基于HHT方法的时变结构参数识别

合集下载

希尔伯特黄变换获取时频谱, python

希尔伯特黄变换获取时频谱, python

希尔伯特黄变换(Hilbert-Huang Transform, HHT)是一种非线性、非平稳信号分析方法,能够有效地获取信号的时频谱信息。

在信号处理和振动分析领域,HHT被广泛应用于信号的时间-频率特征提取、故障诊断、模式识别等方面。

而Python作为一种功能强大的编程语言,为HHT的实现提供了便利条件。

下面将介绍希尔伯特黄变换的基本原理及其在Python中的实现。

1. 希尔伯特变换希尔伯特变换是对信号进行解析的一种数学方法,其核心是通过与原始信号相关的虚部信号来构建解析信号。

希尔伯特变换可以将实部信号与虚部信号相互转换,从而实现对信号的时域和频域分析。

希尔伯特变换的数学表示如下:\[H(x(t)) = P \left( \frac{1}{\pi t} \right) \ V \int_{-\infty}^{\infty} \frac{x(\tau)}{t-\tau} d\tau \]其中,\(x(t)\)为原始信号,\[H(x(t))\]为对应的希尔伯特变换,\(P\)表示柯西主值,\(V\)表示广义积分。

在时频分析中,希尔伯特变换可以用于提取信号的振幅和相位信息,从而实现时域和频域特征的全面分析。

2. 黄变换黄变换是由我国科学家黄次寅于1998年提出的一种基于希尔伯特变换的信号分析方法。

与传统的傅立叶变换和小波变换相比,黄变换更适用于非线性和非平稳信号的分析。

黄变换包括两个核心步骤:经验模态分解(EMD)和希尔伯特谱分析。

EMD是将复杂信号分解成若干个本征模态函数(EMD),而希尔伯特谱分析是在每个本征模态函数上进行希尔伯特变换,从而获取每个本征模态函数的时频特征。

3. 希尔伯特黄变换希尔伯特黄变换是将希尔伯特变换与黄变换相结合的一种信号分析方法。

希尔伯特黄变换主要包括以下步骤:1) 对原始信号进行EMD分解,得到若干个本征模态函数;2) 对每个本征模态函数进行希尔伯特变换,得到每个本征模态函数的时频谱信息;3) 将每个本征模态函数的时频谱信息相加,得到原始信号的时频谱分布。

基于HHT和频带能量比特性的人与动物雷达微动信号的辨识

基于HHT和频带能量比特性的人与动物雷达微动信号的辨识

引言超宽谱(Ultra-wide Band ,UWB )生物雷达技术通过提取经生命体反射的雷达回波信号,从而实现生命体非接触隔墙探测或定位,其具有强穿透能力、强抗干扰能力、目标定位成像等特点,在临床医学监测、应急救援、国防安保等领域都具有广泛的应用[1-5]。

目前国内外围绕生物雷达探测障碍物后人体目标的研究基本已实现目标有无的探测和其呼吸心跳的检测,且探测准确度不断提高。

现阶段研究多集中于目标的位置、数量、运动轨迹等方面[6-9]。

随着生物雷达硬件技术的快速发展和社会需求的不断增加,生物雷达技术已不仅仅局限于目标的探测定位,生命体非接触辨识研究逐步成为继探测定位后又一研究热点[10-14]。

在地震、塌方等灾后救援现场,普遍存在人和动物共存的情况,如能在灾后伤员搜救时有效区分人与动物,可以在救援过程中提高搜救效率,优化救援资源,增强救援人员的搜救信心。

当前关于生命体非接触辨识研究多集中于运动目标的辨识,由于人体和动物肢体结构差异较大,运动状态下频谱信息差异较大,可实现人与动物的区分[15]。

但在地震、塌方等灾后救援现场,生命体在受困状态下往往是静止不动的,当废墟下有动物存在时,通过运动频谱差异进行人与动物的辨识区分难以实现。

空军军医大学课题组前期利基于HHT 和频带能量比特性的人与动物雷达微动信号的辨识殷悦1,吕昊2,祁富贵2,于霄21. 中国人民解放军西部战区总医院 医学工程科,四川 成都 610083;2. 空军军医大学 军事生物医学工程学系,陕西 西安 710032[摘 要] 目的 提出一种基于希尔伯特-黄变换(Hilbert-Huang Transform ,HHT )的生命体雷达微动信号辨识方法。

方法 构建生命体微动特征频带,通过提取边际谱和计算能量占比这两类能反映微动信号频带特性的信息实现人与兔、犬的辨识。

结果 根据人与两种动物的微动信号经HHT 处理得到的边际谱和能量占比信息具有显著差异的特性(P<0.01),本方法区分人与动物的准确度达91.67%,精准识别人与兔、犬目标的准确度达83.33%。

基于HHT变换的时频分析法及其在2FSK系统解调中的应用

基于HHT变换的时频分析法及其在2FSK系统解调中的应用

第28卷第12期电子与信息学报V ol.28No.12 2006年12月 Journal of Electronics & Information Technology Dec.2006基于HHT变换的时频分析法及其在2FSK系统解调中的应用毛 炜 金荣洪 李家强 耿军平 范 瑜(上海交通大学电子工程系上海 200030)摘 要该文用一种非平稳信号时频分析方法(HHT变换)。

该方法立足于信号本身特征,着重分析信号的瞬时频率分布,实现2FSK系统的解调。

通过与传统解调方法的比较,论述了该方法在2FSK信号解调中的合理性和可行性。

仿真结果给出了该方法在解调过程中的抗噪声性能,表明了该方法的有效性。

关键词HHT,FSK,时频分布,调制解调,抗噪声性能中图分类号:TN911.6 文献标识码:A 文章编号:1009-5896(2006)12-2318-05Time-Frequency Analysis Method Based on HHT and Its Applicationin 2FSK Demodulation SystemsMao Wei Jin Rong-hong Li Jia-qiang Geng Jun-ping Fan Yu(School of Electronic Engineering, Shanghai Jiaotong University, Shanghai 200030, China)Abstract A time-frequency analysis method, named HHT(Hilbert-Huang Transformation), is applied to the demodulation of 2FSK systems. This method, based on the characteristics of the signal itself, is often used to analyze the instantaneous frequency distributions for non-stationary signals, and in this thesis, it is adopted to realize the demodulation of 2FSK systems. The rationality and feasibility in the process of demodulation is discussed by comparison with traditional methods. Simulation results prove the anti-noise capability and demodulation effectiveness of this new method.Key words Hilbert-Huang Transformation(HHT), Frequency Shift Keying(FSK), Time-frequency distribution, Modulation and demodulation, Anti-noise performance1 引言数字调频,又称为频移键控(FSK)技术,是数字通信中一种常用的数字调制技术。

基于HHT变换和独立分量技术的模态参数识别

基于HHT变换和独立分量技术的模态参数识别

是, HHT 法 长 期 以来 都 有 着 许 多 不 足 之 处 : 在 经 验 模 态 分 解 过 程 中 会 出现 模 态 混 叠 , 尖 端 效 应 以及 虚 假 模 态 问 题 。所 以 , 如
何 在模 态 参 数识 别 时 减 小 甚 至 避 免 这类 问题 是 至 关 重 要 的 。主 要 研 究 如 何 减 小 模 态混 叠 对 参 数 识 别 的 影 响 。首 先 加 入 白噪
声对原始信号进行预处理 , 得到 l 组 新 的信 号 ; 接着进行 E MD 分 解 过 程 , 得到若干个模式函数( I MF ) , 根据 I MF s 判 据 来 判 定 其是否是真正的 I MF s ; 然 后 运 用 希 尔们 特变 换 及 独 立 分 量 技 术 识 别 结 构 的模 态 参 数 ; 最后 应用所 提 , 『 法 识 别 rl 一 个 实 测 飞 机 模 型 的 模 态 参 数 并 和 实 聆 数 据进 行 对 比 。结 果 表 明该 方 法 成 功 解 决 了 HHT 方 法 中 的模 态 混 叠 现 象 , 并 能 更 加 准 确 地 提
取 信 号 的各 阶 模 态 参 数 。
关键词 : 模 态混 叠 ; 模态参数 ; 希尔伯特变换 ; 飞 机 模 ; 独立 允量 技术
中图 分 类 号 :T N9 1 1 . 2 3
V 2 1 4 . 3
文献 标 识 码 :A
国 家 标 准 学 科 分 类 代 码 :1 3 0 . 2 [ j

a l i a s i n g e f f e c t s o n mo d a l p a r a me t e r i d e n t i f i c a t i o n . At f i r s t ,a d d i n g wh i t e n o i s e i s u s e d t O p r e — p r o c e s s me a s u r e d p r i ma r y

python希尔伯特黄变换的时频谱

python希尔伯特黄变换的时频谱

Python希尔伯特黄变换(Python Hilbert-Huang Transform,简称HHT)是一种复杂非线性信号分析方法,结合了希尔伯特变换和黄变换的优势,能够有效地对非线性和非平稳信号进行时频谱分析。

本文将从HHT的原理、基本步骤和Python实现方法三个方面进行介绍。

一、HHT的原理1.希尔伯特变换希尔伯特变换是一种将实数信号转换为解析信号的数学方法,通过对原信号进行傅立叶变换得到频谱信息,再对频谱信息进行一定的处理得到解析频谱,从而实现信号的解析表示。

希尔伯特变换的核心是求出原信号的解析函数,即原信号的复数形式,其中实部是原信号本身,虚部是原信号的希尔伯特变换。

希尔伯特变换在信号处理领域有着广泛的应用,能够提取信号的瞬时特征,对非平稳信号进行时频分析具有很高的效果。

2.黄变换黄变换是一种局部线性和非线性信号分解方法,可以将非线性和非平稳信号分解成若干个固有模态函数(Intrinsic Mode Function,简称IMF)的线性组合。

黄变换首先对原信号进行极值点的提取,然后通过极值点之间的插值得到包络线,再将原信号减去包络线得到一维信号,并对得到的一维信号进行数据挑选和插值,最终得到IMF。

多次重复以上步骤,直到原信号能够被分解为若干个IMF,再通过IMF的线性组合得到原信号的近似表示。

3.HHT的结合HHT将希尔伯特变换和黄变换结合在一起,利用希尔伯特变换提取信号的瞬时特征,再通过黄变换将信号分解成若干个IMF,从而能够更准确地描述信号的时频特性。

HHT的优势在于能够适用于非线性和非平稳信号,对信号的局部特征具有很好的描述能力,因此在振动信号分析、生物医学信号处理等领域有着广泛的应用。

二、HHT的基本步骤1.信号分解HHT首先对原信号进行希尔伯特变换,得到信号的瞬时频率特征,然后通过黄变换将信号分解成若干个IMF。

2.IMF的提取针对得到的IMF,需要对每个IMF进行较为严格的判别,确定其是否符合IMF的特征:极值点交替出现、包络线对称、局部频率单调。

基于HHT变换的时频分析法及其在2FSK系统解调中的应用

基于HHT变换的时频分析法及其在2FSK系统解调中的应用
M o uaina dd mo uain Anin iep ro a c d lt e d lt , t-os e fr n e o n o m
1 引言
数 字调频 ,又 称为频 移键控(S ) F K 技术 ,是数字通 信中

本 论 文将 H HT 变 换 ( l rHun rnfr l用 于 Hi et a g Ta s m)】 b o 2 S 系统的解调 。该方法 最初 由 H ag等人I在研究处 理 FK un 6 】 地震波 、声纳 回波等非平稳信 号时首先提 出。H HT完全依赖
d mo uain o F K y tms Thsmeh d b s do ec aa tr t so es n li ef i o e sd t n lz h e d lt f2 S s se . i o to , a e n t h rcei i f h i a t l,s f nu e a ay ete h sc t g s t 0 isa tn o s ̄e u n ydsr uin o o -tt n r in l, n nt i te i,t sa o tdt e l et ed mo uain n tna e u q e c i i t sfrn nsai ay s as a di s h ss ii d pe 0rai e d lt tb o o g h z h o
i FS e o u a i n S se s n 2 K D m d l to y t m
M a e oW i JnRo g h n i n - o g L i,in i aqa g J Ge gJ np n n u - ig F nYu a
( ho Eet n ni ei ,hnhii t gU i ri,hnh i00 0C i ) S olf l r iE gn r g Sag aJ o n n e t Sag a 203, hn c o co c e n ao v sy a

基于希尔伯特变换结构模态参数识别

基于希尔伯特变换结构模态参数识别

基于希尔伯特变换结构模态参数识别范兴超;纪国宜【摘要】应用HHT方法对GARTEUR飞机模型模态参数进行识别,通过采用多通带滤波器对信号进行滤波,较好的解决模态混叠问题,采用NExT法对信号预处理,由EMD分解获得较准确的各阶固有模态函数分量(IMF),在EMD分解中使用镜像延拓方法对极值点进行处理来抑制端点效应,然后将分解得到的IMF分量进行希尔伯特变换并结合ITD法识别出各阶固有频率和阻尼比。

最后对悬臂梁进行数值仿真模拟,并将模态参数识别结果和理论值进行对比,并运用此方法进一步识别GARTEUR飞机模型固有模态参数。

%The HHT method is applied to the modal parameter identification of GARTEUR plane model. The multi-channel filter is applied to process the signal for solving the problem of modal aliasing. Meanwhile, the NExT method is adopted to get more accurate individual-order intrinsic mode functions (IMF) form the EMD decomposition. The mirror continuation method is applied to process extreme value points for suppressing the endpoint effect. Then, the natural frequency of each order and the damping ratio are identified with Hilbert transform and ITD method. The numerical simulation of a cantilever beam is carried out and the simulation results are compared with the theoretical results. Finally, the intrinsic modal parameters of the GARTEUR plane model are recognized with this method.【期刊名称】《噪声与振动控制》【年(卷),期】2014(000)003【总页数】5页(P52-56)【关键词】振动与波;模态参数识别;Hilbert-Huang变换;模态阻尼比;镜像延拓【作者】范兴超;纪国宜【作者单位】南京航空航天大学机械结构力学及控制国家重点实验室,南京210016;南京航空航天大学机械结构力学及控制国家重点实验室,南京 210016【正文语种】中文【中图分类】O241.82Hilbert-Huang变换[1](HHT)是1998年美国华裔科学家Huang提出的一种新的数据处理方法,该方法已应用到地球物理学领域,并取得较好的效果,其主要是由经验模态分解(Empirical Mode Decomposition)和Hilbert变换(Hilbert Transform)两个部分组成,其主要思想是EMD分解[5]。

基于HHT的汽轮机转子突发大不平衡振动时频分析

基于HHT的汽轮机转子突发大不平衡振动时频分析
c lu ai g t e i sa tn o sfe u n y wi i e me t. T e r s l o e e p r n a aa a ay i s o d t e meh d ac l t n t n a e u q e c t n s g n s h e u t ft x ei n h r h h me t ld t n l ss h we h t o s
we e ef cie. r fe t v Ke y wor ds:a ge unb l ce v br i lr a an i aton;i e f e en y a l ss; H T tm -r qu c na y i H
数, 完全根据数据 自适 应处 理 , 分析频 带 和尺 度分 辨率也 是
b r tu b ln e v b a in o u b —e e ao oa o .W h n a p y n u s n aa c i r t ft r o g n rt rr tt r o e p li g HHT t n lz h a g u s u b l n e v b ai n o o a ay e t e l r e b rt n a a c i r t f o
0 前

自适应 。H T的提 出被认 为是 近年来 对 以傅 立叶 变换 为基 H
础 的线性 和稳态谱分析 的一个 重大突破 。
汽轮发 电机组 的振 动关 系到 机组 安全稳 定运 行 。国 内
外 多起 轴 系 断 裂 事 故 的 调 查 结 果 显 示 , 些 事 故 都 是 在 这
s l a l u e mo e s g n s wa h sc l a i ge s T o meh d r d pe o r s l e t e p o lm , n s mal mp i d d e me t t s p y i a y me nn l s . w to s wee a o td t e o v h r be o e wa l

用HHT方法识别强迫振动下线性双自由度体系的模态参数

用HHT方法识别强迫振动下线性双自由度体系的模态参数

方 法 及 Hi et变 换 两 部 分 组 成 L ] 其 核 心 是 lr b 】 , EMD 分 解 . E MD 分解 方 法 与 建 立 在 先 验 性 谐 波
基 函 数 和 小 波 基 函 数 上 的 F ui o r r分 解 与 小 波 分 e 解 不 同 , 它依 据 数 据 本 身 的 时 间 尺 度 特 征 来 进 行
维普资讯
自 显科手违展 第1卷 第3 2 6 月 6 期 0 年3 0
3 7 5
用H HT方法识别强迫振动下 线性双 自由度体 系的模态参数 *
郭 淑 卿 梁 建 文 张郁 山
天津 大 学 建筑 工 程 学 院 , 天津 3 0 7 002
c() 将 c() £. £从原 始数 列 中分离 出来
分 解 , 比 F ui o r r及 小 波 分 析 方 法 更 适 合 于 处 理 e
非 平 稳 数 据 和 非 线 性 数 据 . 此 方 法 一 提 出 就 在 多
个 领 域 中 迅 速 得 到 了 应 用 . Vic n_ n e t 等 应 用 3 EMD 方 法 研 究 结 构 的损 伤 识 别 问 题 . Ya g等 ] n
维普资讯
37 6
自 监科荸遗展 第1卷 第3 2 6 月 6 期 0 年3 0
( )一 C ( ) 一 l t , t l£ () () 1
I l, , 。
为 体 系 有 阻 尼 自振 频 率 ; ,
为 相 位
将余 项 ,() 一 £重新 应 用上 述步 骤处 理 ,直 到再 也 没有 I MF分量 筛 分 出为止 .这 样 ,可 以从 原 始 数 列 中分 离 出 个 I MF分量 C () f… C() 一 个 残 量 f ,C() t和

基于HHT方法的时变多自由度系统的损伤识别

基于HHT方法的时变多自由度系统的损伤识别
( )一 c f + i ( )一 A ( ) ‘ f () St fe ‘
变系统 。文献 1 3 HHT 法应 用 于复合 材料 板 的一 - 将 7
维损伤 定位实 验 中 , 但是 研究 也 只限于 时不 变系统 。
其 中 : f 为幅值 函数 ; f为 相位 函数 。 A() () 瞬 时频率 () f为相位 函数 的导数 , 即
维普资讯
维普资讯
14 2
r 05 .

动、 测




第 2 卷 8
刚 度 矩 阵 ; X, X, X分 别 为节 点 的位 移 、 度 和 加 速 速 度 向量 ; f 为外荷 载 向量 。 F()
响应信号进行 HHT运算 , 到各阶模态频率变 化时程 ; 瞬时频率 变化时程进行 分析 , 果频率在某 时刻发生突 得 对 如
变 且 随 后 降 低 , 认 为 该 时 刻 系统 有 损 伤 发 生 ; 之 , 认 为 系 统 无 损 伤 发 生 。数 值 仿 真 结 果 表 明 , HT 法 能 较 好 则 反 则 H
趋 势项 , 如式 ( ) 1 所示
z( ) f ( q ( ) f -r t ‘ ¨
2 数 值 算 例
2 1 刚度 时变两 自由度质量 一 簧一 弹 阻尼 器 系统

其 中: () z f为一 时程 信号 ; () c f 为分解 得 到 的第 个
本征模 函数 ;() r f为趋 势项 。 I MF必 须 满 足 两 个 条 件 :. 个 时 I 范 围 内 , a整 N 极值 点 个 数 和穿 零 点 个 数 相 等 或 最 多 相差 1 b 在 ..
到各阶模 态频 率变化时程 ; 瞬时频率 变化 时程进行 对 分析, 如果 频率在某时刻 发生 突变则认 为该 时刻系统

HHT法识别结构模态频率和阻尼比的改进

HHT法识别结构模态频率和阻尼比的改进
p s i l o i e t y t e m o a a a e e s o h s u m e g d l we - n r y mo e . To i c e s h o sb e t d n i h d l p r m t r f t o e s b r e o r e e g d s f n r a e t e p e ii n o h t u t r l o a a a t r n o m o e p e ie y i e t y m o a a a e e s o o r c so f t e s r c u a d l r me e s a d t r r c s l d n i d lp r m t r f l w- m p f f e u n y a d l we - n r y mo e ,b n p s i e sa ea o t d t r c s h e p n es g a si h s r q e c n o r e e g d s a d a s f t r r d p e o p o e s t e r s o s i n l n t i l p p r h n t e E D s a p i d t h i e e i n l ,a d t em o a r q e c n a i g r to o a e ,t e h M i p l o t e f t r d sg a s n h d l e u n y a d d mp n a i f e l f
Ab ta t Th r r o s b l is t a h if r n i r t n m o e r i e n i t i s c mo e f n — sr c : e e a e p s i i te h tt e d f e e t v b a i d s a e m x d i n r n i i o d u c

HHT时频分析方法的研究与应用

HHT时频分析方法的研究与应用

结论
本次演示对HHT时频分析方法的研究与应用进行了详细阐述。首先介绍了时 频分析的基本概念和常用方法,接着深入探讨了HHT时频分析方法的研究过程和 应用案例。在此基础上,提出了HHT时频分析方法的优化策略,并展望了其未来 的应用前景。总之,HHT时频分析方法在信号处理领域具有重要的地位和作用, 未来的研究和发展将进一步拓展其应用范围和提高其性能。
时频分析的基本概念
时频分析是一种信号处理方法,旨在研究信号在不同时间和频率下的特性。 常用的时频分析方法包括传统的时间序列分析、短时傅里叶变换、卡尔曼滤波等。 这些方法在一定程度上能够对信号进行有效的分析和处理,但存在一定的局限性。 例如,短时傅里叶变换虽然能够提供较好的频率信息,但时间分辨率较低;卡尔 曼滤波则对信号的平稳性有较高要求。
3、能源领域:在能源领域,可以利用HHT时频分析方法对风能、太阳能等新 能源进行检测和分析,提高能源利用效率和管理水平。
4、金融市场预测:在金融领域,可以利用HHT时频分析方法对股票、汇率等 金融数据进行处理和分析,帮助预测市场趋势和风险评估。
5、通信技术:在通信技术领域,可以利用HHT时频分析方法对信号进行调制 解调、信道均衡等处理,提高通信质量和可靠性。
HHT时频分析方法的优化
虽然HHT时频分析方法具有许多优点,但在实际应用中也存在一些问题,如 计算效率低、内存开销大等。因此,对HHT方法进行优化是十分必要的。以下是 一些常见的优化策略:
1、改进算法:可以对HHT方法的算法进行改进,例如引入更有效的模态分解 和Hilbert变换算法,提高计算效率和准确性。
谢谢观看
随着科学技术的不断发展和进步,HHT时频分析方法在未来的研究和发展中 将继续发挥重要作用。以下是一些HHT时频分析方法的应用前景:

hht时间积分

hht时间积分

hht时间积分摘要:一、引言- 介绍hht 时间积分的背景和意义二、hht 时间积分的基本原理- 简要阐述hht 时间积分的基本原理和算法流程三、hht 时间积分的应用领域- 介绍hht 时间积分在信号处理、图像处理和其他领域的应用四、hht 时间积分的方法优势- 分析hht 时间积分相较于其他方法的优点和局限性五、结论- 总结hht 时间积分的重要性和未来发展趋势正文:一、引言hht 时间积分,全称为Hilbert-Huang Transform Time Integration,是一种基于Hilbert-Huang 变换的时间积分方法。

它广泛应用于信号处理、图像处理等领域,具有重要的理论和实际意义。

本文将详细介绍hht 时间积分的基本原理、应用领域和方法优势。

二、hht 时间积分的基本原理hht 时间积分的基本原理是基于Hilbert-Huang 变换(HHT)对信号进行分解,得到信号的固有模态函数(Intrinsic Mode Functions,IMFs)。

然后,通过对这些IMFs 进行时间积分,得到原始信号的时变特性。

具体来说,hht 时间积分的算法流程如下:1.对信号进行分段处理,得到信号的基线段和突变段。

2.对基线段进行HHT 分解,得到IMFs。

3.对IMFs 进行时间积分,得到信号的时变特性。

三、hht 时间积分的应用领域hht 时间积分在信号处理、图像处理和其他领域有广泛应用。

例如:1.在信号处理领域,hht 时间积分可以用于故障诊断、信号降噪、特征提取等任务。

2.在图像处理领域,hht 时间积分可以用于图像去噪、图像特征提取和图像恢复等任务。

3.在其他领域,如生物医学、地球科学和通信技术等,hht 时间积分也发挥着重要作用。

四、hht 时间积分的方法优势相较于其他时间积分方法,hht 时间积分具有以下优势:1.能够有效地处理非线性、非平稳和非高斯信号。

2.对于复杂的时变特性,hht 时间积分能够提供较高的计算精度和稳定性。

HHT方法在结构模态参数识别中的改进

HHT方法在结构模态参数识别中的改进
决 了模 态 混 淆 问题 ; 用 去 端点 法预 处理 模 态响 应 的相 位 和 幅值 , 行 线性 最 小 二 乘 法拟 采 进 合 , 决 了端点 效应 问题 ; 解 并推 导 了如何 利 用 HHT识 别 比例 阻尼 结 构 体 系的振 型 , 得 了 获
结构 的各 阶模 态参数 . 别通 过 4自由度数 值试 验 和 4自由度 实验 室框 架 结构 试 验说 明 了 分
O ,t ef r u ain o d h p so r p rin l a pn tu t r sa s e i e .Th i ua in r— S h o m lto fmo es a e f o o to a- m i gs r c u ewa lod rv d p d esm lto e
p o e s t e me s r d f e i r to i n lt o v h d - x n r b e , S h t a lt e s r c u a r c s h a u e r e v b a i n sg a o s l e t e mo e mi i g p o l m O t a l h tu t rl m o e o l e a q ie r m M F . M e n i ,r mo i g e d o n s we e u e u i g t e 1 e r 1a t d sc u d b c u r d fo I s a wh l e e v n n p i t r s d d rn h i a e s — n s u r i p o e u e t v i h n p i t fe t q a e ft r c d r o a o d t e e d o n f c .Be i e b a n n h o a r q e ce n a p n a i e sd so t i i g t em d l e u n i sa d d m i g r t— f

基于小波包和HHT变换的声发射信号分析方法

基于小波包和HHT变换的声发射信号分析方法

基于小波包和HHT变换的声发射信号分析方法引言:声发射技术是一种无损检测方法,通过监测物体表面的声发射信号来评估其结构状况和材料性能。

声发射信号是由物体内部或表面发生变化时产生的应力波引起的,其信号中含有丰富的结构信息。

为了从声发射信号中获取有用的信息,研究者们提出了多种分析方法,其中基于小波包和HHT变换的声发射信号分析方法在近年来得到了广泛的关注。

一、小波包分析小波包分析是一种时频分析方法,能够将信号分解为多个具有不同频带的子信号。

小波包分析通过采用不同频带的小波基函数,对信号进行分解,并得到每个频带的能量和频谱特征。

小波包分析相较于传统的傅里叶变换具有更好的时频局部化性质,可以更准确地分析非平稳和非线性信号。

二、HHT变换HHT (Hilbert-Huang Transform) 变换是一种非线性和非平稳信号分析方法,是由Hilbert变换和经验模态分解(EMD)两部分组成。

HHT变换能够将信号分解为多个固有模态函数(IMFs),每个IMF都具有时频局部化特性。

HHT变换通过对每个IMF进行希尔伯特变换,得到每个IMF的瞬时频率和瞬时振幅,从而得到信号的时频特征。

1.数据采集:通过传感器采集到声发射信号。

2.预处理:对采集到的声发射信号进行预处理,包括去除噪声和滤波等操作。

3.小波包分析:将预处理后的信号进行小波包分解,得到多个具有不同能量和频谱特征的子信号。

4.EMD分解:对每个小波包分解后的子信号进行EMD分解,得到每个子信号的IMFs。

5.希尔伯特变换:对每个IMF进行希尔伯特变换,得到每个IMF的瞬时频率和瞬时振幅。

6.特征提取:提取每个IMF的瞬时频率和瞬时振幅作为声发射信号的时频特征。

7.故障诊断:根据声发射信号的时频特征,对故障进行诊断和判别。

8.结果分析:对诊断和判别结果进行分析和评估。

基于小波包和HHT的声发射信号分析方法能够充分利用声发射信号中的时频信息,对故障进行准确判别和诊断。

HHT方法在结构模态参数时域识别中的应用

HHT方法在结构模态参数时域识别中的应用
应 时程是 平稳 的 、且要 识 别 的各 阶模 态 的间 隔较 大 口 。Hi et a g变 换 ( ] l r Hu n b — 简称 HHT)是 分 析非 线
性 和非平稳 数据 的强有 力工 具 ,国 内外 已有学者 用 HHT和 RD T相结 合 的方法 识别 结构 模 态参 数l , _ 3 ] 在时域 法模 态参 数识别 方 面取得 了一定 的成果 。但研 究局 限 于结构激 振形 式趋 于理想 或 简单化 ,也未 对 HHT结合 R DT方法 时域识 别 结构 固有模 态 参 数 的有 效 性 进行 一 定 深度 的机理 阐述 。为 此 ,笔 者利 用
[ 要] 筒 略 介 绍 了 Hi et a g 变 换 ( 摘 l r Hun b — HHT) 中 E MD 法 和 Hi et变 换 及 其 结 合 随 机 减 量 技 术 lr b (D R T) 在 结 构 模 态 参 数 识 别 中 的应 用 ,并 且 对 2D - OF动 力 模 型 的非 平 稳 响 应 的模 态 参 数 时 域 识 别 进行 了
1 2 Hi et 换 . l r 变 b
到 瞬时幅值 及 瞬时频 率变化 曲线 ,从 中识别 出系统 的动力 特性参 数 。文献 E0 1 l ,t 3对 于受 冲击荷 载 的 S OF系统 自由振 动响应 的无 阻尼 固有 圆频率 。 无 阻尼 固有频 率 . 和 阻尼 比 的识 别原理 进行 了详 尽 D 、 厂 。 地 阐述 。 在模态识 别过程 中 ,Hi et l r 变换应 用 于 由 R b DT处理 得到 的关 于某个模 态 的 自由衰减 时程 ,结
复指数 法 、E A 法 和随机 减量 法 ( D R R T) 等[ 。时域 法不 要 求 给 出结 构 的具 体激 振 信 息 ,但 一般 对结 1 ] 构 反应数 据都有 特殊 要求 。比如随 机减量 技术 ( a d m e rme t c nq e DT) R n o D ce n h iu ,R Te ,它 要 求结 构反

基于HHT和支持向量机的数字调制信号识别

基于HHT和支持向量机的数字调制信号识别

学习理论的具体实现算法 , 已经在模式识别 、 回归分
收稿 日期 :2O 0 6—0 —1 1 6 作者简介 :马勇 (90一)男 , 18 , 杭州 电子科技 大学 20 0 3级硕 士研究 生, 主要研究方 向为嵌入式系统设计和信息处理技术。
大 的优 越性 。
提出了一种新的非平稳信号的时频分析方法 Il r -b t Ie— i H ag r sr H T u2。它 以瞬时频 率为基本 un a fm( H ) - T no ]
1 H பைடு நூலகம்分析方法基本原理 H
内蕴模式函数( F 表征 了内蕴于数据 的振荡 I ) M 模式 , 内蕴模式函数能给出瞬时频率有意义 的物理 解释。内蕴模式函数定义及分解方法见文献[] 7。
p ps o e u r e r t t e e et S , S dQ M s ] 0 d w a r p a tsh r u dt i nf FK PKa A r e t f t e a m e aw e s o d i D y n i
w sa o e 9 % u d rs R 1 d a b v 5 n e N 0 B. Ke r s HH y wo d : T;s p o tv co c ie i a d n c t n u p r etr ma hn ;sg li e 曲 a i n o
meh d .Frt t d c d t eb sc te r f T,肌 to s i l i i r u e a i oy o sy t n o h h HH t re k n so ii l d lt n sg as a d h e i d f gt u ai in l, n d a mo o
维普资讯
20 年第8 06 期
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

关键词:Hilbert-Huang 变换,时变多自由度系统,参数识别,损伤识别,经验模态 分解
I
Abstract
Methods of parameters and damage identification of time varying structures and parameters identification of original structures by means of structures under control based on Hilbert-Huang Transform (HHT) are proposed in the thesis. The emphasis and innovation of this thesis are in the use of HHT and mathematical programming to identify the parameters of time varying multi-degrees of freedom (MDOF) system. In the analysis, the time varying instantaneous frequency of each mode of the structure is first obtained by the methods of HHT, then the stiffness or mass parameters at given time are selected to be design variables and are identified by minimizing the summation of the square of errors between the instantaneous frequencies and computed frequencies. This minimization procedure is repeated for all given instants under consideration in order to obtain time-varying stiffness or mass values during the duration. Numerical results show that the proposed method is capable of identifying time varying parameters of multi-degrees of freedom systems by means of response time histories of the systems subjected to harmonic excitation. In the thesis, HHT method is also employed to identify the onset of damage of time varying MDOF system. The signal is processed by HHT to obtain the instantaneous frequency of each mode, which is further used as the damage indicator to identify the onset of damage. Numerical results show that the HHT method is capable of distinguishing variation of response time histories of time varying multi-degrees of freedom system caused by suddenly change in excitation or loss of structural stiffness. Thereby the use of HHT can identify whether damage occurs and the instant based on the response time histories of the system. If the frequency of excitation is close to one of the natural frequencies of the structure, the window function can not filter the effect of steady response effectively. In this situation, the signal processed by the window function cannot be decomposed into the structure modes by Empirical Mode Decomposition (EMD) effectively. The sub-structure is then appended to original structure to create a. new structure named controlled structure or structure under control, by which the frequencies of the new structure will depart from the excitation frequency. Therefore, parameters of controlled structure can be identified II
and the parameters of the original structure consequently. Numerical results show that parameters of original structures can be identified effectively by means of response time history of the structure under control. Keywords: Hilbert-Huang Transform; time varying multi-degrees of freedom system; parameter identification; damage identification; Empirical Mode Decomposition
学位论文作者签名: 日期: 年 月 日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。 本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
华中科技大学 硕士学位论文 基于HHT方法的时变结构参数识别 姓名:熊飞 申请学位级别:硕士 专业:船舶与海洋结构物设计制造 指导教师:程远胜 20070130
摘 要
本文主要研究了基于 HHT(Hilbert-Huang Transform)方法的时变结构参数识别方 法、结构损伤识别方法以及利用受控结构进行原结构参数识别的方法。 本文的重点和创新就是把 HHT 法与数学规划方法相结合,用于时变多自由度系 统的参数识别。其做法为:首先通过 HHT 方法得到结构各阶模态的瞬时频率变化时 程,然后以待识别的刚度或质量参数作为设计变量,借助数学规划方法,对选定的 时间点,极小化计算得到的频率与瞬时频率之差的平方和。对应该平方和最小的刚 度或质量值即为选定时刻识别得到的刚度或质量参数值。选定一系列的时间点,重 复上述极小化过程,即可得到具有时变性的刚度或质量参数值。数值仿真结果表明, 提出的识别方法能根据系统在简谐激励下的加速度信号,较好地识别出时变多自由 度系统的参数变化。 本文也提出了基于 HHT 方法的时变结构损伤识别方法,其做法为:通过 HHT 法得到结构固有频率随时间变化时程,通过建立以频率为损伤指标的损伤判定方法 对结构是否发生损伤进行判断。数值仿真结果表明,HHT 法能较好地区分时变多自 由度系统的响应变化是由外激励变化引起还是由系统损伤引起,从而能根据系统响 应时程信号较好地识别损伤是否发生以及发生的时刻。 对于外激励频率和系统固有频率相隔很近的情况, 窗函数不能较好地过滤掉稳态 部分的影响,此时用经验模态分解(EMD)方法不能很好地分离出系统的固有频率成 分。基于此种情况,作者提出在原有结构上附加一个子结构,构成一个新结构(称 之为受控结构)以改变结构系统的固有频率,从而增加外激励频率和系统固有频率 的距离,通过先识别受控结构的结构参数来达到识别原有结构参数的目的。数值仿 真结果表明, 提出的借助 HHT 和受控结构的方法能较好地识别出原结构的参数变化。
保密□ ,在_____年解密后适用本授权书。 本论文属于 不保密□。
(请在以上方框内打“√” )
学位论文作者签名: 日期: 年 月 日
指导教师签名: 日期: 年 月 日
1
,地震、洪水、暴风等自然灾害对建筑物和结构造成了不同程度的损伤。 随着现代科学技术的迅速发展,航空航天器的大型化、复杂化以及大型海洋平台、 高耸建筑、大跨度桥梁等新型复杂结构的出现,对于它们的损伤预报就显得非常重 要。更为重要的是,有些结构的重要部件一旦发生损伤,它的破坏程度会迅速发展。 而在未及时发现的情况下,有可能很快导致整个结构的毁坏,其后果不堪设想,例 如:1994年1月17日,美国加州Northridge大地震时,一些建筑物在遭受主震时并未 倒塌,但结构已存在了损伤而未及时发现,在后来一次较大的余震中倒塌了。结构 损伤一方面不仅造成巨大的经济损失,夺去许许多多人的生命,另一方面,每年因 结构的老化、疲劳和腐蚀而需要的维修费越来越高,这也要求人们及时发现损伤, 以便及时维修以节省费用。因此,对结构性能进行监测和诊断,及时地发现结构的 损伤,对可能出现的灾害进行预测,评估其安全性已成为未来工程的必然要求,也 是土木工程学科发展的一个重要领域,特别是航空、航天、海洋、桥梁和军事装备 等方面出现大型、复杂结构的今天,为了保证结构和人员的安全、减少经济损失、 避免灾难性的悲剧,人们不得不考虑对损伤识别技术的研究。在过去的几十年间, 损伤识别技术已取得了很大的进展。随着电讯和信息技术的发展,健康监测系统将 会变得更加精密复杂,测量数据也会大量增加,健康监测系统的一个重要环节就是 数据的处理技术,该过程是从大量的测量数据中为结构状态的快速评估提取相关信 息[1-4]。 在振动信号和其它物理信号的分析中,傅立叶变换是一种最常用、最基本的分析 方法。它是一种频域分析法,能很好地刻画信号的频率特性,但不提供任何时域信 息。 其它信号处理方法都是以傅立叶变换为基础, 都存在一定的缺陷[5]。 Hilbert-Huang Transform (HHT) 方法是一种最新研究非平稳、非线性数据的信号处理方法,这一方 1
相关文档
最新文档