CN102506995A - 一种基于hht变换和相关分析的振动信号处理方法 - Google Patents

Abstract

一种基于HHT变换和相关分析的振动信号处理方法，包括以下步骤：应用经验模态分解对振动信号进行分解；对分解得到的各模态分量进行自相关分析；将去噪后的信号进行希尔伯特变换，得到希尔伯特谱。本发明针对直接应用希尔伯特黄变换方法无法辨别出信号中噪声信号的缺点，提出了基于希尔伯特黄变换和相关分析相结合的方法，对含噪信号进行降噪。通过对分离出的含噪模态分量的希尔伯特谱和边际谱分析，可有效地提取出噪声振动信号的频率及幅值信息，该方法可用于冶金机械、航空航天、水电工程、天气预测等信号的处理，有效地去除噪声。

Description

一种基于HHT变换和相关分析的振动信号处理方法

技术领域

本发明涉及振动信号处理技术领域，特别是一种基于HHT变换和相关分析的振动信号处理方法。

背景技术

各种非平稳信号处理方法在机械振动信号故障诊断处理中的应用，在很大程度上也促进了故障诊断技术的发展，时频分析方法也不断地被改善。实践证明了这些信号处理方法的有效性，但同时各种方法又具有各自的局限性。

自从HHT方法提出以来，在相关的领域也取得了一系列的应用，它对非平稳信号的处理有较强的适应性，从很大程度上弥补了传统的时频分析方法的不足。由于HHT方法自身良好的自适应性和高频率分辨率的特点，使得它比传统的时频分析方法更优越，因而具有更好的应用前景和更广的应用空间。

Hilbert-Huang变换是一种很直观合理信号分析方法，可根据信号的局部时变特征进行自适应的时频分解，但作为一种“经验”的算法，在很多方面仍存在许多不足。虽然近年来HHT算法的得到了一定的改进，如Huang在提出HHT的同时，也指出了HHT方法中仍存在许多需要改进的地方，在边界处理、端点效应、模态混叠、包络线或曲线的拟合、筛分停止准则及EMD终止条件等方面的问题影响了HHT的分析效果。

发明内容

本发明所要解决的技术问题是提供一种基于HHT变换和相关分析的振动信号处理方法。

为解决上述技术问题，本发明是按如下方式实现的：一种基于HHT变换和相关分析的振动信号处理方法，包括以下步骤：

应用经验模态分解对振动信号进行分解；

对分解得到的各模态分量进行自相关分析；

将去噪后的信号进行希尔伯特变换，得到希尔伯特谱。

本发明的积极效果是：该方法针对直接应用希尔伯特黄变换方法无法辨别出信号中噪声信号的缺点，提出了基于希尔伯特黄变换和相关分析相结合的方法，对含噪信号进行降噪。通过对分离出的含噪模态分量的希尔伯特谱和边际谱分析，可有效地提取出噪声振动信号的频率及幅值信息，该方法可用于冶金机械、航空航天、水电工程、天气预测等信号的处理，有效地去除噪声。

附图说明

图1是本发明所述一种基于HHT变换和相关分析的振动信号处理方法的步骤图。

图2为实测振动信号的加速度曲线。

图3为进行相关分析去掉噪声后，各模态分量重构后的信号曲线。

图4为剩余的含噪残差信号重构信号。

图5为信号进行Hilbert变换得到Hilbert时频谱。

图6为信号进行Hilbert变换得到Hilbert边际谱。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本发明所述的一种基于HHT变换和相关分析的振动信号处理方法，包括以下步骤：

步骤S1、首先对采集的振动信号进行EMD分解，确定信号所有的极值点，通过三次样条曲线，分别将所有的极值点，连接起来，形成上下包络线。然后计算出它们的平均曲线，通过筛分来对信号进行处理。

步骤S2、在步骤1的基础上，通过筛分原理，将振动信号分解得出n个固有模态函数IMF。

$X\left(t\right)=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{M}_j\left(t\right)+R_n\left(t\right)---\left(1\right)$

步骤S3、将步骤2每个固有模态函数与原振动信号进行互相关，并列出数值对比；相关系数小的，可以当做噪声信号剔除，相关系数大的可以保留。

${\widehat{\mathrm{\ρ}}}_{\mathrm{XY}}=\frac{\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}X\left(t\right)Y*\left(t\right)}{{\left[\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|X\left(t\right)\right|}^2\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|Y\left(t\right)\right|}^2\right]}^{\frac{1}{2}}}---\left(2\right)$

${\widehat{\mathrm{\ρ}}}_{\mathrm{XY}}=\frac{\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}X\left(t\right)Y*\left(t\right)}{{\left[\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|X\left(t\right)\right|}^2\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|Y\left(t\right)\right|}^2\right]}^{\frac{1}{2}}}---\left(3\right)$

相关系数矩阵为：

$\widehat{\mathrm{\ρ}}=\left[\begin{array}{cc}{\widehat{\mathrm{\ρ}}}_X& {\widehat{\mathrm{\ρ}}}_{\mathrm{XY}}\\ {\widehat{\mathrm{\ρ}}}_{\mathrm{YX}}& {\widehat{\mathrm{\ρ}}}_X\end{array}\right]---\left(4\right)$

其中

分别为X(t)与Y(t)自相关系数，值为1。

步骤S4、将步骤3去除噪声后的信号的固有模态分量进行重构，得出降噪后的信号。

步骤S5、对步骤4信号进行希尔伯特谱分析，得出信号的特征谱图，能有效地反映信号的特征信息。

$h\left(w\right)={\∫}_{-\∞}^{\∞}H(w,t)\mathrm{dt}---\left(5\right)$

如图2所示，实测振动信号的加速度曲线。

如图3所示，对各个固有模态分量进行自相关分析，得出的相关系数较大各模态分量重构后的信号曲线。

如图4所示，对相关系数较小的各模态分量重构后的信号曲线。

如图5所示，是对重构的含噪信号为信号进行Hilbert变换得到Hilbert时频谱。

如图6所示，为含噪信号进行Hilbert变换得到Hilbert边际谱。在300-350Hz附近出现较密集的频率，因此可以判断该频率是发动机运行时产生的噪声特征频率。

本发明不仅结合了经验模态分解的自适应和高频率分辨率的特点，而且通过对分解出的各模态分量与原信号进行互相关分析达到降噪的目的，取得了较好的降噪效果，最后通过对重构的信号进行希尔伯特谱分析，有效地得出信号的特征信息。

Claims (4)

1.一种基于HHT变换和相关分析的振动信号处理方法，其特征在于，包括以下步骤：

应用经验模态分解对振动信号进行分解；

对分解得到的各模态分量进行自相关分析；

将去噪后的信号进行希尔伯特变换，得到希尔伯特谱。

2.根据权利要求1所述的一种基于HHT变换和相关分析的振动信号处理方法，其特征在于，所述应用经验模态分解对振动信号进行分解是指对采集的振动信号进行EMD分解，确定所述振动信号所有的极值点，通过三次样条曲线，分别将所有的极值点，连接起来，形成上下包络线；然后计算出它们的平均曲线，通过筛分来对信号进行处理。

3.根据权利要求1所述的一种基于HHT变换和相关分析的振动信号处理方法，其特征在于，所述对分解得到的各模态分量进行自相关分析是指通过筛分原理，将振动信号分解得出n个固有模态函数IMF；每个所述固有模态函数与原振动信号进行互相关，并列出数值对比；相关系数小的，可以当做噪声信号剔除，相关系数大的可以保留。

4.根据权利要求1所述的一种基于HHT变换和相关分析的振动信号处理方法，其特征在于，所述将去噪后的信号进行希尔伯特变换，得到希尔伯特谱是指，将去除噪声后的信号的固有模态分量进行重构，得出降噪后的信号；对所述信号进行希尔伯特谱分析，得出信号的特征谱图，能有效地反映信号的特征信息。

Images