Huang针对EMD的这些缺陷又提出了集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD),该方法可以使分解的精度大大提高,广泛适用于故障检测领域。 EEMD分解原理为:因为原始信号的极值点分布非常不均匀,为了改善其不均匀度,可以通过添加正态且频谱均匀分布的高斯白噪声的方法来抑制模态混叠现象。因白噪声的能量在...
### 步骤4:进行EEMD分解 使用EEMD对数据进行分解。 ```markdown ```python # 创建EEMD对象并进行分解 eemd = EEMD() eIMFs = eemd.eemd(s, t) 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. ### 步骤5:进行Hilbert变换 对分解后的IMFs进行Hilbert变换。 ```markdown ```python # 对分解后的IMFs进...
组合灵活性:EEMD、FFT和HHT可以灵活组合使用,根据具体应用场景和需求进行选择和优化。例如,可以在EEMD分解后对每个IMF分别进行FFT计算,也可以在FFT计算后对每个频率分量进行HHT分析。 自适应性:EEMD和HHT都具有自适应性,可以自动适应信号的特点和处理需求。例如,EEMD可以根据信号的局部特征进行分解,HHT可以根据信号的非线...
前文虽然基于EEMD分解的应变时序残差趋势项从宏观角度分析了云南区域长趋势应变积累态势,但无法获取应变信号中所包含的瞬时活动特性,因此下文将进一步结合HHT分析方法,通过显著性检验选取出较为合适的IMF分量进行Hilbert变换,获得其时间-频率-振...
EEMD实际就是噪声分析法和EMD方法的结合,抑制模态混叠。 Fourier变换是将任何信号分解为正弦信号的加权和,而每一个正弦信号对应着一个固定的频率(Fourier频率)和固定的幅值,因此,用Fourier 变换分析频率不随时间变化的平稳信号是十分有效的。但对于频率随时间变化的非平稳信号,Fourier 变换就无能为力了。 HHT是历史上...
基于EEMD-HHT边际谱的轴承故障诊断
法。该方法将小波分析和EEMD-HHT相结合,既能够提高信号的信噪比,又能抑制经验模态分解过程中的模 式混叠现象,提高故障诊断的准确性。试验证明在风电轴承的故障诊断中该方法非常有效。 关键词:风电轴承;小波分析;EEMD-HHT;故障诊断 中图分类号:TH133.33;TP391 文献标志码:B 文章编号:1000-3762(2014)06-0045-05 ...
EEMD-HHT匝间短路采用多回路理论构建电路模型,通过MATLAB进行不同故障的仿真,经分析得出定子匝间短路电流的谐波特性以及电压不平衡故障电流的谐波情况,对比可知二者谐波特性相类似,难以通过故障电流区分两种故障.用EEMD-HHT方法分析处理故障电流后,两种故障所得的现象不同,由此很好地区分了这两种故障情况,在定子匝间短路故障...
爆破工程所处的环境一般复杂多变,爆破振动信号大多呈现瞬时非平稳性特征.因此,为了准确分析爆破振动的信号特征以及传播规律,以首都环线高速公路承平段路基爆破工程为背景,通过引入EEMD分解方法,解决了传统EMD分解方法存在模态混叠的不足;结合HHT变换,对承平段典型路堑边坡岩体爆破振动信号进行了分析.研究结果表明:采用EEMD分...
【关键词】改进小波去噪;EEMD-HHT;改进小波去噪与EEMD-HHT有机结合;滚动轴承故障诊断 1.引言 Huang N E等人于2007年提出基于聚合经验模态分解EEMD的HHT信号处理方法[1](简称EEMD-HHT),该方法已在轴承故障诊断、电能质量扰动检测、语音信号处理和地震信号分析等不同领域取得了显著成效。但在实际信号测试过程中,外界噪...