针对振动光饰加工机理多年处于理论分析缺乏定量化分析的问题,引入一种适用于立式振动光饰机滚磨光整加工过程中振动信号的降噪处理方法。选用立式振动光饰机为实验设备,直径3mm的球形棕刚玉磨块为加工介质,选取五种不同直径的铝合金管为工件,工件安装位置为研究变量,使用动态力传感器采集加工过程中每个工件表面九个不同位置作用力。采集的振动信号进行经验模态分解(EMD),得到多个固有模态函数(IMF),对IMF分量信号的HHT时频分析得到各组成的幅值大小、频率分布及频谱图,计算出各个IMF分量信号与振动信号的相关系数,提取振动信号的特征频率,去除噪声及干扰信号,对含有特征信号的IMF分量信号进行重构。分析结果表明EMD分解和HHT变换在处理振动光饰加工振动信号具有自适应性,能有效提取振动信号的频率特性,实现立式振动光饰加工中磨块作...

国产浮动夹头在注入头高速运行情况下易发生变形.需要检测共振频率,避开易变形区域.采用敲击声频率测量法（以下简称声频法）获取共振频率信号,利用TMS320C6701DSP实现信号的采集并在CCS下编写DSP程序实现HHT分析得到共振频率.试验阶段,通过功率谱分析与HHT对比,得到浮动夹头的各阶固有频率.

针对液压信号的高度复杂性以及难以识别的特点,提出一种基于深度置信网络的方法用于液压泵内泄漏状态的诊断。首先利用小波变换和HHT对压力信号和流量信号进行提取特征,然后利用堆叠RBM网络对原始特征集进行优化,并提取高级的融合特征,最后使用BP进行预测。实验结果表明:DBN能够有效地提取原始特征集的内在特征,使液压信号得到了更好的表达;DBN对液压泵内泄漏状态识别精度达到了98.77%;相比于SSAE和H-ELM分类器,DBN对液压泵内泄漏状态有更好的辨识能力和稳定性。

HHT（Hilbert-Huang Transform）和传统时频分析存在模态混叠、时频聚焦性差等问题,在估计转速曲线时误差较大.因此,提出将EEMD-HHT与时频重排算法结合的转速曲线估计新方法.采用EEMD（Ensemble Empirical Mode Decompositon）方法获取IMFs;找出参考轴所对应的IMF,并做Hilbert变换;用时频重排算法处理该IMF两端各-定长度的数据,对得到的重排矩阵进行限制条件的瘠线搜索,并将获得的瞬时频率值代替对应时间点内Hilbert变换得到的瞬时频率值;对“拼接”得到的整个时间段的瞬时频率值进行最小二乘拟合,得到光滑的转速曲线.将该方法应用于转子不平衡故障的阶比分析中,对实际测量信号进行了分析,并与HHT估计结果作比较,验证了其优越性和有效性.