总体经验模态分解的疲劳信号降噪方法

总体经验模态分解的疲劳信号降噪方法

ID:5376124

大小:322.86 KB

页数:5页

时间:2017-12-08

总体经验模态分解的疲劳信号降噪方法_第1页
总体经验模态分解的疲劳信号降噪方法_第2页
总体经验模态分解的疲劳信号降噪方法_第3页
总体经验模态分解的疲劳信号降噪方法_第4页
总体经验模态分解的疲劳信号降噪方法_第5页
资源描述:

《总体经验模态分解的疲劳信号降噪方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、万方数据第31卷第l期20l1年2月振动、测试与诊断JournalofVibration,Measurement8,-DiagnosisV01.31No.1Feb.2011运用总体经验模态分解的疲劳信号降噪方法。陈隽1’2,李想2(1同济大学土木工程防灾国家重点实验室上海,200092)(2同济大学建筑工程系上海,200092)摘要将总体经验模态分解(ensembleempiricalmodedecomposition,简称EEMD)用于疲劳应变信号降噪,并与小波变换(wavelettransform.简称wT)方法进行了对比。提

2、出了基于EEMD方法的疲劳应变信号降噪计算步骤,并分别用于模拟信号、试验数据和实测资料的降噪处理。讨论了EEMD计算参数对降噪效果的影响.给出了计算参数的选取原则。结果表明,EEMD方法可以较好地降低疲劳信号的噪声,提高应力循环次数统计的准确度,具有自适应的特点.关键词总体经验模态分解疲劳信号降噪小波变换中图分类号TP202.4引言随着工程结构设计理论的不断进步,基于承载能力极限状态的设计已经趋于完善,可保证工程结构一般不发生关键点应力超过材料极限强度的破坏。与此同时,在材料极限强度破坏前,结构在经历大量应力循环后会先发生疲劳破坏

3、。疲劳破坏具有灾难性和突发性,是一种非常重要的结构破坏模式。事实上已建工程结构80%的破坏类型为疲劳破坏[1】,疲劳寿命也因此成为评价工程结构安全性能的重要指标。评估已建结构的疲劳寿命,关键是得到荷载作用下结构热点处的应力时程曲线,进而可使用雨流法等进行应力循环次数的统计,再引入如线性累积疲劳损伤等准则,预测结构的平均疲劳寿命。预测的可靠性取决于实测应力(通常为应变)时程循环次数统计的准确性。在实测应变数据中,由于外界因素或测量仪器本身的影响。不可避免混有干扰噪声。噪声的存在使得雨流法统计时会产生虚假的应力循环,显著降低疲劳寿命估

4、计的精度,需要在统计前对应变信号进行降噪处理。因此,通过引入新的数据分析与处理方法进行疲劳信号降噪研究具有工程意义和应用价值。针对提高应力循环次数统计精度的要求,合理的降噪方法需在时域内进行。避免由于状态域空间的转换而丢失信息。此外。极端荷载作用下实际结构的应变信号常体现出相当的非平稳性特征。经验模态分解法(empiricalmodedecomposition,简称EMD)是一种时频域信号处理方法,具有自适应特点,适用于非平稳信号的分析。总体经验模态分解方法是EMD方法的改进。本文研究EEMD方法用于疲劳信号降噪处理的性能,简要介

5、绍EMD和EEMD方法.提出了基于EEMD方法降噪的计算步骤和原则,分别应用于数值模拟、试验数据和实测资料,并将分析结果与小波变换方法进行了比较。1基于EEMD的疲劳信号降噪方法1.1总体经验模态分解EMD具有自适应特点,无需基函数,可用于分解各种类型的信号[引。EMD根据信号自身特征将其分解为固有模态函数(intrinsicmodefunction,简称IMF)的和。各个IMF近似为窄带信号,满足Hilbert变换的要求。按照分解的先后顺序,各IMF的中心频率由高到低变化,且满足两个条件:a.整个时程序列的极大极小值数目与过零点

6、数目相等或最多相差一个;b.时程序列的任意点上,由极大值确定的包络线与由极小值确定的包络线的均值始终为零。分解公式为^x(t)=>:lMF.(f)+rn(f)(1)·霍英东教育基金会第11届高等院校青年教师基金资助项目(编号t111077)收稿}J期:2010-02—09;修改稿收到口期I20lo—06一12万方数据振动、测试与诊断第31卷其中:工(f)为待分解信号;IMF,(f)为EMD分解得到的IMF分量;“(f)为余量。EMD方法在不同工程领域中得到了广泛应用,例如:结构健康监测E3]、振动信号分析n]、机械故障诊断E5。、

7、信号的瞬时特性分析[61以及滤波技术‘7】等。实际应用过程发现,对于某些信号,EMD分解会产生模态混叠情况,对信号特征的识别产生不利影响。总体经验模态分解方法正是针对此问题而提出的改进方法。出现模态混叠的原因是原信号中某个频段(反映在时域即为极值点间距)的分量不连续,考虑到白噪声信号具有在各个频段能量一致的特点,EEMD通过先在原始信号中混入白噪声后再进行EMD分解的方式保证每个固有模态函数时域的连续性。在原始信号中混入足够多条噪声后,利用白噪声是均值为零随机过程的特性,对全部EMD分解得到的各IMF分量求总体均值,以消除附加白噪

8、声的影响,因此也称为总体平均经验模态分解方法。EEMD分解流程如图1所示。原始信号(带噪声)lI垫自鐾查!lI垫自坚主!II垫自鐾至!JI垫臼掌童垒J⋯I垫自咝塑丝I曲面口扫甲I⋯甲I●tEMDIlI(Ih扭¨+IM。F:t+IMF,。+IMF.。

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。