《經驗模態分解在振動分析中的套用》闡述了經驗模態分解在振動信號分析中的套用。內容包括經驗模態分解的端點延拓、模態混疊和閾值去噪，經驗模態分解在非線性振動、結構振動以及語音和振動實驗信號分析中的套用。 《經驗模態分解在振動分析中的套用》是振動信號處理方面的學術專著，可供航空、航天、機械等領域中的研究人員和工程技術人員參考，也可以作為機械工程、航空航天工程和力學專業研究生的教學參考書。
基本介紹
- 外文名：Applications of Empirical Mode Decomposition in Vibration Analysis
- 書名：經驗模態分解在振動分析中的套用
- 作者：楊永鋒 吳亞鋒
- 出版日期：2013年11月1日
- 語種：簡體中文
- 品牌：國防工業出版社
- 出版社：國防工業出版社
- 頁數：172頁
- 開本：16
內容簡介,圖書目錄,
內容簡介
楊永鋒、吳亞鋒編著的《經驗模態分解在振動分析中的套用》共分8章，第1章對常見振動時頻分析方法進行了介紹，重點對經驗模態分解在《經驗模態分解在振動分析中的套用》所涉及領域的研究進展進行了介紹；第2章介紹了經驗模態分解的基本理論和概念，分析了經驗模態分解的特性；第3章針對經驗模態分解的端點效應和模態混疊問題，提出基於Volterra模型、最大Lyapunov指數預測和支持向量機回歸預測三種端點延拓方法，並使用EEMD對模態混疊問題進行研究；第4章介紹了利用小波和經驗模態分解進行閾值去噪的方法；第5章、第6章和第7章分別介紹了經驗模態分解在非線性信號處理、故障診斷和語音信號處理中的套用；第8章針對前述方法，重點介紹經驗模態分解在實驗數據處理中的套用。
圖書目錄
第1章緒論1
1.1 時頻分析方法的研究意義1
1.2 常見時頻分析方法及其局限性2
1.2.1 短時傅立葉變換2
1.2.2 Wigner-Ville 分布3
1.2.3 小波變換4
1.3 經驗模態分解的提出5
1.4 經驗模態分解的研究現狀7
1.5 經驗模態分解的優勢和研究方向8
1.5.1 經驗模態分解的優勢8
1.5.2 經驗模態分解的研究方向9
1.6 經驗模態分解在振動信號處理中的套用12
1.6.1 信號去噪12
1.6.2 非線性振動分析13
1.6.3 故障診斷14
1.6.4 語音增強15
1.6.5 其他套用16
第2章 經驗模態分解基本理論17
2.1 瞬時頻率17
2.2 特徵模態函式18
2.3 經驗模態分解19
2.4 希爾伯特譜分析22
2.5 經驗模態分解特性24
第3章經驗模態分解的端點延拓和模態混疊25
3.1 端點問題的提出25
3.2 利用Volterra模型的端點延拓26
3.2.1 Volterra模型簡介26
3.2.2 仿真分析27
3.3 基於最大蘊贈葬責怎灶燥增指數預測的端點延拓29
1.1 時頻分析方法的研究意義1
1.2 常見時頻分析方法及其局限性2
1.2.1 短時傅立葉變換2
1.2.2 Wigner-Ville 分布3
1.2.3 小波變換4
1.3 經驗模態分解的提出5
1.4 經驗模態分解的研究現狀7
1.5 經驗模態分解的優勢和研究方向8
1.5.1 經驗模態分解的優勢8
1.5.2 經驗模態分解的研究方向9
1.6 經驗模態分解在振動信號處理中的套用12
1.6.1 信號去噪12
1.6.2 非線性振動分析13
1.6.3 故障診斷14
1.6.4 語音增強15
1.6.5 其他套用16
第2章 經驗模態分解基本理論17
2.1 瞬時頻率17
2.2 特徵模態函式18
2.3 經驗模態分解19
2.4 希爾伯特譜分析22
2.5 經驗模態分解特性24
第3章經驗模態分解的端點延拓和模態混疊25
3.1 端點問題的提出25
3.2 利用Volterra模型的端點延拓26
3.2.1 Volterra模型簡介26
3.2.2 仿真分析27
3.3 基於最大蘊贈葬責怎灶燥增指數預測的端點延拓29
3.3.1 最大蘊贈葬責怎灶燥增指數的混沌預測相關概念方法29
3.3.2 仿真分析36
3.4 基於支持向量機回歸預測的端點延拓39
3.4.1 支持向量機回歸預測原理39
3.4.2 仿真分析41
3.5 採用聚合經驗模態分解抑制模態混疊42
3.5.1 經驗模態分解的模態混疊42
3.5.2 聚合經驗模態分解的原理及分解步驟42
3.5.3 聚合經驗模態分解在滾動軸承信號分解中的套用45
第4章閾值去噪方法47
4.1 小波去噪47
4.1.1 小波變換47
4.1.2 小波去噪的基本原理和方法48
4.1.3 小波閾值去噪48
4.1.4 新小波閾值函式去噪50
4.2 經驗模態分解閾值去噪方法52
4.3 仿真分析53
第5章 基於經驗模態分解的非線性振動分析58
5.1 基於經驗模態分解的非線性預測58
5.1.1 最大可預測時間58
5.1.2 仿真分析59
5.2 隨機噪聲對經驗模態分解及其非線性特徵的影響68
3.4 基於支持向量機回歸預測的端點延拓39
3.4.1 支持向量機回歸預測原理39
3.4.2 仿真分析41
3.5 採用聚合經驗模態分解抑制模態混疊42
3.5.1 經驗模態分解的模態混疊42
3.5.2 聚合經驗模態分解的原理及分解步驟42
3.5.3 聚合經驗模態分解在滾動軸承信號分解中的套用45
第4章閾值去噪方法47
4.1 小波去噪47
4.1.1 小波變換47
4.1.2 小波去噪的基本原理和方法48
4.1.3 小波閾值去噪48
4.1.4 新小波閾值函式去噪50
4.2 經驗模態分解閾值去噪方法52
4.3 仿真分析53
第5章 基於經驗模態分解的非線性振動分析58
5.1 基於經驗模態分解的非線性預測58
5.1.1 最大可預測時間58
5.1.2 仿真分析59
5.2 隨機噪聲對經驗模態分解及其非線性特徵的影響68
5.2.1 隨機噪聲對非線性回響經驗模態分解的影響68
5.2.2 噪聲對非線性特徵的影響71
5.3 IMF 變化對原信號非線性特徵影響74
5.3.1 IMF 缺失對系統非線性特徵影響75
5.3.2 IMF 比例縮小對系統非線性特徵影響77
5.3.3 IMF 移位對系統非線性特徵影響79
第6章 基於經驗模態分解的故障特徵提取與信號處理82
6.1 利用經驗模態分解下的Volterra模型提取結構損傷特徵量82
6.1.1 利用經驗模態分解下的Volterra模型提取損傷特徵量的方法和步驟83
6.1.2 仿真分析85
6.2 利用特徵模態函式分量包絡矩陣的奇異值提取結構損傷特徵量87
6.2.1 利用特徵模態函式包絡和奇異值提取損傷特徵量的方法和步驟87
5.2.2 噪聲對非線性特徵的影響71
5.3 IMF 變化對原信號非線性特徵影響74
5.3.1 IMF 缺失對系統非線性特徵影響75
5.3.2 IMF 比例縮小對系統非線性特徵影響77
5.3.3 IMF 移位對系統非線性特徵影響79
第6章 基於經驗模態分解的故障特徵提取與信號處理82
6.1 利用經驗模態分解下的Volterra模型提取結構損傷特徵量82
6.1.1 利用經驗模態分解下的Volterra模型提取損傷特徵量的方法和步驟83
6.1.2 仿真分析85
6.2 利用特徵模態函式分量包絡矩陣的奇異值提取結構損傷特徵量87
6.2.1 利用特徵模態函式包絡和奇異值提取損傷特徵量的方法和步驟87
6.2.2 仿真分析88
6.3 基於經驗模態分解的振動信號盲4分離90
6.3.1 盲4分離研究背景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 基於經驗模態分解的語音信號研究99
7.1 語音信號基本概念99
7.1.1 語音、人耳感知及干擾噪聲99
7.1.2 語音增強的意義和套用102
7.1.3 語音增強方法研究進展103
7.2 基於經驗模態分解的語音增強104
7.3 基於經驗模態分解的語音端點檢測106
7.3.1 語音端點檢測算法106
7.3.2 基於經驗模態分解的互相關函式的語音端點門限值編碼108
7.4 基於人耳聽覺特性的小波變換的語音增強110
7.4.1 基於小波變換的耳蝸濾波器組實現110
7.4.2 基於人耳聽覺特性的小波變換的語音增強算法119
7.5 算法測試及性能評價121
7.5.1 語音質量評價方法121
7.5.2 仿真分析123
第8章 經驗模態分解在實驗數據分析中的套用135
8.1 滾動軸承的結構損傷檢測實驗135
6.3 基於經驗模態分解的振動信號盲4分離90
6.3.1 盲4分離研究背景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 基於經驗模態分解的語音信號研究99
7.1 語音信號基本概念99
7.1.1 語音、人耳感知及干擾噪聲99
7.1.2 語音增強的意義和套用102
7.1.3 語音增強方法研究進展103
7.2 基於經驗模態分解的語音增強104
7.3 基於經驗模態分解的語音端點檢測106
7.3.1 語音端點檢測算法106
7.3.2 基於經驗模態分解的互相關函式的語音端點門限值編碼108
7.4 基於人耳聽覺特性的小波變換的語音增強110
7.4.1 基於小波變換的耳蝸濾波器組實現110
7.4.2 基於人耳聽覺特性的小波變換的語音增強算法119
7.5 算法測試及性能評價121
7.5.1 語音質量評價方法121
7.5.2 仿真分析123
第8章 經驗模態分解在實驗數據分析中的套用135
8.1 滾動軸承的結構損傷檢測實驗135
8.1.1 滾動軸承的主要損傷形式135
8.1.2 滾動軸承的結構組成、固有頻率和損傷特徵頻率136
8.1.2 滾動軸承的結構組成、固有頻率和損傷特徵頻率136
8.1.3 滾動軸承振動信號特徵137
8.1.4 滾動軸承損傷實驗138
8.1.5 實驗結果138
8.2 結構損傷特徵量提取152
8.2.1 滾動軸承損傷與非損傷的特徵量提取152
8.2.2 滾動軸承不同損傷位置的特徵量提取153
8.2.3 滾動軸承不同損傷程度的特徵量提取153
8.3 Volterra 模型在滾動軸承信號分解中的套用154
8.4 非線性裂紋轉子實驗信號的端點延拓156
8.4.1 實驗模型及其原理156
8.4.2 實驗裝置156
8.4.3 實驗數據分析157
8.5 雙盤轉子信號的盲4分離159
參考文獻16
8.1.4 滾動軸承損傷實驗138
8.1.5 實驗結果138
8.2 結構損傷特徵量提取152
8.2.1 滾動軸承損傷與非損傷的特徵量提取152
8.2.2 滾動軸承不同損傷位置的特徵量提取153
8.2.3 滾動軸承不同損傷程度的特徵量提取153
8.3 Volterra 模型在滾動軸承信號分解中的套用154
8.4 非線性裂紋轉子實驗信號的端點延拓156
8.4.1 實驗模型及其原理156
8.4.2 實驗裝置156
8.4.3 實驗數據分析157
8.5 雙盤轉子信號的盲4分離159
參考文獻16
