提出了基于HHT变换和SVM结合的齿轮箱故障诊断方法,介绍了固有模态函数、EMD分解和Hilbert谱以及支持向量机(SVM)理论。先对各种工况信号消噪,再利用EMD分解将信号分解为IMF分量,求出Hilbert谱和边际谱,再利用边际谱求出各信号的故障特征信息,最后利用支持向量机判别齿轮箱的故障类型。该实验证明了此方法诊断齿轮箱故障的有效性。

HHT变换的动画过程即EMD分解的全过程 可以更加直观的学习HHT变换，经本人亲测该程序在matlab中可完美运行

MATLAB源程序，可直接将多组数据进行imf转换。方便实用。

一维信号的 HHT 变换。 包含经验模式分解 (EMD) 程序。 主要功能是HHT_Ver02.m。 例子clc; 清除; 关闭所有 Ts = 0.0005； Fs = 1 / Ts; N = 600； k = 0：N-1； t = k .* Ts; t = t'; sig(1:300,1) = 6 * sin(100 .* pi .* t(1:300))+0.1; sig(301:600,1) = 6 * sin(100 .* pi .* t(301:600)) + 1.5 * sin(300 .* pi .* t(301:600))+0.1； HHT_Ver02(t, sig, Fs);

通过电动机与滚动轴承之间建立的函数关系将振动信号转变成谐波分量,进而对谐波分量分析。对这种非平稳信号首先进行经验模态分析(EMD),然后通过改进LMS算法自适应滤波器分离噪音,最后再运用希尔伯特变换得到故障轴承频谱图。通过仿真实验证明该方法可以消除大部分的噪音和低频干扰,且易于实现,最终获得符合故障诊断要求的振动信号。

HHT变换的三种方法+MatlabHHT变换的三种方法+Matlab

信号处理工具，基于MATLAB平台，可以直接使用，内附有详细教程

用HHT求取信号的时频谱与边际谱，实现心动信号的研究分析

这是我的毕业论文全套，包含：各种封面，参考资料，BEMD，EMD程序及运行效果图，同时还有我所做的毕业论文及答辩的PPT。可以给同样课题的应届毕业生及从事HHT课题研究的人员一定的帮助。跟大家分享一下啊。

适用于在运动干扰下心电信号的提取，利用经典的EMD算法验证其有效性