基于最近邻抽样回归模型的水文水资源预测.pdfVIP

基于EEMD的疲劳信号降噪方法研究1

11，2

李想，陈隽

1同济大学建筑工程系，上海(200092)

2同济大学土木工程防灾国家重点实验室，上海(200092)

摘要：经验模态分解（empiricalmodedecomposition，EMD）是一种实现信号自适应分解

的数据处理方法，总体经验模态分解（ensembleempiricalmodedecomposition,EEMD）是

EMD的必威体育精装版改进，用于消除分解中可能产生的模态混淆现象。本文研究EEMD用于疲劳应

变信号降噪，并与小波变换（wavelettransform,WT）WT方法进行了对比。首先提出了基

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。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。文中还讨论了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。

关键词：总体经验模态分解（ensembleempiricalmodedecomposition,EEMD）；疲劳信号；

降噪；小波变换

1．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。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。实测应力（通常为应变）时程循环次数统计的准确性决定了疲劳寿命预测的可

靠性。然而在实测应变数据中，由于外界因素或测量仪器本身的影响，常常混有干扰噪声。

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计的精度。因此，

需要在统计前对应变信号进行降噪处理，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。

针对疲劳信号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,EMD）是一种新的

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

（ensembleempiricalmodedecomposition,EEMD）是EMD方法的必威体育精装版改进。本文研究EEMD

方法用于疲劳信号降噪处理的性能。首先简要介绍EMD和EEMD方法，进而提出了基于

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。分析结

果与另一类常用非平稳信号分析方法，小波变换（wavelettransform,WT），进行了比较。

2．基于EEMD的疲劳信号降噪方法

2.1总体经验模态分解（EEMD）

1高等学校博士学科点专项科研基金（项目编号：20060247035）

-1-

经验模态分解（empiricalmodedecomposition，EMD）方法是一种时域信号分析方法，

该方法具有自适应特点，无需基函数，可以用于分解各种类型的信号[2]。EMD根据信号自

身特征将其分解为“固有模态函数”（intrinsicmodefunction,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，并且满足如下两个条件：1)整个时程序列的极大极小值数目与过零点数目相等或最多相

差一个；2)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