目前,对于测试优化选择问题的研究大多局限于故障是否可以被诊断的定性研究, 没有进一步考虑故障诊断的难度。针对以上问题, 提出了一种基于故障可诊断性定量评价的测试优化选择方法。首先, 基于推土机距离(EMD)对故障可诊断性进行定量评价; 然后, 以评价结果为依据, 综合考虑测试的数量、可靠性和成本等因素, 构建多目标测试优化选择问题, 并提出了二进制金枪鱼群优化算法来求解满足测试性指标和故障可诊断性水平的最优测试集合; 最后, 以某装备的开关电源为实验案例, 验证了所提方法的有效性。仿真结果表明: 所提方法能够实现以提高系统故障可诊断性为目标的测试优化选择, 从根本上提高系统的故障诊断能力。

为解决某矿山矿体回采时爆破振动过大影响地表村庄建(构)筑物安全的问题, 通过结合现场实际情况与经验公式计算, 选取8、10、12、14和18 ms的孔间微差时间和100 ms的排间微差时间作为在该矿Ⅲ矿体63113矿房试验的爆破参数, 根据村庄多为1~2层砖混结构建筑计算得到其自振频率7.63~13.23 Hz。现场采集爆破振动数据并利用Matlab对测得的爆破振动信号做HHT变换并从时域、频域和能量的角度分析信号的特点。使用具有高度自适应性的EMD分解将原始振动信号分解为IMF分量, 再对IMF分量做10层db8小波变换并总结level 9的频带7.8~15.7 Hz具有的能量在总能量中的占比规律, 对用IMF分量重构后的信号做Hilbert变换得到三维希尔伯特谱及边际谱。通过对爆破振动信号做EMD分解和小波变换研究得出, 12 ms的微差时间设计在3号测点的三向能量占比分别减小了14.07%、24.89%和6.26%, 试验表明通过改进孔间微差时间可以改善低频能量在总能量中占比较多的问题, 能有效避免共振效应。对比不同孔间微差时间的Hilbert边际谱和三维希尔伯特谱从频域和能量角度分析得出, 孔间微差时间为12 ms的爆破的主振频率和最大瞬时能量出现在起爆后200 ms, 集中在大于建筑固有自振频带的30~40 Hz间, 对建(构)筑物产生的影响最小。试验通过HHT频谱分析为选择合理的逐孔微差起爆时间提供了有效的判断依据, 为更多类似的研究提供了思路与方向。

为了减小MEMS陀螺仪中存在的随机误差, 结合经验模态分解(EMD)和变分模态分解(VMD)提出了一种随机误差自适应补偿方法。首先通过EMD将信号分解为多个本征模态函数(IMF), 利用连续均方误差(RMSE)和概率密度函数相似性将所有的IMF划分为噪声主导IMF、噪声与信息混合IMF和信息主导IMF, 并对噪声与信息混合IMF利用软阈值区间法(SIT)进行初步降噪; 然后将有效模态个数作为VMD所需分解的带限本征模态函数(BLIMF)个数, 对初步去噪后的信号利用VMD进一步去噪, 将所得各BLIMF与原始信号的相关系数(CC)作为是否将模态视为噪声模态加以舍弃的依据。为了验证算法的有效性, 对分段匀速运动下的陀螺仪信号进行实验分析, 去噪后均方根误差为原始信号均方根误差的0.042 2,是EMD-SIT去噪算法的68.75%。

为了减小低成本微机电系统(MEMS)陀螺仪输出中的噪声, 提出了一种经验模态分解(EMD)的模糊间隔阈值消噪方法。首先通过EMD将信号分解为多个本征模函数(IMF), 并且IMF特性将这些IMF分为三类, 即噪声主导IMF, 混合噪声与信息的IMF, 信息主导的IMF; 对于混合噪声与信息的IMF, 根据不同阈值的特性确定模糊阈值区域, 并设置隶属度函数, 根据IMF系数对应的隶属度值对IMF进行消噪处理; 最后再将经过消噪处理的IMF与分解得到的信息主导的IMF进行重构, 得到消噪信号。实验首先对一段模拟的“bump”信号进行消噪分析, 然后在MEMS陀螺仪上进行验证, 最后对此方法的消噪性能进行了Allan方差分析。实验结果表明, 该方法能有效去除MEMS陀螺仪输出的噪声分量。静止状态下信号的信噪比提高了5.47 dB, 单轴匀速率旋转状态下信号的信噪比提高了2.64 dB; 陀螺信号的各项误差系数均有所降低。实现了陀螺仪输出中噪声与信号的分离, 改善了信号质量, 可以有效提取和识别出有用信息。

光纤陀螺 (FOG)温度漂移数据常常淹没在各种噪声背景中，直接补偿建模漂移信号十分困难，为了更好地消除混杂在光纤陀螺温漂数据中的噪声，提出了一种经验模态分解(EMD)和提升小波变换(LWT)相结合的 EMD-LWT滤波方法对光纤陀螺输出信号进行预处理。首先对光纤陀螺含噪信号进行 EMD分解，根据信息熵值判断本征模态函数(IMF)的噪声项和混合模态项，然后对噪声项进行 LWT去噪，混合模态项进行小波分析去噪。对某干涉型 FOG进行静态测试获得陀螺漂移数据，本文提出方法与小波变换和提升小波变换滤波方法进行了对比分析。实测数据计算结果表明，本文提出的 EMD-LWT滤波算法具有最好的滤波效果，经处理后重构信号的均方根误差 (RMSE)下降了 63%，有效地滤除了 FOG输出中的噪声。

针对在风洞试验中, 6分量天平采集到的数据如何消除干扰的问题, 提出了一种结合EMD算法和小波变换的处理方法。从天平的设计角度来考虑数据中可能含有的干扰成分, 指出干扰成分与数据的时频关系, 在理论上说明该方法的合理性。通过仿真试验还原数据, 并与传统的消除干扰算法做误差对比, 验证该方法相比于传统方法有着更好的准确性。最后对真实6分量天平数据进行处理, 进一步证明该方法的实际可行性。

声目标探测识别是目前弥补雷达低空探测不足的重要方法。采集到的声信号通常含有大量环境噪声，如何在去除噪声的同时尽可能多地保留有效信号是该领域的一个难点。针对低空战场环境噪声的特点，提出基于改进阈值经验模式分解的去噪方法。首先对信号进行经验模式分解，然后对实际能量大于噪声能量的固有模式函数进行阈值处理，最后将处理后的固有模式函数进行重构得到去噪信号。为了验证该算法的性能，对直升机声信号加入不同信噪比的典型低空环境噪声进行去噪，并与其他去噪方法进行比较，采用信噪比、均方根误差和平滑度指标进行定量分析。仿真结果表明，该算法对大部分低空环境噪声有良好的去除效果。

提出了基于经验模态分解(EMD)的多次去噪方法来降低多光程吸收光谱中的干涉噪声。从理论上分析并确定了降噪的次数,对采用直接吸收和波长调制二次谐波光谱技术探测得到的不同体积分数的CO₂谱线进行了多次EMD降噪处理,并与多次平均和低通滤波的降噪方法进行了对比。结果表明:多次EMD去噪能更有效地滤除光谱信号中的干涉噪声和随机噪声,且降噪后的信号幅值与待测气体的体积分数满足较好的线性关系,系统的探测灵敏度能达到3.5×10 ^-5。测量了不同压强和温度下CO₂标准气体的光谱信号,经多次EMD去噪处理后的光谱信号,其干涉的幅值相对于去噪前减小了近两个量级,信噪比增大了约两个量级。