-
-
-
-
基于EMD算法的煤层透射槽波信号提纯
透射槽波勘探是井下地震勘探的主要方式之一,具有探测范围大、准确率高等优点。然而井下地震信号信噪比低,远偏移距槽波信号易被噪声所淹没而无法识别,为槽波的后续处理与解释带来困难。针对这一问题,采用EMD算法对原始信号进行分解,选取并增强分解结果中的有效信号,从而实现槽波信号的提纯。实际工程中的应用效果表明,经过提纯后的地震数据,具有较少的噪声成分和较为清晰的槽波波列。
-
基于EMD和小波包降噪的压力管道微泄漏源定位研究
为实现对压力管道裂纹微泄漏源的声发射信号降噪处理与准确定位,采用经验模态分解(EMD)和小波包变换相结合的方法对微泄漏源声发射信号进行降噪处理。结果表明,该方法能够很好地解决连续型声发射信号降噪问题。该方法首先对泄漏源声发射信号进行EMD分解,细化泄漏源信号中掺杂的高频背景噪声,然后根据EMD分解产生的各个固有模态函数(IMF)与原信号相关程度确定主要包含泄漏源信号特征的各IMF分量进行EMD重构,并进行小波包降噪,以进一步削弱背景高频噪声的干扰,最后对降噪并重构后的信号进行互相关计算, ...
-
EMD工具箱.rar
经验模态分解工具箱及使用教程，适用于初学者.经验模态分解(EMD)方法的实质是通过特征时间尺度来识别信号中所内含的所有振动模态( Intrinsic Oscillatory Mode)。在这一过程中，特征时间尺度及IMF的定义都具有一定的经验性和近似性。与其他信号处理方法相比，EMD方法是直观的、间接的、后验的、自适应的，其分解所用的特征时间尺度是源自于原始信号的。
-
-
基于SVR消除EMD端点效应的研究及其在汽轮机油膜涡动故障中的应用
目前,经验模态分解(EMD)广泛应用在信号处理中,但应用过程中不可避免会有端点效应,如果处理不好会"污染"整个数据序列而使所得结果严重失真。对于边界问题的处理采用波形延拓是比较理想的一种方法,利用支持向量回归机(SVR)对原始信号两端进行波形延拓来处理端点效应并应用于汽轮机油膜故障分析中。该方法首先利用SVR分别对波形两端进行延拓,然后对延拓后的信号进行EMD分解,得到结果的中间部分即为原信号的EMD分解结果。实验结果表明,该方法能有效抑制EMD方法的端点效应,得到准确的分析结果。
-
基于EMD方法的煤矿绞车轴承故障诊断
根据煤矿绞车齿轮箱轴承在变速变载工况下振动信号的频率一直发生变化的特征,提出采用EMD方法进行绞车轴承故障诊断。在较大拖动力与较大转频阶段,根据轴承座在正常状态与故障状态下振动信号的IMF分量的能量与总能量的比值及均方根能量来判断轴承工作状态,通过提取故障信号频率的边际谱判断故障位置。实验结果证明了EMD方法能够有效检测出绞车齿轮箱轴承故障。
-
基于EMD和SVM的切削颤振识别方法研究
为了提高对切削加工过程中颤振的识别能力,提出一种结合模态分解和支持向量机的分类方法,对颤振信号进行自动识别。首先利用经验模态分解法把颤振信号分解成若干个本征模式函数分量,去除原始信号相关性,突出模式函数分量的主特征,构建出特征向量并进行归一化处理,之后,把特征向量输入SVM模型,判断颤振是否发生。分别采用神经网络模型、PCA-SVM模型、EMD和SVM模型对特征向量进行学习与识别,EMD和SVM模型识别率达到95%,优于前两种模型。实验结果表明,该方法能够有效地识别切削加工过程中的颤振。
-
EMD分解盲源分离算法在振动筛故障诊断中的应用
振动筛广泛运用于工业领域,振动筛故障诊断研究有实际意义。以振动筛轴承故障为例,先估计振动筛轴承故障时的振动源数,再利用基于经验模态分解(EMD)的盲源分离(BSS)算法分析振动筛轴承的故障特征。
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
