针对莲藕超声探测时回波小、信号杂、噪声多,无法找到莲藕特征的问题。为了能准确地从探藕回波信号判明莲藕是否存在,提出了一种基于ICEEMDAN的改进HHT技术。分别针对仿真计算信号和实验回波信号进行计算分析,结果表明可以通过该方法判断莲藕是否存在。该方法减少了噪声和无关杂波的干扰,简单易行,精度较高,便于智能农业机械化,在实际工程应用中具有可行性。

剪力称重轨动态计量检测过程中，不可避免地受到各种噪声的干扰，这些噪声严重影响高速车辆实时、动态的称重结果。通过传统的傅立叶变换和低通滤波，很难将这些干扰剔除。针对这种情况，提出基于希尔伯特-黄变换原理的信号去噪方法。该方法通过经验模式分解对信号进行4层分解，得到3个固有模态函数和残余相，基于给定阈值规则，提取最大尺度的逼近模态和残余相作为滤波结果。实验结果表明：采用该方法能够在复杂噪声中准确提取有用的称重信号，极大提高了称重轨的动态计量精度，省去了繁琐的滤波器参数调整。

为研究干冰粉气动破岩的冲击振动危害效应,试验测试了干冰管内气体压力变化和地表的振动速度,用希尔伯特-黄变换方法研究了干冰粉气动破岩振动衰减规律。研究结果表明干冰粉气动破岩最大振动速度在11 m时下降至2.5 cm/s以下,是一种振动很小的新型破岩方式;经测量致裂管内压力峰值达到50.85 MPa,计算能量的TNT当量符合萨道夫斯基公式;使用HHT对干冰粉气动破岩振动信号进行时频分析,能量在频域上主要分布于0~100 Hz,振动持续时间0.3 s。

在激波风洞中开展测力试验时,测力系统在风洞流场起动瞬间会受到冲击激励,从而对天平的输出信号产生惯性干扰.天平输出信号中叠加有动态气动力信号和惯性振动信号,有可能无法直接分辨出气动力信号的规律性,信号处理结果与真实气动力之间会产生较大的误差,导致处理结果不可靠.由于模型测力天平系统结构的复杂性,在极短的有效试验时间(毫秒级)内,天平信号中部分高频率分量(由结构高阶模态振动、非定常气动载荷或其他流场干扰等因素引起的高频干扰)有可能无法完全衰减,此时对信号直接进行传统的滤波处理和傅里叶变换分析反而有可能增大处理结果的误差.本文采用小波变换和希尔伯特-黄变换,针对尖锥标准模型的激波风洞天平信号,开展降噪和时频变换分析处理,旨在有效辨识出天平信号中的不同干扰成分,输出可靠的气动力结果.本文将时...

以气动薄膜控制阀气室气密性故障为研究对象，首先对控制阀阀位响应信号进行希尔伯特-黄变换，通过经验模态分解方法检测故障的发生及发生时刻;其次分析了分解所得各阶模态及其能量占比特性，获得了气动控制阀气室气密性故障类别和强度的在线诊断;最后通过模型仿真和实体阀实验验证了文章提出的检测及诊断方法的有效性和实用性;研究首次将希尔伯特黄变换信号分析方法引入到非周期、非平稳过程故障诊断中来，完整的实现了气动控制阀气室气密性故障的检测、诊断和强度识别。

机床是信息物理系统(CPS系统)中主要的执行单元和感知单元,对其加工状态的动态监测和实时感知可以提高产品质量。为了实现加工现场信号采集和刀具加工状态在线监测,设计了主轴功率信号采集系统,同时引入力信号作为对比分析,应用希尔伯特-黄变换和小波变换根据特征频率段的信号特征构造了刀具磨损系数,将刀具磨损状态和磨损系数对应起来,在加工现场实现了刀具状态的在线监测。通过和小波变换的对比,证明了希尔伯特-黄变换在处理功率信号方面可以有效抑制噪声信号,提高监测的准确性。

混流泵水力诱导的机组振动是混流泵运行失稳的重要因素之一，为了研究混流泵水力激振诱导的机组振动情况，基于本特利408数据采集系统，测量获得了空载和负载工况下混流泵泵体和泵体基座不同位置处的振动信号，通过希尔伯特-黄变换对原始振动信号进行经验筛分分解，获得了不同模函数分量的频谱分布。研究结果表明，相比空载运行，混流泵负载工况运行时水力诱导的机组振动明显加剧，但在不同方向上，水力激振引起的振动各不相同。X方向上2个工况下的振动频谱分布基本相似，而在Y方向、Z方向和混流泵底座上，负载工况下波形的频带分布变窄，能量分布较为集中，且Z方向的原始振幅要明显大于Y方向，约为Y方向原始振幅的2倍。混流泵负载工况运行时，低频振动占据主要振动能量分布，使得不同模函数分量的主频向低频方向移动，水力...

为了实现刀具磨损状态监测的自动化与高精度,文章提出了一种基于希尔伯特-黄变换（hilbert-huang transform,HHT）和等距特征映射（isometric feature mapping,Isomap）的刀具磨损状态监测方法。首先采用经验模态分解算法对采集的信号进行降噪处理;然后对降噪后的信号进行Hilbert变换得到Hilbert时频谱,同时计算Hilbert边际谱及其统计特征量;最后利用Isomap算法进行特征融合及优化,将优化后特征向量送入支持向量机（support vector machine,SVM）中,并通过网格搜索法优化SVM的相关输入参数来建立最优分类模型。研究结果表明：Isomap算法具有较好的特征融合及降维效果,且Isomap-SVM分类模型对测试集的识别准确率为95%,文章所提方法可以有效地识别刀具磨损状态。

针对发动机敲缸故障信号非平稳性并伴随强烈环境噪声的特点,提出基于改进希尔伯特-黄变换的故障诊断方法。该方法以发动机敲缸声音故障信号为研究对象,首先采用快速独立分量分析法将环境噪声等影响诊断准确性的因素从所采信号中分离,再利用总体平均经验模态分解和希尔伯特变换求出信号希尔伯特谱和边际谱,结合时域和频域特征进行故障诊断。通过仿真实验验证了所提方法的有效性,同时,实际试验证明：通过改进希尔伯特-黄变换方法所获得的希尔伯特谱和边际谱能够清晰呈现故障信号时域和频域内的细微特性,为该类故障的诊断提供了一种切实可行的方法。

针对希尔伯特-黄变换中经验模态分解方法存在的端点效应和虚假固有模态函数的问题,提出一种改进希尔伯特-黄变换方法并将此方法应用于滚动轴承故障诊断中。首先,利用最小二乘支持向量机和镜像延拓相结合的方法来抑制端点效应;其次,采用敏感固有模态函数选择算法选出反映故障特征的敏感固有模态函数;最后,利用敏感固有模态函数的包络谱进行故障诊断。通过仿真分析和应用实例可看出,该方法能够有效提取出滚动轴承故障信号的特征信息并准确诊断出引起滚动轴承的故障原因。