摘要:

Hiibert-Huang变换是由Norden E.Huang等人提出的一种适合分析非平稳时间信号的一种新的方法.这一方法尚处在发展阶段,在建立严密的理论和方法的完善方面还有很多未知.本文首先对这一方法作了介绍;然后针对算法中出现的一些问题给出改进;最后用改进的算法和原算法进行时比,说明利用改进法,能够更准确地获得固有模态信号且能更好保留原始信号中的瞬时频率成分.

摘要:

钻井过程中钻头震动井壁会形成较浅的孔洞与划痕,在电成像静态图中表现为麻点噪声或颜色相对较深的条、块状干扰,影响裂缝的识别和参数的提取.为了降低背景噪声的影响,将联合经验模态分解法(EMD)及小波阈值去噪方法应用到电成像测井的电导率曲线中.结果表明:背景噪声主要存在于电导率曲线的高频部分,把电导率数据EMD分解后,对得到的高频固有模态函数(IMF)分量进行小波阈值去噪可有效减少背景噪声,输出的FMI(地层微电阻率扫描成像)静态图中麻点噪声和条、块状干扰明显减少;由去噪电成像静态图计算得到的缝洞面孔率与岩心孔隙度有更好的线性关系,与常规资料孔隙度和人工拾取的裂缝面孔率具有一致性,说明基于EMD的小波阈值去噪方法在电成像测井数据中的应用是有效的.

摘要:

为了解决煤矿综采工作面煤矸界面识别问题,将Hilbert-Huang变换应用于煤矸振动信号的特征提取.采用EMD方法可以将复杂环境下的煤矸振动加速度信号分解成固有模态分量,通过分析包含煤矸振动特征的前4个IMF分量,得到局部Hilbert边际谱和局部能量谱,进而发现当顶煤放落时,其振动信号的幅值和能量主要集中在100Hz至600Hz的频率范围内;而当煤矸混放时,其幅值和能量则主要集中在1 000Hz左右,此时100Ha至600Hz频率范围内的幅值和能量相对有所减弱.根据上述特征定义特征函数,应用到煤矸界面识别的仿真实验中,取得了很好的识别效果.

摘要:

介绍了一种可以提高非平稳时间序列预测精度的新方法,该方法应用Hilbert-Huang变换的核心内容-经验模态分解法(Empirical mode decomposition,EMD)对非平稳时间序列进行分解,以降低被预测信号中的非平稳性,利用神经网络对分解后的各分量进行预测,再将预测结果叠加.利用该方法对石家庄市年逐月降水量进行预测,预测结果显示,其预测精度比直接用神经网络预测的预测精度有较明显的提高.

摘要:

将HHT方法应用于液压管路裂纹的故障诊断，提出基于HHT的液压管路裂纹故障诊断方法，并以正常液压管路和有裂纹液压管路为例进行实验验证。首先进行EMD（经验模态分解法）振动信号分解。将EMD和HHT方法引入航空发动机液压管路裂纹的振动信号分析，某发动机液压管路的裂纹振动信号的分析结果表明，该方法能够克服傅里叶谱无法同时获得时域和频域信息的缺陷。同时边际谱能够比较真实客观地反映有裂纹液压管路的频率和幅值分布情况。此外由边际频谱图中可知，无裂纹液压管路、有裂纹液压管路振动信号的频率能量分别集中于25 Hz，有裂纹的整体系统刚度大于无裂纹的。据此，有裂纹的管路，其振动加大的现象得以由HHT方法明显呈现。