搜索资源列表
26
- 阐述Hilbert变换的定义及解调原理。工程应用的结果表明, 利用Hilbert技术从复杂的 振动信号中解调故障的调制信息, 进而判断出故障齿轮的部位, 是一种可靠的故障诊断方法-On the definition of the Hilbert transform demodulation principle. The engineering application results show that the Hilbert technical failure of modulation i
Hilbert335
- 测量6205深沟球轴承的故障振动加速度信号, 对信号进行时频分析, 利用经验模态分解方法将振动信号分解成不同特征时间尺度的固有模态函数,对每个固有模态函数进行Hilbert 变换得到Hilbert 谱,通过谱分析识别轴承的故障部位和类型, 证实Hilbert 谱的有效性-Measuring 6205 deep groove ball bearing fault vibration acceleration signal, the signal frequency analysis, empiri
zuizhong1
- HHT算法实现emd分解,及希尔伯特黄变换,实现瞬时频率瞬时幅值,边际谱的提取。-The HHT algorithm emd decomposition and Hilbert-Huang transform to achieve the instantaneous amplitude of the instantaneous frequency marginal spectrum extraction.
1
- 基于HHT变换的电机故障诊断研究_周粉利 硕士研究生论文。。希尔伯特黄变换应用-Motor fault diagnosis based on research on HHT _ Zhou Li powder graduate thesis. . Hilbert-Huang Transform
Study-on-compound-fault-diagnosis
- 针对滚动轴承复合故障信号特征难以分离的问题, 提出将双树复小波变换和独立分量分析( ICA) 结合的故障诊断方 法 该方法首先将非平稳的故障信号通过双树复小波变换分解为若干不同频带的分量 由于各个分量存在一定的频率混叠, 对 故障信号特征提取有很大的干扰, 进而引入 ICA 对各个分量所组成的混合信号进行盲源分离, 从而尽可能消除频率混叠 最后 对从混合信号中分离出来的独立分量信号进行希尔伯特包络解调, 即可实现对复合故障特征信息的分离和故障识别-Aiming at the diff
6-Instantaneous-Frequency
- 分解后的一些希尔伯特黄变换,边际谱,瞬时能量,瞬时频率。。。很好的,值得一看-Some decomposed Hilbert-Huang transform, marginal spectrum, instantaneous energy, instantaneous frequency. . . Good, worth a visit. .
基于改进的希尔伯特振动分解的机械故障诊断方法研究
- 针对多分量机械故障振动信号的特征提取问题,介绍一种基于希尔伯特振动分解( HVD) 的时频分析方法。该方法首先利用 Hilbert 变换得到原始振动信号的解析信号,然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率,同时经同步检测获得相应的瞬时幅值和初相位,最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对 HVD 方法的边界效应问题,提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。 通过两组仿真信号分析验证了 HVD 方法对多分量非平稳信号的分解能力,同时
基于 HHT 的船体结构应力监测数据 特征分析和去噪方法
- [目的]为了去除船体结构应力监测数据中的噪声信号,获得有效的数据信息,以便为后续数据挖掘提 供支撑,[方法]首先,采用 HHT 方法中的经验模态分解(EMD)算法对数据进行成分分析,得到固有模态函数 (IMF)和余项。然后,通过 Hilbert变换得到 Hilbert谱,证明应力监测数据的非平稳特性。最后,以信噪比(SNR) 和均方根误差(RMSE)为例,结合自适应去噪和小波阈值去噪两种方法对应力监测数据进行去噪效果比较。 [结果]结果表明,基于 HHT方法的自适应去噪和小波去噪都具有一定