导读:本文包含了黄变换论文开题报告文献综述及选题提纲参考文献，主要关键词:故障诊断,Hilbert-Huang变换,风机,边际谱
黄变换论文文献综述
郝东升[1]（2019）在《希尔伯特黄变换在风机故障诊断的应用》一文中研究指出本文提出了基于经验模态分解(EMD)的风机故障诊断的希尔伯特黄变换(Hilbert-Huang Transformation, HHT)方法,介绍了Hilbert-Huang变换理论及其算法。此后以一台现场故障风机为对象,并对采集的故障信号进行EMD分解得到固有模态函数(IMF)分量,然后对其进行HHT变换处理,所得边际谱图中较为清晰地识别故障信息,验证了该方法的在实际工程应用的适用性。(本文来源于《内燃机与配件》期刊2019年16期）
梁宏,朱永莉,李大虎,刘雪梅,陈学芬[2]（2019）在《基于希尔伯特-黄变换的九寨沟M7.0地震加速度记录时频分析》一文中研究指出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叁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)中存在的模态混迭问题,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。(本文来源于《国际地震动态》期刊2019年07期）
于燕平,方林[3]（2019）在《希尔伯特-黄变换(HHT)在复合电能质量扰动分析中的应用》一文中研究指出为准确分辨出电能信号中的扰动成份,进行电能质量治理,笔者通过对暂降+谐波、暂升+谐波、脉冲+谐波、暂升+波动、暂降+波动、脉冲+波动等6种双重扰动信号进行EMD分解,希尔伯特-黄变换,然后着重对信号的前2阶IMF,第1阶IMF的瞬时频率,希尔伯特谱进行分析。结果显示,EMD分解能分解出复合的扰动信号成份,第一阶的IMF分量的瞬时频率及希尔伯特谱能对扰动发生时刻、谐波成份进行较准确的分析。(本文来源于《红水河》期刊2019年03期）
管敏渊,楼平,金国亮,吴国强,夏星航[4]（2019）在《基于希尔伯特——黄变换的GIS超声波检测异常信号诊断》一文中研究指出文中提出了一种气体绝缘组合电器(gas insulated switchgear,GIS)超声波检测异常信号的时频特征计算与诊断方法。首先运用希尔伯特—黄变换(Hilbert-Huang transform,HHT)得到描述超声波信号包络线的时频特征的Hilbert幅值谱。在此基础上,给出了离散条件下Hilbert边际谱与平稳性指数的计算方法,分别表示信号中各频率成分的总强度和平稳性。然后将Hilbert边际谱与平稳性指数结合起来分析,可以直观读取信号的时频特征,进而推断出异常气室的故障原因。3个现场实测案例的研究表明,时频特征分析方法可以有效反映电晕放电、悬浮电位放电和机械振动等3种不同故障对应的超声波信号的时频特征,对提升GIS超声波检测结果的分析诊断水平有着重要的指导意义。(本文来源于《高压电器》期刊2019年06期）
刘复秋宣[5]（2019）在《希尔伯特—黄变换方法在转子系统故障诊断中的应用与研究》一文中研究指出旋转机械是现代工业中应用最广泛且容易发生故障的设备,对旋转机械状态监测和故障诊断来确保设备正常运行、早期故障的预警和排除有重要意义。转子是旋转机械中的重要部件,振动信号大多是非线性、非平稳信号。因此,如何从转子振动信号中提取有效的故障特征并进行模式识别与分类尤为重要。本文将希尔伯特-黄变换方法(HHT)引入到旋转机械故障诊断中,HHT所包含的经验模态分解方法(EMD)和改进的集合经验模态分解方法(EEMD)非常适合处理机械振动信号,而被广泛应用到机械故障诊断领域,并取得了很好的成果,但仍存在着像模态混迭、分解迭代次数高、效率低等问题。针对上述问题,本文首先搭建了转子动力学实验台,进行了叁种故障的模拟和信号采集分析,采用了基于自适应白噪声完备经验模态分解方法(CEEMDAN),并利用仿真和转子振动信号,对CEEMDAN方法与EEMD方法进行了对比分析,CEEMDAN的重构误差小,迭代次数也大大降低,证实了CEEMDAN方法的优越性。其次,针对虚假分量问题,采用了基于相关系数虚假分量判别法和指标能量法,对仿真和故障信号分析结果表明,该方法能够有效筛选出正确分量。最后,在机械故障诊断中的应用中,把CEEMDAN方法与其它数学方法相结合,形成了基于CEEMDAN的机械故障诊断方法。其中,在奇异值熵的基础上,提出了基于CEEMDAN奇异值熵和支持向量机相结合的方法;在模糊熵的基础上,提出了基于CEEMDAN模糊熵和马氏距离相结合的方法。实验数据表明,两种方法均有效实现对故障特征信号的提取与模式的分类。(本文来源于《长春工业大学》期刊2019-06-01）
李嘉杭[6]（2019）在《基于希尔伯特—黄变换的地震信号谱重排方法研究》一文中研究指出在地震数据处理中,数据处理工作者常常需要采取时频分析技术,来精确地描述信号的频率随时间变化的特征,这是由于地震信号不可避免的非平稳性等特点所决定的。本文将这种反应信号频率与时间关系的算法称之为地震的信号谱分解技术。在实际的研究与生产中,对谱分解技术的精度和分辨率都有着较高的要求,尤其是在我国对陆上油气开发的需求量不断增加;陆上、海上地震勘探难度增大的现状下,传统和常规的谱分解技术已经逐渐地不能满足这种高精度的实际需求,尤其在薄层勘探中,归咎于常规算法的不稳定性和低分辨率等缺点,往往会得出错误的结论,影响整体的勘探质量与计划。因此,现阶段寻找精度更好,分辨率更高,算法更加稳点的谱重排方法有着十分重要的意义。从常规的时频分析技术领域出发,多种地震谱分解方法相继得到了充分的应用与发展。本文首先回顾了几种经典的地震信号时频分析技术理论,例如常见的短时傅里叶变换、Gabor变换、S变换、连续小波变换、维格纳变换和匹配追踪算法。传统的时频分析算法受限于精度和分辨率较低等原因,在处理实际问题中常常有一定的缺陷。本文提出的基于希尔伯特-黄的改进算法作为新的算法,不仅仅在精度,聚焦性和分辨率等方面有其他算法不能比拟的明显的优势,而且在计算效率上也有了显着的改善。为了缓解常规的时频谱分解方法的不足之处,例如在时间分辨率和频率分辨率都不高的情况,新的希尔伯特-黄变换相应提出,其总体思路为,首先对信号进行静态分解,通过静态分解将非平稳、非线性的地震信号分解为有限个固有模态函数和一个剩余项,最后,本文再把每个固有模态函数都进行希尔伯特变换处理,完成上述步骤本文就可以得到地震信号的瞬时频率,由此本文就得到了叁维地震时频谱的时间、频率、振幅。本文对希尔伯特-黄变换算法进行了详细的阐述与推导,在对其算法进行改进后,将其应用于实际的地震数据处理中,经过实际测试表明,改进后的算法在精度、分辨率以及聚焦性上相比常规算法都有了显着提高,计算量也得到了压缩,计算效率可以达到过去的2~3倍。在此基础上,本文将经过希尔伯特-黄变换算法改进的地震信号谱重排的效果,与传统的时频分析技术之一的Gabor变换的算法步骤,原理以及效果进行了充分的比较;并应用于实际地震信号的处理中,拟合数据及实际数据的成像结果均表明,基于希尔伯特-黄变换的地震信号谱重排得到的结果可以更好地描述地震波的非线性和非平稳性,计算过程更加简单,效率更高,具有自适应性强,精度和分辨率高,聚焦性好等特点。相较于常规算法,希尔伯特-黄算法更适用于解决地震信号等非线性信号的问题。最后,本文对实际的某油气层数据进行时频分析处理,结果表明改进后的谱重排算法在时频分辨率和时频聚焦性具有更好的效果,精度更高;可以更好的反应油气层中烃类的具体层位,在处理薄层储层时分层更加精细,效果更加明显。(本文来源于《吉林大学》期刊2019-05-01）
丁坤,陈富东,李元良[7]（2019）在《基于希尔伯特黄变换和灰色关联度的光伏系统健康状态研究》一文中研究指出针对传统光伏系统性能评估方法的单一与不足,基于健康管理技术,提出一种新型光伏系统健康状态评估方法。通过希尔伯特黄变换解决非平稳随机信号在特征提取过程中难以获取准确特征值的问题,利用灰色关联理论分析光伏系统当前状态和理论状态的关联程度,从而计算光伏系统的健康指数,用以表征该系统当前的健康程度。这样解决了利用PR判别方法对轻微故障进行评估时,由于评估结果准确度较低而导致误判现象发生的问题。实验结果表明,该健康状态评估方法的评估结果具有较高的有效性和准确性,为提高光伏系统的发电效率,保障光伏电站的安全运行提供了有利的支撑。(本文来源于《可再生能源》期刊2019年03期）
尚群立,马良威,庞仁贵,张国军[8]（2019）在《基于希尔伯特—黄变换的控制阀气密性故障诊断研究》一文中研究指出以气动薄膜控制阀气室气密性故障为研究对象,首先对控制阀阀位响应信号进行希尔伯特-黄变换,通过经验模态分解方法检测故障的发生及发生时刻;其次分析了分解所得各阶模态及其能量占比特性,获得了气动控制阀气室气密性故障类别和强度的在线诊断;最后通过模型仿真和实体阀实验验证了文章提出的检测及诊断方法的有效性和实用性;研究首次将希尔伯特黄变换信号分析方法引入到非周期、非平稳过程故障诊断中来,完整的实现了气动控制阀气室气密性故障的检测、诊断和强度识别。(本文来源于《计算机测量与控制》期刊2019年01期）
冯红武,王建昌[9]（2018）在《希尔伯特—黄变换在地震信号时频分析中的应用研究》一文中研究指出将希尔伯特—黄变换(HHT)应用于天然地震信号处理中,通过对天然地震波信号进行HHT时频分析,获得该信号的叁维Hilbert时频谱、边际谱、瞬时能量谱和Hilbert能量谱。通过分析,可以看出HHT方法能敏感地提取到地震波信号随时间和频率动态变化的不同阶段的主要特征,其图像清晰,能够反映能量突变点信息,其时频局部定位能力较强。边际谱、瞬时能量谱和Hilbert能量谱能提取出地震波信号其他新的特性,可对信号的时频分析起到补充作用。结果表明,HHT方法能准确描述地震信号的非线性时变特征,是地震信号时频分析的有效工具。(本文来源于《高原地震》期刊2018年04期）
方菲[10]（2018）在《希尔伯特——黄变换及其在混凝土无损检测中的应用》一文中研究指出希尔伯特—黄变换(HHT)是处理非线性、非平稳信号的时频分析方法。将希尔伯特—黄变换方法用于工程勘察的资料处理与解释。HHT对非线性、非平稳信号的处理的基本步骤为:首先对工程勘察的资料进行多分辨经验模态分解和瞬时频率的求解,随后获得信号的时频谱,再利用提取的瞬时振幅、瞬时频率、瞬时相位信息来分析地下目标物(比如在混凝土损伤与地下溶洞等情况)。以叁峡工程混凝土质量缺陷物探快速无损检测现场1∶1模型为例探讨了HHT方法的有效性。(本文来源于《工程地球物理学报》期刊2018年06期）
黄变换论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
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叁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)中存在的模态混迭问题,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。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
黄变换论文参考文献
[1].郝东升.希尔伯特黄变换在风机故障诊断的应用[J].内燃机与配件.2019
[2].梁宏,朱永莉,李大虎,刘雪梅,陈学芬.基于希尔伯特-黄变换的九寨沟M7.0地震加速度记录时频分析[J].国际地震动态.2019
[3].于燕平,方林.希尔伯特-黄变换(HHT)在复合电能质量扰动分析中的应用[J].红水河.2019
[4].管敏渊,楼平,金国亮,吴国强,夏星航.基于希尔伯特——黄变换的GIS超声波检测异常信号诊断[J].高压电器.2019
[5].刘复秋宣.希尔伯特—黄变换方法在转子系统故障诊断中的应用与研究[D].长春工业大学.2019
[6].李嘉杭.基于希尔伯特—黄变换的地震信号谱重排方法研究[D].吉林大学.2019
[7].丁坤,陈富东,李元良.基于希尔伯特黄变换和灰色关联度的光伏系统健康状态研究[J].可再生能源.2019
[8].尚群立,马良威,庞仁贵,张国军.基于希尔伯特—黄变换的控制阀气密性故障诊断研究[J].计算机测量与控制.2019
[9].冯红武,王建昌.希尔伯特—黄变换在地震信号时频分析中的应用研究[J].高原地震.2018
[10].方菲.希尔伯特——黄变换及其在混凝土无损检测中的应用[J].工程地球物理学报.2018
标签：故障诊断; Hilbert-Huang变换; 风机; 边际谱;