基于改进EMD的滚动轴承故障特征提取方法

针对滚动轴承早期故障信号微弱、背景噪声强、故障特征难以提取的特点,提出一种基于包络谱灰色关联度改进的经验模态分解（Empirical Mode Decomposition,EMD）特征提取方法。首先,用EMD将原始振动信号分解成若干本征模函数（intrinsic mode function,IMF）分量,计算原始信号及分解后各阶IMF分量的包络谱;然后,用灰色关联度分析计算原始信号包络谱与IMF分量包络谱之间的关联度,以包络谱关联度大小筛选IMF分量进行加权;最后,对加权的IMF分量计算能量、峭度、偏度形成特征集,通过主元分析(Principal Component Analysis,PCA)降维后输入概率神经网络（Probabilistic Neural Network,PNN）进行故障状态识别。该方法利用包络谱灰色关联度有针对性地筛选出对故障特征敏感的IMF分量,相比于单纯利用线性关系大小筛选IMF分量的相关性分析更具针对性。对滚动轴承4种故障状态早期故障信号进行识别,准确率为97.5%,表明该方法是有效的。     

经验模态分解在电力绝缘气体SF6红外光谱去噪中的应用

经验模态分解(EMD)是以信号极值特征尺度为度量的时空滤波器,它充分保留了信号本身的非线性和非平稳特征,在信号去噪中具有较大的优势.本文以电力绝缘气体SF6为研究对象,在介绍EMD分解方法的基础上,首先对含噪的SF6光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阈值处理后的高频IMF分量与低频IMF分量叠加重构得到去噪后的信号.分析了在不同噪声水平上与小波阈值去噪方法的处理效果.实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息,与小波阈值去噪方法相比较具有自适应的优势.     

基于改进EMD与FastICA—样本熵的齿轮故障特征提取方法

针对齿轮常见故障及信号在传统EMD算法分解中产生的端点效应,提出一种基于改进经验模态分解（EMD）与快速独立分量分析（FastICA）—样本熵的齿轮故障特征提取方法。首先对信号进行EMD分解,得到一系列IMF分量和残余量,在此过程中通过匹配差别最小的极值包络线段确定端点处极值,然后从每个信号中分别选取周期性明显的分量与原始信号组成混合信号作为FastICA的输入,获得ICA计算后的分量,最后分别计算EMD分量与各独立分量的样本熵。实验结果表明,改进后的EMD算法可以有效改善端点效应问题,并通过与EMD—样本熵的对比,表明FastICA—样本熵能更明显、稳定地反映齿轮故障,因此可作为一种有效的故障特征。     

基于EMD和ANFIS的股票市场短期预测

结合经验模态分解（empiricalmodedecomposition,EMD）算法和自适应神经模糊推理系统（adap-tiveneuralfuzzyinferencesystem,ANFIS）算法应用于股票市场预测,提出了一种新的股票市场的预测模型,即EMD-ANFIS的多步预测模型。首先应用EMD算法把原始数据分解成不同尺度的基本模态函数（IMF）和残差（RES）,然后通过ANFIS算法对生成的各个IMF和RES进行自适应神经模糊推理,再把各个预测结果进行简单的聚合作为股票的预测价格,并与传统的预测方法进行比较,实验证明了EMD-ANFIS的多步预测模型具有更高的预测精度。     

EMD以及类EMD方法

经验模态分解(Empirical Mode Decomposition, EMD)是一种处理非线性、非平稳信号的时频分析方法。该方法依据输入信号自身的特点,自适应地将信号分解成若干个本征模态函数( Intrinsic Mode Function, IMF)之和。EMD被认为是对以线性和平稳假设为基础的傅立叶分析和小波变换等传统时频分析方法的重大突破。随着EMD的发展,很多类EMD方法逐渐出现。总结归纳了EMD以及类EMD方法的应用。     

CEEMD及最小二乘支持向量机在单频周跳探测与修复中的应用

鉴于高精度北斗定位单频观测数据中微小周跳难以检测的问题,基于完全经验模态分解（CEEMD）和最小二乘支持向量（LS—SVM）提出一种检测与修复单频小周跳的方法。该方法首先采用伪距测量和载波相位观测量构造周跳检测量,并通过CEEMD分解得到多个IMF分量,再利用相关性分析获得周跳信号明显的IMF分量,通过对所选取的分量进行Hilbert分析,用最大点的位置确定待检测周跳的历元。最后,通过使用既定的预测模型,将测量值与预测值进行比较,进而完成修复。结果表明,该方法消除了EMD分解IMF分量存在的模式混叠问题对周跳探测精度的影响,可以有效地检测和修复高精度北斗定位单频观测数据中的小周跳。     

基于EMD的运动想象脑电特征提取与识别

针对运动想象脑电特征的提取与识别,提出了一种采用经验模态分解(EMD)提取脑电信号能量特征与幅值特征的分类识别方法。首先用时间窗对脑电信号进行细分;然后利用EMD方法对细分后的数据进行分解,取前三阶的固有模态函数分量(IMF),提取能量和平均幅值差作为特征向量;最后,使用支持向量机对左右手运动想象进行分类识别。多次仿真试验数据表明,分类准确度达到88.57%,证明了该方法有效、适用。     

基于双重对称延拓的HHT端点效应抑制方法

经验模态分解( empirical mode decomposition,EMD)存在端点飞翼的固有问题,使信号两端出现扭曲失真。为抑制EMD端点效应,文章提出双重对称延拓法,以端部数据对称延拓作为首次延拓,以极值点对称延拓作为二次延拓,该方法可同时实现EMD分解和Hilbert变换两阶段端点效应的抑制。仿真信号和地震响应的工程算例通过IMF分量对比、瞬时频率对比,以及整体正交性、相关系数等指标的对比,验证了该方法具有良好的端点效应抑制效果,同时还能改善IMF分量之间的正交性,并节约计算时间。     

期货投资中的决策心理分析

期货投资中的决策心理分析杨耀东随着我国社会经济的深入发展，期货（ｆｕｔｕｒｅｓ）也在消声匿迹几十年后又重新出现在中国大陆上，并成为目前人们谈论的热门话题之一。所谓期货，如果从其交易的形态来看，就是指交易当事人在合法组织的交易所，依法立下在将来特定的时...     

我国期货交易所企业文化建设思考

企业文化是企业的灵魂,也是企业竞争力的源泉.自成立以来,我国期货交易所一直高度重视企业文化建设,致力于具有行业特色的企业文化实践,取得了不少成绩,但仍需要进一步完善和加强.对我国期货交易所企业文化建设的现状进行剖析,并就其在市场经济大背景下如何适应期货交易所的具体实际提出相关对策建议,以此促进其稳健、高效和可持续发展.     

经验模式分解的滤波器特性及其在故障检测中的应用

对经验模式分解(EMD,Empirical Mode Decomposition)的滤波器特性进行了研究.事实上,EMD的倍频程滤波器特性在几年前就被发现了,在此基础上,针对EMD滤波器的其他特性展开了研究.首先,对EMD滤波器的自适应特性展开了研究,其自适应特性除了表现为倍频程滤波器的形式,还有两个表现:其一是滤波器的上限频率随信号自身的上限频率而定,另一表现是每一个IMF滤波器的形式不仅与信号频率有关,还与信号的结构有关.利用EMD的自适应特性,建立了一种新的信号表示方法,与已有的EMD方法相比,该方法可以提供更多的关于信号的信息.还对该方法进行了相关的讨论.     

融合Elman神经网络与EMD的交通拥堵指数预测

为了提高传统方法生成交通拥堵指数（TPI）的准确率,引入一种基于经验模态分解（EMD）与Elman神经网络的组合模型实现交通拥堵指数预测。首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数（PACF）计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果。通过计算结果可知,EMD-PACF-Elman预测方法3个评价指标（平均绝对误差、均方误差、平均绝对百分误差）的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.562 4、0.598 9、0.110 7。因此, EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据。     

非平稳信号的一种分析方法及其应用

本将一种基于经验的模式分解算法(EMD)和希尔伯特时频谱的方法用于非平稳非线性信号分析中。通过和小波变换比较，发现它能获得比小波交换等方法更好的时频分辨率，为我们研究和分析非平稳非线性信号提供了一种新的方法。     

期货交易中的交易指令

期货交易中的交易指令刘利兰期货市场的会员制度规定,只有期货交易所会员才能在期货交易所进行交易,非会员只能通过会员才能进行交易。即众多的期货交易者,要作为期货经纪公司的客户,进行期货合约买卖。对于客户来说,虽然选择经纪公司和服务经纪人是很重要的,但每个...     

海外期货市场交割结算方法的转变及启示

期货合约的条款对于合约的成功与否至关重要,交易所有必要不时地进行合约条款的修订以适应外部商业环境的改变。自股指期货于1982年产生以来,商品期货的交割问题就一直受到人们的普遍关注。芝加哥商业交易所活牛合约以及澳大利亚悉尼期货交易所单只股票期货合约交割方式转变的事实说明,无论是采用实物交割,还是采用现金结算,要根据交易品种本身的特性要求而定。不同的交割方式不仅对市场波动性产生影响,而且还会对套期保值者的套保绩效产生不同的影响。     

期货交易所功能定位及其国际化

期货交易所的性质和功能一直存在争议,与此相关,交易所应采用公司制还是会员制也有不同看法和实践。国际上越来越多的期货交易所采取公司制,它们为抢占市场、增强话语权,或强强联手,或重组、收购,来势汹汹。在此全球化并购浪潮中,我国的期货交易所也应采取公司制,进一步完善治理,加强监管,推动公众监督,促进资本市场繁荣发展,保护投资者利益。     

基于EMD和PSO-SVM的通用航空飞机燃油流量预测

提出了一种EMD与SVM的组合预测模型,对通用航空飞机燃油流量进行预测。首先对数据缺失值与异常值进行处理,应用经验模态分解算法对燃油流量数据进行分解,得到各分量IMF,然后采用支持向量机对每一个分量进行预测。在预测过程中,采用PSO算法对支持向量机的参数进行优化,最后叠加各分量得到预测数据。采用通航飞机实际飞行数据进行验证,结果表明：该组合模型可以有效地预测燃油流量,准确率较高,其MSE可以达到0.254,高于传统的单一预测模型。     

大连商品期货价格协整关系与引导关系的实证研究

以大连商品期货交易所大豆期货及现货价格数据为例，从实证的角度分析了期货价格与现货价格的关联度，发现期货价格与现货价格之间存在协整关系；进一步分析了期货价格与现货价格之间的引导关系，发现期货滞后价格对现货价格没有引导关系，现货滞后价格对期货价格也没有引导关系。期货价格与现货价格之间存在即时的双向价格引导关系。     

基于EMD的多特征参数和关联向量机的滚动轴承故障诊断研究

轴承作为工业中旋转机械中的重要部件,其故障将严重影响机械设备的安全运行.为了实现对轴承运行故障状态的有效诊断,提出了一种基于经验模态分解(empirical mode decomposition,EMD)提取的多特征参数的关联向量机的(Relevance vector machine,RVM)的滚动轴承的多故障诊断模型.首先运用经验模态分解的方法将轴承振动信号分解为多个固有的模态分量,之后将提取的表征轴承故障特征的IMF分量的能量、峭度、偏度构造特征向量,最后采用关联向量机多分类故障诊断模型进行故障模式识别.轴承实测振动信号分析表明:该方法能够有效、准确地诊断出轴承的故障状态,具有较高故障诊断准确率.     

基于EEMD与PNN的煤岩界面识别方法

针对放顶煤中煤岩界面难以识别的问题,对采煤机滚筒振动信号进行研究,提出一种基于集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)与概率神经网络(Probabilistic Neural Network,PNN)的煤岩界面识别方法.首先,利用EEMD对采集到的摇臂振动信号进行分解,得到一系列IMF分量,然后利用相关系数法对IMF进行筛选,提取有效分量进行能量熵特征提取,最后结合PNN识别器对割煤和割岩信号进行识别.实验研究表明,基于EEMD和PNN的煤岩界面识别方法能有效的识别割煤和割岩两种状态,识别率高达88%,是一种有效的煤岩界面识别方法.