Hilbert谱

摘要： 依托成都双流国际机场滑行道工程,通过理论分析、公式推导及数值模拟等综合研究手段,确定飞机动荷载系数并推导出飞机单轮荷载计算公式,研究飞机在滑行道面运动过程中,起降与滑行荷载作用下机场道面-地层结构的动力特性与损伤。研究结果表明,滑行荷载对道面-地层结构的影响最大,滑行荷载作用下,道面-地层结构在频率为7 Hz附近时振动加速度达到最大值。从能量角度看,飞机荷载从道面传递至地层时,高频段的加速度能量在地层中的耗散比中低频段更快;道面-地层结构的1/3倍频程曲线最大值均出现在9.45 Hz频段,随着地层深度增加,地层结构的VAL值呈现衰减趋势,且衰减率不断增大。从损伤量值角度看,滑行荷载对道面结构的损伤总体较小。

摘要： 采用一种基于聚类经验模态分解(EEMD)的HHT方法提取康定MS6.3地震强震记录的时频特性,通过对各台站获取的强震动加速度记录进行EEMD和Hilbert变换及谱分析,并与Fourier变换进行对比研究.结果 表明,对于非线性的强震记录,采用EEMD能有效抑制EMD中存在的模态混叠问题.康定震区震害调查结果发现,“崩科”藏式建筑房屋表现出的震害特征较严重.通过Hilbert边际谱分析可以看出,震区台站主频集中在10 Hz左右,瞬时能量谱高频段信息较为丰富,而藏式建筑较差的抗震性也是造成震区“崩科”藏式结构房屋表现出震害偏重的重要原因.

摘要： 2017年8月8日四川九寨沟M7.0地震是继2008年汶川M8.0地震和2013年芦山M7.0地震之后,青藏高原东缘在不到10年的时间内发生的第3个震级M7.0以上的强震,震中位于青藏高原巴颜喀拉块体东缘东昆仑断裂带东端的塔藏断裂、岷江断裂和虎牙断裂交汇部位,四川省地震局的数字强震台网共有37个台站获取了主震的三分量强震加速度记录.由于傅里叶(Fourier)变换仅能提供强震记录的频域信息,故本文在对九寨沟M7.0地震的加速度记录进行时频分析时采用了一种基于聚类经验模态分解(EEMD)的希尔伯特-黄变换(HHT)方法提取信号时频特性,通过对震中附近台站的加速度记录进行EEMD分解和希尔伯特(Hilbert)变换及谱分析,最终有效获得了信号能量的时频分布特征,量化提取了中心频率、Hilbert能量、最大振幅对应的时间等特性,并与Fourier变换进行了对比研究.研究结果表明:对于非线性的强震记录采用EEMD能够有效抑制经验模态分解(EMD)中存在的模态混叠问题,FFT谱与Hilbert边际谱相比,它在低频处会低估地震动的幅值,随着频率的增加,FFT谱又会放大其幅值.

摘要： The paper, based on Hilbert-Huang transform (HHT) method, analyzes the dynamic environmental data recorded during the fairing separation process of fairing. The Hilbert spectrum in the time and frequency domain is acquired from a group of self-adapted primary functions. Meanwhile, the main frequency and the corresponding time range of the diachronic vibration signals are accurately identified. The example of using HHT to deal with the flight data can serve as a reference for the establishment of ground spacecraft mechanical test conditions and the examination of the interface conditions for the launch vehicle.%文章基于Hilbert-Huang变换,对某载人航天器发射过程中整流罩分离期间测量的力学环境参数进行处理分析,利用HHT的基函数自适应性特点,得到振动时间历程信号的时频域Hilbert谱,准确识别出信号主频率及对应时间范围.此应用案例可为地面力学试验条件制定以及运载接口条件确定提供参考.

摘要： 为了有效地诊断旋转机械中的碰摩故障,提出了基于变分模态分解(variational mode decomposition,简称VMD)与Hilbert谱分析的故障诊断方法.首先,利用VMD将碰摩故障信号自适应地分解为若干个不同频率段的本征模态函数(intrinsic mode function,简称IMF),并与集合经验模态分解(ensemble empirical mode dcomposition,简称EEMD)的处理结果进行对比分析;然后,在VMD分解的基础上,利用Hilbert谱对故障信号的时频特性进行分析.实验结果表明:与传统的频谱分析相比,该方法不但可以准确反映故障信号的频率成分,而且可以反映频率随时间的变化情况;与EEMD相比,该方法可以有效抑制模态混叠,更加准确地反映故障信息,从而验证了该方法的可行性与有效性.

摘要： 为了精确检测电网中复杂非平稳扰动信号的时频特性,提高希尔伯特-黄变换(HHT)方法的时频定位能力,提出了一种基于改进HHT的电能质量扰动检测方法.针对电压暂降与短时间中断、谐波和复合扰动信号,所提方法采用移动平均法对HHT得到的瞬时幅频参数进行均值化,进而从Hilbert谱中提取信号在不同时间和频率的能量密度,定位扰动信号的起止时刻.仿真结果表明,此方法能够准确、快速地获取谐波信号的频率成分、幅值及突变时刻,分析电压暂降与短时间中断信号的幅值及起止时刻,同样适用于复合扰动信号检测,相对于传统的HHT方法具有更高的精度及时频分辨率.

摘要： 为有效提取变压器振动信号特征,提出了一种基于经验小波变换(EWT)的信号特征提取方法.首先利用EWT方法将不同工况的变压器振动信号分别分解为若干经验小波函数(EWF)分量;然后计算各分量Hilbert谱,通过时频表示直观反映不同工况变压器振动信号的频率特征信息;最后计算不同工况振动信号各EWF分量与原信号的相关系数,并提取相关度高的分量,根据其能量构建信号的特征矢量,实现对不同工况变压器振动信号特征提取的量化处理.仿真试验表明,该方法能有效提取变压器振动信号特征,且根据提取的特征矢量能够正确识别变压器绕组所属的不同工况.%In order to realize effective feature extraction for vibration signals of power transformers,a method of signal feature extraction based on empirical wavelet transform (EWT) is proposed.Firstly,transformer vibration signals in different working conditions are decomposed into several empirical wavelet functions (EWFs) through the method of EWT.Secondly,the Hilbert spectrum of each EWF is calculated,and the frequency characteristics of transformer vibration signals in different working conditions are shown in time frequency representation.Finally,the correlation coefficient of each EWF and the original signal is calculated to extract components of high correlation.The eigenvectors of signals are built according to the energy of components above to quantize the features of transformer vibration signals.It is shown by experiment that this method has a good effect on feature extraction for vibration signals of power transformers,and the different transformer winding conditions can be recognized correctly through the extracted eigenvectors.

摘要： 通过转子升速试验模拟了油膜涡动的发生、发展到油膜振荡的完整过程，采用HHT分析得到了转子升速过程油膜失稳故障数据的Hilbert谱，分析了油膜涡动频率与转子回转频率的关系。半速涡动频率约为回转频率的42%～48%之间，这一统计规律的具体数值应该与转子系统特性有关，随着转速升高，油膜涡动频率跟随回转频率变化；即使在同一转子系统，油膜涡动频率与回转频率之间的系数关系也是不固定的，随转速升高呈现逐渐加大趋势。实验与分析的结果对研究转子油膜失稳故障有重要意义。

摘要： 通过转子升速试验模拟了油膜涡动的发生、发展到油膜振荡的完整过程，采用HHT分析得到了转子升速过程油膜失稳故障数据的Hilbert谱，分析了油膜涡动频率与转子回转频率的关系。半速涡动频率约为回转频率的42%～48%之间，这一统计规律的具体数值应该与转子系统特性有关，随着转速升高，油膜涡动频率跟随回转频率变化；即使在同一转子系统，油膜涡动频率与回转频率之间的系数关系也是不固定的，随转速升高呈现逐渐加大趋势。实验与分析的结果对研究转子油膜失稳故障有重要意义。

摘要： 通过转子升速试验模拟了油膜涡动的发生、发展到油膜振荡的完整过程，采用HHT分析得到了转子升速过程油膜失稳故障数据的Hilbert谱，分析了油膜涡动频率与转子回转频率的关系。半速涡动频率约为回转频率的42%～48%之间，这一统计规律的具体数值应该与转子系统特性有关，随着转速升高，油膜涡动频率跟随回转频率变化；即使在同一转子系统，油膜涡动频率与回转频率之间的系数关系也是不固定的，随转速升高呈现逐渐加大趋势。实验与分析的结果对研究转子油膜失稳故障有重要意义。

摘要： 通过转子升速试验模拟了油膜涡动的发生、发展到油膜振荡的完整过程，采用HHT分析得到了转子升速过程油膜失稳故障数据的Hilbert谱，分析了油膜涡动频率与转子回转频率的关系。半速涡动频率约为回转频率的42%～48%之间，这一统计规律的具体数值应该与转子系统特性有关，随着转速升高，油膜涡动频率跟随回转频率变化；即使在同一转子系统，油膜涡动频率与回转频率之间的系数关系也是不固定的，随转速升高呈现逐渐加大趋势。实验与分析的结果对研究转子油膜失稳故障有重要意义。

摘要： 通过转子升速试验模拟了油膜涡动的发生、发展到油膜振荡的完整过程，采用HHT分析得到了转子升速过程油膜失稳故障数据的Hilbert谱，分析了油膜涡动频率与转子回转频率的关系。半速涡动频率约为回转频率的42%～48%之间，这一统计规律的具体数值应该与转子系统特性有关，随着转速升高，油膜涡动频率跟随回转频率变化；即使在同一转子系统，油膜涡动频率与回转频率之间的系数关系也是不固定的，随转速升高呈现逐渐加大趋势。实验与分析的结果对研究转子油膜失稳故障有重要意义。

摘要： 通过转子升速试验模拟了油膜涡动的发生、发展到油膜振荡的完整过程，采用HHT分析得到了转子升速过程油膜失稳故障数据的Hilbert谱，分析了油膜涡动频率与转子回转频率的关系。半速涡动频率约为回转频率的42%～48%之间，这一统计规律的具体数值应该与转子系统特性有关，随着转速升高，油膜涡动频率跟随回转频率变化；即使在同一转子系统，油膜涡动频率与回转频率之间的系数关系也是不固定的，随转速升高呈现逐渐加大趋势。实验与分析的结果对研究转子油膜失稳故障有重要意义。

摘要： 提出一种基于Hilbert谱时频特征的航空发动机转子故障智能诊断方法。首先,通过希尔伯特—黄变换(HHT)得到反映故障信号特征的Hilbert谱；然后,利用主成分分析(PCA)对故障信号的Hilbert谱进行特征提取；最后,使用野点检测进行分类,并用遗传算法优化野点检测参数,实现故障的智能诊断。使用ZT-3型转子故障试验台实验数据对此方法进行了验证,并与传统频谱特征分类结果进行比较,结果表明了此方法的正确性。

摘要： 提出一种基于Hilbert谱时频特征的航空发动机转子故障智能诊断方法。首先,通过希尔伯特—黄变换(HHT)得到反映故障信号特征的Hilbert谱；然后,利用主成分分析(PCA)对故障信号的Hilbert谱进行特征提取；最后,使用野点检测进行分类,并用遗传算法优化野点检测参数,实现故障的智能诊断。使用ZT-3型转子故障试验台实验数据对此方法进行了验证,并与传统频谱特征分类结果进行比较,结果表明了此方法的正确性。

摘要： 提出一种基于Hilbert谱时频特征的航空发动机转子故障智能诊断方法。首先,通过希尔伯特—黄变换(HHT)得到反映故障信号特征的Hilbert谱；然后,利用主成分分析(PCA)对故障信号的Hilbert谱进行特征提取；最后,使用野点检测进行分类,并用遗传算法优化野点检测参数,实现故障的智能诊断。使用ZT-3型转子故障试验台实验数据对此方法进行了验证,并与传统频谱特征分类结果进行比较,结果表明了此方法的正确性。

摘要： 提出一种基于Hilbert谱时频特征的航空发动机转子故障智能诊断方法。首先,通过希尔伯特—黄变换(HHT)得到反映故障信号特征的Hilbert谱；然后,利用主成分分析(PCA)对故障信号的Hilbert谱进行特征提取；最后,使用野点检测进行分类,并用遗传算法优化野点检测参数,实现故障的智能诊断。使用ZT-3型转子故障试验台实验数据对此方法进行了验证,并与传统频谱特征分类结果进行比较,结果表明了此方法的正确性。

摘要： 本发明具体涉及一种基于分数阶Hilbert倒谱的特征提取方法，包括S1、采集不同用电负荷单独运行时的电流数据；S2、对采集到的电流数据分别进行加窗预处理；S3、对处理后的电流数据分别进行分数阶Hilbert变换，将数据映射到分数空间；S4、对分数阶Hilbert变换阶数进行寻优，确定最优阶数；S5、在最优阶数下，计算得到不同用电负荷的倒谱特征；S6、将不同用电负荷在最优阶数下的分数阶倒谱特征代入支持向量机中进行负荷识别，得到不同用电负荷的识别率。本发明提出的分数阶倒谱特征有效的提高了不同用电负荷识别率，并且在负荷特征近似的情况下有较好的分类效果。

摘要： 本发明涉及一种带线性约束的中子能谱解谱实数遗传算法解谱方法，在算法过程中引入约束罚函数可以充分利用较少群的先验信息，使用宝贵的先验信息可有效提高解谱方法的准确性和计算速度。解决简单遗传算法解谱结果准确度不高，不能有效利用初始信息问题和解空间离散问题，同时解决SAND‑II迭代算法需要精确的群群对应初始谱问题及SAND‑II迭代算法严重依赖于初始谱问题。

摘要： 本发明提供了一种元素俘获能谱测井的伽马能谱解谱方法及装置。该解谱方法首先对元素俘获能谱测井仪获取的数据进行预处理；然后通过对不同元素谱形、特征峰道及本底之间的理论分析和数值计算，按照元素间相互影响程度构建主元素群和辅助元素群；进而在主、辅助元素群构建的基础上利用最小二乘法进行解谱；最后根据最小二乘法解谱获得的各元素产额通过理论进行能谱重构，将测量的伽马能谱与重构伽马能谱对比进行误差控制，提高解谱精度。该解谱方法具有高精度、可操作性强等优点，对不同类型储层均具有较好的普适性，同时为其他类型仪器的中子伽马能谱数据的处理提供了重要的参考和借鉴意义。

摘要： 本发明公开了一种基于PICA‑VMD和Hilbert边际谱的轴向柱塞泵空化等级识别方法，该方法的步骤如下：采集轴向柱塞泵壳体处的振动信号并构建初始样本集；采用小波包自适应阈值对原始信号进行去噪；对去噪后的信号进行PICA‑VMD变换得出对应的Hilbert边际谱，提取边际谱中的边际谱幅值作为故障特征并构建特征集；采用PCA法对提取的故障特征进行降维；最后将降维后的故障特征集输入到多分类SVM模型内完成空化等级的识别。本发明方法能有效地识别出轴向柱塞泵的空化等级，Hilbert边际谱幅值能够较好地反映微弱的轴向柱塞泵空化故障特征。

摘要： 本发明具体涉及一种基于分数阶Hilbert倒谱的特征提取方法，包括S1、采集不同用电负荷单独运行时的电流数据；S2、对采集到的电流数据分别进行加窗预处理；S3、对处理后的电流数据分别进行分数阶Hilbert变换，将数据映射到分数空间；S4、对分数阶Hilbert变换阶数进行寻优，确定最优阶数；S5、在最优阶数下，计算得到不同用电负荷的倒谱特征；S6、将不同用电负荷在最优阶数下的分数阶倒谱特征代入支持向量机中进行负荷识别，得到不同用电负荷的识别率。本发明提出的分数阶倒谱特征有效的提高了不同用电负荷识别率，并且在负荷特征近似的情况下有较好的分类效果。

摘要： 本发明提供一种基于Hilbert‑Huang变换的γ能谱平滑方法，所述方法包括：(1)对输入的测量谱进行极点对称模态分解，生成本征模函数；(2)计算在本征模函数之间偏差的L

摘要： 一种EEMD‑Hilbert包络谱与DBN相结合的变负载下滚动轴承状态识别方法，属于滚动轴承故障检测领域。为了解决针对训练数据采用一种负载，测试数据选用其他负载的情况下，滚动轴承故障状态及故障程度难以准确识别的问题。首先对滚动轴承各状态振动信号进行EEMD，然后选取敏感本征模态函数，并对其进行Hilbert变换求取包络谱。最后将各状态振动信号的IMF包络谱按顺序构建新的高维数据，输入到经遗传算法优化各隐藏层节点结构的DBN中，实现变负载下滚动轴承的多状态识别。在运用DBN进行滚动轴承10种状态识别过程中，训练数据采用某种负载，测试数据选用其他负载的情况下，EEMD‑Hilbert包络谱比时域或频域幅值谱能更好地体现出滚动轴承不同负载下的多状态特征，具有更高的识别率。

摘要： 一种基于Hilbert-Huang变换和小波包能量谱的电压暂降源识别方法，属于电力系统电能质量分析领域。本发明首先将三相电压信号进行EMD分解，得到各阶IMF分量；然后将各阶IMF分量进行

摘要： 本发明涉及一种基于参数化能谱的多球中子谱仪解谱方法，在充分利用中子能谱在某些能段分布规律的基础上，如热中子区的近高斯分布、1eV‑10keV的“平台区”等，采用参数化能谱作为初始能谱，通过计算分析对这些参数进行重新定值，使探测器计数与求解结果之间总误差水平最低，获取具有明确物理图像的连续中子能谱。采用本发明所公开的基于参数化能谱的多球中子谱仪解谱方法，求得的各段中子能谱形状与物理实际吻合度较高，可以大幅降低多球中子谱仪解谱过程中对严格初始谱的依赖程度，应用范围广，实用性强。

摘要： 本申请提供一种谱线探测方法、装置、谱线探测仪和谱线探测系统，所述方法包括：接收待分析的衍射信号对应的脉冲信号，所述衍射信号包括多种谱线，且所述衍射信号为利用射线源对样品进行多个不同角度的照射产生的；根据与目标谱线对应的信号幅度范围，从所述脉冲信号中确定出与目标谱线对应的目标信号；根据所述目标信号生成所述目标谱线对应的衍射图。本申请实施例基于目标谱线对应的电信号的幅度不同，从而根据目标谱线对应的信号幅度范围从脉冲信号中确定出目标信号，由此通过筛选的方式可以减少信号的损耗，保证得到较高信号强度的目标信号，对应生成的衍射图的精度更高。