋温度的变化规律提供了新的途径。海水中的声传播受温度、盐度等的影响,研究海水温度的变化规律对研究声传播具有重要意义。

摘要： 间谐波是指频率不是工频整数倍的谐波，它是电力系统中一种特殊的谐波。间谐波对电力系统有许多危害，包括降低电能质量，引起电压闪变，使低频继电器误动作，造成CT饱和，干扰电力线路载波，使传统滤波装置失效甚至损坏等。因此需要准确地检测和估计间谐波的参数。经验模态分解(EMD)是美籍华人NE.Huang于1998年提出的一种新的非线性、非平稳信号分析方法，具有重要理论价值和广阔应用前景。EMD方法可以将任何复杂信号分解成有限个固有模态函数(简称IMF)，求解各IMF的瞬时频率及幅值等参数，从而获得信号的时频分布。本文介绍了EMD具体内容，并利用该算法对电力系统间谐波的测量进行了仿真，给出了具体算例。在进行EMD分解时，边界效应的解决和IMF筛选终止条件的选取是影响测量的关键，本文提出了相应的解决方法，但是还不能彻底消除这些影响。通过仿真算例，可以得出EMD算法能够比较精确的检测到电力系统中存在的间谐波。

摘要： 介绍了用于信号分析的HHT的基本概念和理论，编制了其实现程序；采用所编制的程序对苏通大桥桥位处某测点的三个正交方向实测风速信号进行经验模态分解，提取其固有模态函数，对固有模态函数进行希尔伯特变换，计算了其振幅谱和振幅边际谱，计算了反映各固有模态函数间正交性的正交指数矩阵，并进行特征值分解。研究结果表明，自然界实测风速是非平稳的，同一测点不同方向风速卓越频率存在很大的差异。

摘要： 研究目标注视任务,即类"思维拨号"任务下的脑电信号模式自动分类技术.基于时频分析原理,对循环扫视6×6字符矩阵所得的脑电信号进行Hilbert-Huang变换,用EMD(Empirical Mode Decomposition)方法把信号分解成数个本征模态函数(Intrinic Mode Function,IMF);对每个IMF进行Hilbert变换,得到时频平面上的能量分布,即Hilbert谱;将各频率分量累加谱按时间变化特性作为关注与非关注某字符的特征量;最后通过K-近邻法对所视字符进行自动识别.对第3届国际脑机接口竞赛的数据进行分析测试,识别准确率达到84.21%.经Hilbert-Huang变换的时频分析方法,可以得到目标注视任务下的脑电信号有效特征,从而有助于脑机接口系统的实际应用.

摘要： 研究目标注视任务,即类"思维拨号"任务下的脑电信号模式自动分类技术.基于时频分析原理,对循环扫视6×6字符矩阵所得的脑电信号进行Hilbert-Huang变换,用EMD(Empirical Mode Decomposition)方法把信号分解成数个本征模态函数(Intrinic Mode Function,IMF);对每个IMF进行Hilbert变换,得到时频平面上的能量分布,即Hilbert谱;将各频率分量累加谱按时间变化特性作为关注与非关注某字符的特征量;最后通过K-近邻法对所视字符进行自动识别.对第3届国际脑机接口竞赛的数据进行分析测试,识别准确率达到84.21%.经Hilbert-Huang变换的时频分析方法,可以得到目标注视任务下的脑电信号有效特征,从而有助于脑机接口系统的实际应用.

摘要： 本发明公开了一种适用于虚函数和函数指针的静态函数调用图构建方法，其步骤包括：1获取源程序的中间代码；2获取中间代码中的关键信息，所述关键信息包括基本块顺序队列以及虚函数相关信息；3基于所述关键信息，对所述中间代码进行模拟执行，分析出所述中间代码中的函数调用指令调用的实际函数，同时记录下函数调用关系；4根据所述函数调用关系，构建出静态函数调用图。本发明能够全面的分析出虚函数、函数指针调用以及线程创建关系，而且能准确的分析出复杂的函数指针调用，从而能更好的帮助程序开发人员理解程序，同时提升依赖于函数调用图的静态分析方法的准确性。

摘要： 本发明公开了一种内核态调用用户态函数的方法，包括：把内核态对用户态函数的调用转换为对内核态线程的阻塞和唤醒：在内核态中实现对被调用用户态函数的参数封装、内核态线程阻塞、ioctl消息通信来完成用户态函数的调用，当被调用用户态函数返回调用结果后，通过ioctl消息通信把用户态函数返回结果发送到内核态，再唤醒阻塞的内核态线程，完成函数调用的整个过程。本发明实现了内核态对用户态函数的调用，在不修改内核逻辑的情况下，使用阻塞唤醒方式完成内核态到用户态的透明调用，不修改原函数的逻辑。

摘要： 本发明涉及一种基于原子状态函数的浮点数误差检测方法和装置。本发明对源代码或程序进行插桩以获取程序运行时的内部状态；通过程序运行时的内部状态，计算每个浮点数运算的原子状态函数，挖掘原子状态函数与浮点数误差的内在联系，推断出原子状态函数与误差的强关联性；构建搜索框架，利用搜索算法得到会触发高危原子状态函数的测试用例集合；该测试用例集合即为揭错率高，会触发显著浮点数误差的输入。由于计算原子状态函数不需要引入高精度浮点数，不依赖于测试预言，使得本发明不依赖于测试预言，并且揭错率高，运行开销小，不依赖于高精度浮点数，运行时间快。

摘要： 本发明提供了一种动力电池开路电压‑荷电状态函数关系的重构方法，该方法中通过实车采集数据按照停车充电过程分割得到数据片段，建立电池模型，辨识获取各数据片段中所有采样点下的OCV值，进而基于预设的SOC参考值，建立各数据片段对应的OCV‑SOC散点映射关系片段。在SOC‑OCV坐标系下，固定具有最高OCV值的OCV‑SOC散点映射关系片段，不断沿SOC轴方向平移其余OCV‑SOC散点映射关系片段，并对平移后的OCV‑SOC散点映射关系片段进行整体拟合，直至达到最优拟合效果，从而得到OCV‑SOC散点映射关系片段拼接的最优解，即最优的OCV‑SOC函数关系。该方法无需传统耗时的电池实验，可直接采用实车采集数据重构OCV‑SOC函数关系，大大缩短算法开发周期、减少算法开发成本。

摘要： 本发明提供一种基于本征模态函数重组信号相对熵的自适应流程工业过程的工艺参数去噪方法，本方法以高炉生产过程中的工艺参数为例进行说明，包括如下步骤：取一段高炉数据中的两个不同区间，并对两个数据中的信号分别使用经验模态分解方法进行分解；对分解后得到的两部分信号分量中的本征模态函数，从频率由高到低的顺序进行逐步重组，并同时计算两部分重组分量间的相对熵，构成相对熵的二维向量；将数据形式最接近的两部分视为两个过程中普遍共存的噪声成分；并对两部分信号中接近于该噪声分布的重组分量进行去除，以达到去噪的目的。该方法可以在噪声信息未知的前提下仅通过数据本身进行去噪，并且可以达到较高水平的信噪比，去噪效果稳定。

摘要： 本发明公开了一种轴承故障信号内禀模态函数分解与提取方法及装置，包括：利用振动传感器获取轴承运转过程中的振动信号，并将振动信号作为分析信号；通过改进的集合经验模态分解方法对分析信号进行模态分解，通过添加最优幅值的伪随机噪声并对信号进行模态分解，以获取多个内禀模态函数数据；构建敏感IMF筛选指标，实现对敏感IMF的自动选取；通过对敏感内禀模态函数数据进行分析处理，判断轴承的故障。本发明对轴承故障信号进行模态分解可以获取无模态混叠的内禀模态函数数据以及包含故障特征的敏感内禀模态函数数据，解决了故障数据经模态分解后容易出现模态混叠以及敏感内禀模态函数数据获取困难问题，使得轴承故障判断更加准确。

摘要： 本发明公开了一种适用于虚函数和函数指针的静态函数调用图构建方法，其步骤包括：1获取源程序的中间代码；2获取中间代码中的关键信息，所述关键信息包括基本块顺序队列以及虚函数相关信息；3基于所述关键信息，对所述中间代码进行模拟执行，分析出所述中间代码中的函数调用指令调用的实际函数，同时记录下函数调用关系；4根据所述函数调用关系，构建出静态函数调用图。本发明能够全面的分析出虚函数、函数指针调用以及线程创建关系，而且能准确的分析出复杂的函数指针调用，从而能更好的帮助程序开发人员理解程序，同时提升依赖于函数调用图的静态分析方法的准确性。

摘要： 本发明公开了一种基于开关状态函数的永磁电机在线参数辨识方法。设置微分采样电路，微分采样电路经霍尔传感器和永磁电机的三相线连接；通过霍尔传感器测量永磁电机的三相电流后，输入微分采样电路提取永磁电机的三相电流微分值；根据永磁电机在不同电压矢量作用下的三相电流微分值进行处理获得永磁电机的电感参数和磁链参数。本发明在考虑永磁电机逆变器供电影响下，实现了电机电感和磁链参数的在线辨识，能够实时跟踪电机运行过程中的参数变化。

摘要： 本发明公开了一种基于硬件的程序动态函数调用序列追踪方法和装置。该方法在执行硬件跟踪前对目标程序进行插桩形成插桩程序，通过插桩构建函数调用跳转跟踪块，使得目标程序的各目标函数的入口和出口跳转至函数调用跳转跟踪块内再返回，然后在执行硬件跟踪时，仅对函数调用跳转跟踪块的程序块进行跟踪，由此，根据硬件跟踪所输出的追踪数据即可分析出目标程序执行的函数调用关系和调用序列。本发明通过将追踪粒度由原始的程序基本块扩大至函数，从而降低处理器硬件追踪所产生的追踪数据的速度，使得所产生的追踪数据能够与追踪数据存储的速度匹配，减少追踪数据的丢失。

摘要： 本发明公开了一种基于动态函数改进的多新息最小二乘参数辨识方法：采用递推最小二乘算法对锂电池等效电路模型参数进行辨识，数据利用率低；且当系统脉冲电流变化率较大时，算法的跟踪效果不理想，参数辨识误差较大；为了解决这一问题，将递推最小二乘算法中的标量新息扩展为向量新息，并依据单侧极限思想，引入动态函数对原新息进行权重约束。本发明通过综合考虑数据利用率和计算复杂度，实现了锂电池等效电路模型参数的高效准确辨识，为锂电池的能源管理提供理论依据，属于新能源测控领域。