针对滚动轴承早期故障特征难以提取的问题,提出一种结合变分模态分解(VMD)和希尔伯特变换(HT)的特征提取方法,并且应用BP神经网络(BPNN)对特征进行分类,最后以实验验证了其可行性。首先,采用VMD对实测滚动轴承振动信号进行分解,并用HT变换计算分解得到的本征模态分量(IMF)的瞬时能量矩阵,然后,通过奇异值分解(SVD)对瞬时能量矩阵降维进行特征提取,最后将提取得到的特征向量输入训练好的BPNN中进行滚动轴承故障诊断。实验结果表明,此方法可以准确提取滚动轴承在不同故障状态时的特征,并且对滚动轴承故障诊断的准确率较高。

针对小波包络解调法在轴承故障诊断中,当轴承故障加深时,频段选择不当对诊断结果干扰较大,为解决该问题,提出了一种小波包能量谱结合希尔伯特变换的方法对轴承故障特征进行提取。使用小波包变换对信号进行分解、重构。对重构后的信号进行小波包能量谱分析得出能量较集中的节点,提取该节点对应的频段信号,并通过希尔伯特变换对相应频段进行包络分析诊断出轴承故障。以实验室实测信号故障轴承数据为对象分析,验证了结合小波包能量谱结合希尔伯特变换准确地识别轴承故障类型。

系统采用激光加热小基座（LHPG）法生长出掺Cr^3＋的蓝宝石光纤荧光温度传感头，它具有结构紧凑与耐高温等特点，测温范围从室温到450℃。利用锁相放大器有效去除信号中的噪声，提高系统的信噪比。在对荧光测温机理和有关光纤技术进行分析的基础上，采用带激励光泄露噪声的希尔伯特变换相敏检测，可对荧光寿命进行实时测量。

为使激光干涉测长仪具有可逆计数功能和良好的抗干扰性能,必须采用移相技术获得两路相位差为90°的信号。为克服传统移相技术的结构复杂、调节困难等问题,在利用迈克尔逊干涉仪产生等厚干涉条纹的基础上,利用希尔伯特变换法对干涉条纹进行移相,确定信号读取位置,从摄像机记录的动态条纹信号中提取出两路相位差为90°的信号,利用反正切相位跳变特征实现可逆计数,从而实现长度的精确测量。实验结果表明,希尔伯特变换移相法适用于激光干涉测长技术,且对干涉条纹间隔和方向没有严格限制,仪器调节使用方便,具有较强的抗干扰能力。

使用希尔伯特变换，对与轴系相连接的增量编码器所检测到的旋转鳊码脉冲进行解调处理，在不改变系统组成的基础上，实现旋转机械系统在线监测与故障诊断。研究了一种基于希尔伯特变换的高分辨率扭转振动测量方法及相应的脉冲调制解调，讨论了该方法的工作原理和现实中的具体方法和使用中存在的一些问题。通过试验，证明了使用该方法可以获得轴系扭转振动信号。将希尔伯特变换解调与Labview相结合可以建立扭转振动在线实时监控系统。

扭振可以看作是柴油机曲轴匀速转动的相位调制，通过希尔伯特解调技术对其曲轴扭振产生的调幅、调相制脉冲进行解调，能准确分离出扭振的全过程，分析可得正常、故障工作状态下柴油机的扭振相位信号，进而判断柴油机失火故障现象。实验证明该方法简单易行，诊断可靠，仅从曲轴瞬时转速的幅值上就能对柴油机某缸的熄火故障以及柴油机各缸做功的不均匀性做出准确诊断，说明Hilbert解调技术在柴油机失火故障诊断中的应用是行之有效的。

由于微型电机体积小,其振动信号无法用常规的加速度传感器进行采集,且对微型电机的故障诊断不需要诊断出其具体故障类型,只需要判断故障是否存在,因此,微型电机故障检测初期通常采用噪声检测的方式。采用这种检测方式,提出一种基于声音信号的微型电机故障诊断方法。针对声音信号信噪比大、易受环境影响的特点,运用最大相关峭度解卷积-小波阈值降噪的方法,对声音信号中的周期性冲击成分进行增强并滤除环境噪声。采用希尔伯特变换得到信号的包络线和包络谱。根据包络线的形状和包络谱峰值对应的频率进行判断,实现了对微型电机故障的诊断。

针对同时含有非线性刚度、非线性阻尼的振动系统,提出了两类参数识别方法。第一类方法是基于非线性振动系统中的振幅跳跃现象,通过跳跃点的测量得出振幅跳跃点的激励频率和幅值,用谐波平衡法识别出非线性振动系统的非线性刚度、非线性阻尼参数。第二类方法是涉及时域响应,通过希尔伯特变换获得非线性系统自由振动的响应幅值和相角,结合双非线性振动系统在瞬态激励下的解析解,获得系统的非线性刚度和阻尼。以非线性刚度非线性阻尼隔振系统为例,通过数值模拟对给出的两类参数识别方法加以验证,并对结果进行较比,识别参数相吻合。可以为实验条件下,含非线性刚度、非线性阻尼隔振系统的参数识别提供理论指导。

滚动轴承的早期故障诊断对于设备预测和健康管理具有重要意义,然而受环境噪声、传递路径、信号衰减及源信号本身比较微弱的影响,滚动轴承故障的初期微弱信号特征往往难以提取。为了解决这一问题,提出了一种基于最小熵解卷积（minimum entropy deconvolution,MED）与希尔伯特变换（Hilbert transform,HT）相结合的滚动轴承故障特征提取方法（MED-Hilbert）,该方法首先应用MED算法对传感器信号进行处理以提高信号的信噪比,然后通过希尔伯变换提取冲击能量信号,最后用谱分析技术提取故障对应的特征频率,并与理论故障频率比较后成功确定故障。与信号仅仅进行包络分析方法相比,该方法具有很好的降噪效果以及对微弱故障特征的增强作用。计算机仿真与实验验证了该方法在滚动轴承早期故障诊断中的有效性。

通过大量理论研究与试验验证发现:机械工程中液压设备的许多故障信息是以调制的形式存在于所监测的电气信号及振动信号中,借助硬件解调电路及软件希尔伯特变换对这些信号进行解调处理,通过监测调制信号以达到对整个液压系统的状态监测.该文介绍了硬件解调电路、希尔伯特变换的解调原理以及基于电流信号借助DSP的电动机功率监测的方法.