当前位置:首页 > 数理化
经验模态分解在振动分析中的应用
经验模态分解在振动分析中的应用

经验模态分解在振动分析中的应用PDF电子书下载

数理化

  • 电子书积分:9 积分如何计算积分?
  • 作 者:杨永锋,吴亚锋著
  • 出 版 社:北京:国防工业出版社
  • 出版年份:2013
  • ISBN:9787118091687
  • 页数:172 页
图书介绍:本书共分8章。第1~2章介绍振动时频分析方法和EMD分析方法的基本理论和方法以及发展趋势,第3~4章论述EMD的端点延拓和模态混叠问题及其解决方法,并提出了基于EMD的阈值去噪方法。第5~8章分别给出了非线性振动、结构损伤振动和语音信号的EMD分析方法,并采用实测数据对这些方法进行了验证。
上一篇:高等分析化学下一篇:数学教学论
《经验模态分解在振动分析中的应用》目录

第1章 绪论 1

1.1时频分析方法的研究意义 1

1.2常见时频分析方法及其局限性 2

1.2.1短时傅里叶变换 2

1.2.2 Wigner-Ville分布 3

1.2.3小波变换 4

1.3经验模态分解的提出 5

1.4经验模态分解的研究现状 7

1.5经验模态分解的优势和研究方向 8

1.5.1经验模态分解的优势 8

1.5.2经验模态分解的研究方向 9

1.6经验模态分解在振动信号处理中的应用 12

1.6.1信号去噪 12

1.6.2非线性振动分析 13

1.6.3故障诊断 14

1.6.4语音增强 15

1.6.5其他应用 16

第2章 经验模态分解基本理论 17

2.1瞬时频率 17

2.2特征模态函数 18

2.3经验模态分解 19

2.4希尔伯特谱分析 22

2.5经验模态分解特性 24

第3章 经验模态分解的端点延拓和模态混叠 25

3.1端点问题的提出 25

3.2利用Volterra模型的端点延拓 26

3.2.1 Volterra模型简介 26

3.2.2仿真分析 27

3.3基于最大Lyapunov指数预测的端点延拓 29

3.3.1最大Lyapunov指数的混沌预测相关概念方法 29

3.3.2仿真分析 36

3.4基于支持向量机回归预测的端点延拓 39

3.4.1支持向量机回归预测原理 39

3.4.2仿真分析 41

3.5采用聚合经验模态分解抑制模态混叠 42

3.5.1经验模态分解的模态混叠 42

3.5.2聚合经验模态分解的原理及分解步骤 42

3.5.3聚合经验模态分解在滚动轴承信号分解中的应用 45

第4章 阈值去噪方法 47

4.1小波去噪 47

4.1.1小波变换 47

4.1.2小波去噪的基本原理和方法 48

4.1.3小波阈值去噪 48

4.1.4新小波阈值函数去噪 50

4.2经验模态分解阈值去噪方法 52

4.3仿真分析 53

第5章 基于经验模态分解的非线性振动分析 58

5.1基于经验模态分解的非线性预测 58

5.1.1最大可预测时间 58

5.1.2仿真分析 59

5.2随机噪声对经验模态分解及其非线性特征的影响 68

5.2.1随机噪声对非线性响应经验模态分解的影响 68

5.2.2噪声对非线性特征的影响 71

5.3 IMF变化对原信号非线性特征影响 74

5.3.1 IMF缺失对系统非线性特征影响 75

5.3.2 IMF比例缩小对系统非线性特征影响 77

5.3.3 IMF移位对系统非线性特征影响 79

第6章 基于经验模态分解的故障特征提取与信号处理 82

6.1利用经验模态分解下的Volterra模型提取结构损伤特征量 82

6.1.1利用经验模态分解下的Volterra模型提取损伤特征量的方法和步骤 83

6.1.2仿真分析 85

6.2利用特征模态函数分量包络矩阵的奇异值提取结构损伤特征量 87

6.2.1利用特征模态函数包络和奇异值提取损伤特征量的方法和步骤 87

6.2.2仿真分析 88

6.3基于经验模态分解的振动信号盲源分离 90

6.3.1盲源分离研究背景 90

6.3.2主分量分析 91

6.3.3 EMD-PCA-DSS方法 91

6.3.4仿真分析 93

第7章 基于经验模态分解的语音信号研究 99

7.1语音信号基本概念 99

7.1.1语音、人耳感知及干扰噪声 99

7.1.2语音增强的意义和应用 102

7.1.3语音增强方法研究进展 103

7.2基于经验模态分解的语音增强 104

7.3基于经验模态分解的语音端点检测 106

7.3.1语音端点检测算法 106

7.3.2基于经验模态分解的互相关函数的语音端点门限值编码 108

7.4基于人耳听觉特性的小波变换的语音增强 110

7.4.1基于小波变换的耳蜗滤波器组实现 110

7.4.2基于人耳听觉特性的小波变换的语音增强算法 119

7.5算法测试及性能评价 121

7.5.1语音质量评价方法 121

7.5.2仿真分析 123

第8章 经验模态分解在实验数据分析中的应用 135

8.1滚动轴承的结构损伤检测实验 135

8.1.1滚动轴承的主要损伤形式 135

8.1.2滚动轴承的结构组成、固有频率和损伤特征频率 136

8.1.3滚动轴承振动信号特征 137

8.1.4滚动轴承损伤实验 138

8.1.5实验结果 138

8.2结构损伤特征量提取 152

8.2.1滚动轴承损伤与非损伤的特征量提取 152

8.2.2滚动轴承不同损伤位置的特征量提取 153

8.2.3滚动轴承不同损伤程度的特征量提取 153

8.3 Volterra模型在滚动轴承信号分解中的应用 154

8.4非线性裂纹转子实验信号的端点延拓 156

8.4.1实验模型及其原理 156

8.4.2实验装置 156

8.4.3实验数据分析 157

8.5双盘转子信号的盲源分离 159

参考文献 162

返回顶部