基于HHT的航空發(fā)動(dòng)機(jī)氣動(dòng)失穩(wěn)信號(hào)時(shí)頻分析方法

郭貴喜，王振華，王洪祥，高輝國(guó)，薛秀生

（中航工業(yè)沈陽(yáng)發(fā)動(dòng)機(jī)設(shè)計(jì)研究所，沈陽(yáng)110015）

基于HHT的航空發(fā)動(dòng)機(jī)氣動(dòng)失穩(wěn)信號(hào)時(shí)頻分析方法

郭貴喜，王振華，王洪祥，高輝國(guó)，薛秀生

（中航工業(yè)沈陽(yáng)發(fā)動(dòng)機(jī)設(shè)計(jì)研究所，沈陽(yáng)110015）

針對(duì)航空發(fā)動(dòng)機(jī)工作范圍內(nèi)存在的氣動(dòng)失穩(wěn)現(xiàn)象，運(yùn)用希爾伯特-黃變換（HHT）分析其信號(hào)的時(shí)變特征；通過(guò)對(duì)其處理非線性、非平穩(wěn)信號(hào)分析新方法與其他時(shí)頻分析方法的對(duì)比，并對(duì)HHT存在的問(wèn)題進(jìn)行針對(duì)性解決，使其適應(yīng)航空發(fā)動(dòng)機(jī)氣動(dòng)失穩(wěn)數(shù)據(jù)分析的要求。并在Labview平臺(tái)上通過(guò)數(shù)字仿真試驗(yàn)實(shí)現(xiàn)和驗(yàn)證了HHT方法；結(jié)果表明：此算法準(zhǔn)確有效；通過(guò)航空發(fā)動(dòng)機(jī)工程試驗(yàn)數(shù)據(jù)的處理過(guò)程，驗(yàn)證了HHT在處理此類相關(guān)問(wèn)題時(shí)的可行性、適用性，同時(shí)指出其仍然存在的缺陷。

時(shí)頻分析；希爾伯特-黃變換；航空發(fā)動(dòng)機(jī)；氣動(dòng)失穩(wěn)

0 引言

航空發(fā)動(dòng)機(jī)在其工作范圍內(nèi)存在“旋轉(zhuǎn)失速”和“喘振”2類氣動(dòng)失穩(wěn)現(xiàn)象，危害性極大。目前，發(fā)動(dòng)機(jī)失穩(wěn)現(xiàn)象是世界各國(guó)航空科研人員研究的重要課題。發(fā)動(dòng)機(jī)氣動(dòng)失穩(wěn)產(chǎn)生的流路內(nèi)壓力脈動(dòng)本質(zhì)上是一種非線性，非平穩(wěn)信號(hào)，特別是在過(guò)渡過(guò)程中時(shí)變性很強(qiáng)。采用普通的處理線性、平穩(wěn)信號(hào)的分析方法有非常大的局限性。目前大多數(shù)時(shí)頻變換方法存在著不足，如所使用的基函數(shù)固定不變，難以準(zhǔn)確匹配信號(hào)中的時(shí)頻結(jié)構(gòu)，而且時(shí)頻分辨率還受到Heisenberg不確定性原理的限制[1-2]等。

本文應(yīng)用希爾伯特-黃變換（HHT）對(duì)某型發(fā)動(dòng)機(jī)壓力脈動(dòng)信號(hào)進(jìn)行時(shí)頻分析，提取信號(hào)的幅值和頻率的時(shí)變特征，并將分析結(jié)果和傅里葉變換分析方法進(jìn)行對(duì)比。

1 傳統(tǒng)的時(shí)頻分析方法

自然界中的信號(hào)幾乎都是多種信號(hào)成分的疊加，既有平穩(wěn)信號(hào)也有非平穩(wěn)信號(hào)；信號(hào)既可能是線性的也可能是非線性的。傳統(tǒng)的基于傅里葉變換的信號(hào)處理方法難以避免其局限性。它將信號(hào)從時(shí)域整個(gè)變換到頻域，其譜分析僅能反映一段整體時(shí)間內(nèi)所有頻率與其幅值的對(duì)應(yīng)關(guān)系，而對(duì)頻率隨時(shí)間的變化規(guī)律無(wú)法分析，也就是說(shuō)它不能刻畫出信號(hào)的頻率等尺度在局部的瞬時(shí)特征。針對(duì)傅里葉變換不能反映信號(hào)瞬時(shí)特征的缺點(diǎn)，研究出多種時(shí)頻分析方法。

1.1短時(shí)傅里葉變換

短時(shí)傅里葉變換（STFT）是1種最基本的時(shí)頻分析方法。它通過(guò)1個(gè)滑動(dòng)時(shí)窗，分段對(duì)信號(hào)進(jìn)行傅里葉變換，實(shí)際上就是先對(duì)信號(hào)進(jìn)行加窗處理，然后再進(jìn)行傅里葉變換。這種方法在一定程度克服了傅里葉變換的缺點(diǎn)，實(shí)現(xiàn)了一定的分析信號(hào)局部特征的能力。但是窗口一旦選定，就不能任意更改，如果信號(hào)在時(shí)間或者頻率上的變化小于窗口，窗口內(nèi)信號(hào)平穩(wěn)的假設(shè)就不能成立，信號(hào)的局部特征就不能被反映。而且它不能在時(shí)間和頻率2個(gè)方面同時(shí)達(dá)到很高的分辨率，因此，短時(shí)傅里葉變換只適用于緩變信號(hào)的分析處理。

1.2小波變換

小波變換（WT）是20世紀(jì)80年代中后期發(fā)展起來(lái)的1種新型線性時(shí)頻分析方法。該方法實(shí)現(xiàn)了窗口可調(diào)，在高頻時(shí)使用窄窗口，在低頻時(shí)使用寬窗口。正是基于這種多分辨率的思想，小波變換被譽(yù)為數(shù)學(xué)顯微鏡。但其本質(zhì)上仍是是1種窗口可調(diào)的傅里葉變換，不可避免地仍具有窗函數(shù)的局限性。而且小波變換存在眾多的的小波基函數(shù)，各種基函數(shù)使用的范圍不同，造成小波基選擇的困難，而且小波方法不具自適應(yīng)性，一旦基函數(shù)選定后，就只能用來(lái)分析處理所有數(shù)據(jù)，這也是一直困擾小波變換研究應(yīng)用的瓶頸。

1.3 Wigner-Ville分布

Wigner-Ville分布屬于2次時(shí)頻分析，是信號(hào)在時(shí)頻平面上的聯(lián)合功率譜，分辨率很高。該方法雖然克服了短時(shí)傅里葉變換的一些缺點(diǎn)，但在分析多分量復(fù)雜信號(hào)時(shí)，存在嚴(yán)重的交叉干擾，目前雖然有了一些消除干擾的方法，但都是以降低分辨率為代價(jià)。

1.4正弦曲線擬合

Choi[3]等首先使用正弦曲線擬合的方法來(lái)分析語(yǔ)音信號(hào)。該方法是利用1組不同頻率的正弦曲線來(lái)擬合一時(shí)窗內(nèi)信號(hào)，取擬合誤差最小的正弦曲線為該信號(hào)的最佳擬合曲線。同時(shí)給出頻率、振幅和相位信息，取擬合的剩余曲線重新擬合，直到擬合誤差小到一定程度為止。這種方法可以用于多頻率信號(hào)，但是該方法的擬合必須是在1個(gè)窗口內(nèi)進(jìn)行，因此時(shí)間分辨率不高，而且不同頻率成分的信號(hào)會(huì)相互干擾，如果提取1個(gè)頻率成分信號(hào)時(shí)通常就會(huì)破壞其他信號(hào)，只有選擇的窗長(zhǎng)是半個(gè)周期或整數(shù)倍附近時(shí)，才對(duì)其他信號(hào)影響較小。

2 希爾伯特-黃變換的理論和算法

2.1概述

1998年美國(guó)華裔科學(xué)家E.Huang提出了1種新型的非線性、非平穩(wěn)信號(hào)的處理方法，即希爾伯特-黃變換（HHT）。該方法從信號(hào)自身特征出發(fā)，解決了Hilbert變換不能處理多值頻率的限制，首先使用經(jīng)驗(yàn)?zāi)B(tài)(EMD)方法把信號(hào)分解成一系列的本征模態(tài)函數(shù)(IMF)，然后對(duì)這些IMF分量進(jìn)行Hilbert變換，從而在時(shí)頻平面上得到能量分布的Hilbert時(shí)頻譜圖。

該方法主要由“經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)”和“Hilbert譜”2部分組成。EMD方法自適應(yīng)地將被分析信號(hào)分解成反映信號(hào)波動(dòng)模式的若干個(gè)本征模態(tài)函數(shù)(IMF)。IMF沒(méi)有固定的表達(dá)式，而是根據(jù)信號(hào)自身的波動(dòng)情況自適應(yīng)決定。對(duì)EMD的分解結(jié)果再進(jìn)行Hilbert變換，計(jì)算瞬時(shí)頻率和幅值，由此得到表征信號(hào)時(shí)間-頻率-幅值的Hilbert譜。HHT算法執(zhí)行效率高，具有良好的局部時(shí)頻聚集性和自適應(yīng)性。目前，該方法已經(jīng)廣泛應(yīng)用于機(jī)械工程、通信電子、地球物理、生物醫(yī)藥等許多涉及信號(hào)分析的領(lǐng)域。

2.2 EMD分解方法

HHT主要包含EMD分解和Hilbert變換2個(gè)過(guò)程。根據(jù)信號(hào)的時(shí)間尺度，EMD方法自適應(yīng)地通過(guò)1個(gè)“篩選過(guò)程”從被分析信號(hào)中提取生成其本身固有的1族本征模態(tài)函數(shù)(IMF)，每個(gè)IMF必須滿足以下2個(gè)條件：

（1）對(duì)于1列數(shù)據(jù)，極值點(diǎn)個(gè)數(shù)和過(guò)零點(diǎn)個(gè)數(shù)相等或至多相差1個(gè)；

（2）在任意點(diǎn)處，所有局部極大值點(diǎn)確定的上包絡(luò)和由所有局部極小值點(diǎn)確定的下包絡(luò)的均值為0。

根據(jù)這些條件，EMD的篩選過(guò)程主要包括以下3個(gè)步驟：

（1）首先找出原始信號(hào)X(t)的局部極大值和極小值，將其用3次樣條函數(shù)求取信號(hào)的上下包絡(luò)線：U(t)和V(t)；

（2）計(jì)算上下包絡(luò)線的平均曲線M(t)=[U(t)+V(t)]/2；

（3）用信號(hào)X(t)減去M(t)后得到1個(gè)去掉低頻的剩余部分h1(t)=X(t)-M(t)。

一般來(lái)講，h1(t)仍然不是1個(gè)平穩(wěn)數(shù)據(jù)序列，即分解得到的h1(t)并不一定完全滿足IMF條件[4]，用h1(t)代替X(t)，再求出上下包絡(luò)線U1(t)和V1(t)，重復(fù)上述過(guò)程，即

……

直到所有的hk(t)滿足IMF條件。此時(shí)分解得到的第1個(gè)IMF，C1(t)和r1(t)；即

必須指出，過(guò)多的重復(fù)該處理過(guò)程會(huì)導(dǎo)致模態(tài)分量變成純粹的頻率調(diào)制信號(hào)，因此，必須確定1個(gè)篩選停止準(zhǔn)則。比如限制連續(xù)2次處理結(jié)果之間的標(biāo)準(zhǔn)差σ的大小來(lái)實(shí)現(xiàn)。

一般選取σ=0.2～0.4。

對(duì)信號(hào)的剩余部分r1(t)繼續(xù)進(jìn)行EMD分解，直到剩余部分為1個(gè)單一信號(hào)或者其值小于預(yù)先設(shè)定值時(shí)，分解完成。最終原始信號(hào)是所有IMF及殘余量之和

式中：Ci為本征模態(tài)函數(shù)；rn為殘余量。2.3 Hilbert變換

對(duì)所有IMF進(jìn)行Hilbert變換，則

式中：P為柯西主值。

通過(guò)Hilbert變換，Ci（t）和yi（t）可以組成解析信號(hào)Zi（t），即

其中

相應(yīng)可以得到瞬時(shí)頻率

顯然可知

這里省略了殘余函數(shù)rn，Re表示取實(shí)部。展開式（14）稱為Hilbert幅值譜，記為

這樣可以得到瞬時(shí)頻率和幅值，可以在時(shí)間頻率平面上根據(jù)幅值的強(qiáng)弱繪制時(shí)頻譜圖。如將其沿時(shí)域進(jìn)行積分，可以進(jìn)一步定義邊際譜

類似傅里葉變換得到的幅頻譜，邊際譜顯示信號(hào)能量在頻域內(nèi)的分布，但它們的物理意義完全不同。

2.4 HHT的特點(diǎn)

作為新發(fā)展的1種時(shí)頻分析方法，HHT便于理解、掌握和使用。首先區(qū)別于其他方法，它具有自適應(yīng)性，EMD根據(jù)信號(hào)的自身特點(diǎn)，直接從信號(hào)本身出發(fā)對(duì)信號(hào)進(jìn)行分解，自適應(yīng)地將信號(hào)分解成數(shù)目有限的IMF分量。與短時(shí)傅里葉變換相比，它能從時(shí)域頻域2方面分析信號(hào)的局部特征。與小波變換相比，它沒(méi)有小波基的選擇問(wèn)題，無(wú)需根據(jù)信號(hào)特點(diǎn)選擇小波基。

另外，HHT具有良好的時(shí)頻聚集性。由EMD方法將復(fù)雜信號(hào)分解成單分量信號(hào)IMF后，對(duì)各IMF再進(jìn)行Hilbert變換。通過(guò)對(duì)解析信號(hào)的相位函數(shù)進(jìn)行微分運(yùn)算來(lái)獲得瞬時(shí)頻率，最后得到Hilbert譜。在Hilbert變換時(shí)，積分運(yùn)算不是全局性的，而是通過(guò)與1/t進(jìn)行卷積，使得它的結(jié)果相當(dāng)?shù)木植炕Ｒ虼耍琀HT具備良好的時(shí)頻局部化特性，或者說(shuō)具有了良好的時(shí)頻聚集性。

2.5 HHT存在的缺陷

作為1種新興的信號(hào)分析方法，HHT在理論上還有不成熟的地方。

（1）模態(tài)混疊。所謂模態(tài)混疊就是1個(gè)IMF分量包括了尺度差異較大的信號(hào)。產(chǎn)生模態(tài)混疊的原因是由某1或某幾個(gè)時(shí)間尺度的IMF不連續(xù)造成的。而且EMD分解會(huì)產(chǎn)生一些低頻的與原信號(hào)相關(guān)性較弱的IMF，這些IMF會(huì)在Hilbert譜刻畫中產(chǎn)生某些虛假的頻率分量。對(duì)此，一些研究提出了某些解決方法，2003年Rilling[5]提出了局部EMD方法；2005年Ryan Deering[6]提出了掩膜信號(hào)法等。這些方法雖然在一定程度上改善了分解結(jié)果，但模態(tài)混疊對(duì)分析結(jié)果的影響仍很嚴(yán)重，特別是頻率信息復(fù)雜的信號(hào)更為突出，是目前制約HHT發(fā)展的瓶頸。要想從根本上解決，還要從理論上入手。

（2）端點(diǎn)效應(yīng)問(wèn)題。在對(duì)原始數(shù)據(jù)取包絡(luò)時(shí)，需要對(duì)上極點(diǎn)和下極點(diǎn)進(jìn)行樣條插值擬合，然后再平均，在進(jìn)行樣條插值時(shí)，除非數(shù)據(jù)的2個(gè)端點(diǎn)處就是數(shù)據(jù)的極值點(diǎn)，否則就會(huì)產(chǎn)生擬合誤差。在EMD篩選過(guò)程中，由于端點(diǎn)處極值的不確定性導(dǎo)致誤差的不斷向下積累，以此類推，隨著分解的進(jìn)行，誤差就會(huì)由端點(diǎn)向內(nèi)逐漸傳播，污染內(nèi)部數(shù)據(jù)。目前，有些方法試圖來(lái)改善端效應(yīng)對(duì)分析結(jié)果的影響，比如使用比較多的極值延拓法，邊界局部特征延拓法，鏡像延拓法等，但這些方法只能在一定程度上降低或改善端效應(yīng)對(duì)分析結(jié)果的影響，不能從根本上消除。

（3）曲線擬合問(wèn)題。HHT首先通過(guò)極值點(diǎn)擬合信號(hào)包絡(luò)線，再通過(guò)EMD方法篩選IMF，這里就涉及到插值擬合問(wèn)題。HHT提出使用3次樣條插值法雖然具有良好的光滑性，但也容易造成過(guò)沖和欠沖。因此后續(xù)研究者相繼提出了不少的修整和改進(jìn)。比如高次樣條插值法、多項(xiàng)式擬合法、阿克瑪插值法等。

3 基于Labview的HHT實(shí)現(xiàn)

Labview是由美國(guó)NI公司開發(fā)的在業(yè)界領(lǐng)先的工業(yè)標(biāo)準(zhǔn)圖形化編程工具，主要用于開發(fā)測(cè)試、測(cè)量和控制系統(tǒng)。它將軟件和各種不同的測(cè)量?jī)x器硬件及計(jì)算機(jī)集成在一起，建立虛擬儀器系統(tǒng)，形成用戶自定義的解決方案[7]。

基于Labview直觀易學(xué)、接近人類思維、無(wú)需編寫繁瑣代碼的特點(diǎn)，本文將上述HHT算法在Labview平臺(tái)上實(shí)現(xiàn)。系統(tǒng)的程序流程如圖1所示。

直接利用EMD方法分析計(jì)算遠(yuǎn)遠(yuǎn)不夠，還要考慮到EMD方法造成的端點(diǎn)效應(yīng)和模態(tài)混疊等問(wèn)題[8]。本程序采用對(duì)稱延拓法來(lái)消除端點(diǎn)效應(yīng)[9]，為了抑制模態(tài)混疊和減少虛假IMF分量個(gè)數(shù)，本程序還要對(duì)每次迭代過(guò)程的極值點(diǎn)個(gè)數(shù)及距離等進(jìn)行控制和有限插值[10]。

4 仿真信號(hào)試驗(yàn)驗(yàn)證

現(xiàn)利用某一典型的線性調(diào)頻信號(hào)sin 2π·（10+40·t）·t和1個(gè)正弦信號(hào)sin 2π·100·t，t∈[0s,1s]相疊加，采樣頻率為2 kHz，采樣長(zhǎng)度為1 s。對(duì)HHT算法程序的EMD分解和時(shí)頻分析可靠性進(jìn)行檢驗(yàn)。顯然，此疊加信號(hào)的頻率變化范圍在10～50 Hz，同時(shí)還有1個(gè)頻率為100 Hz的正弦信號(hào)。仿真信號(hào)如圖2所示。

圖1 Labview平臺(tái)實(shí)現(xiàn)的HHT程序流程

圖2 仿真疊加信號(hào)

經(jīng)過(guò)HHT算法程序得到的仿真信號(hào)Hilbert時(shí)頻譜如圖3所示。圖中曲線顏色的深淺代表幅值的強(qiáng)弱。與圖3的傅里葉變換結(jié)果相比，HHT將原始仿真信號(hào)的頻率和幅值隨時(shí)間的變化規(guī)律同時(shí)顯示在時(shí)頻譜中。而傅里葉變換（如圖4所示）只能單純給出頻域特征，不能同時(shí)給出時(shí)間和頻率的聯(lián)合信息，對(duì)非線性、非平穩(wěn)類信號(hào)無(wú)能為力。

圖3 仿真信號(hào)經(jīng)HHT得到的時(shí)頻譜

圖4 仿真信號(hào)的傅里葉變換幅頻譜

5 某型發(fā)動(dòng)機(jī)氣動(dòng)失穩(wěn)數(shù)據(jù)時(shí)頻分析

目前，HHT已經(jīng)開始應(yīng)用于航空發(fā)動(dòng)機(jī)氣動(dòng)不穩(wěn)定性研究，如發(fā)動(dòng)機(jī)或壓氣機(jī)試驗(yàn)的旋轉(zhuǎn)失速和喘振、動(dòng)態(tài)畸變?cè)囼?yàn)和壓氣機(jī)轉(zhuǎn)子性能等。

某型發(fā)動(dòng)機(jī)臺(tái)架試車時(shí)出現(xiàn)的氣動(dòng)失穩(wěn)信號(hào)如圖5所示。對(duì)其進(jìn)行普通的傅里葉變換，如圖6所示。

圖5 某型發(fā)動(dòng)機(jī)臺(tái)架試車時(shí)出現(xiàn)的氣動(dòng)失穩(wěn)仿真信號(hào)

圖6 氣動(dòng)失穩(wěn)仿真信號(hào)的傅里葉幅頻譜

在除去直流分量，只保留交流分量的傅里葉幅頻譜上可觀察到，信號(hào)主要含有20 Hz和40 Hz 2個(gè)頻率分量，由傅里葉變換的特點(diǎn)，2個(gè)頻率分量出現(xiàn)的時(shí)間點(diǎn)不得而知。

現(xiàn)采用EMD方法對(duì)原始信號(hào)進(jìn)行分解。一共分解出7個(gè)經(jīng)驗(yàn)?zāi)B(tài)函數(shù)（IMF），這里略去后面幾個(gè)趨于直流的IMF分量,只給出前3個(gè)IMF分量，如圖7所示，并做出Hilbert時(shí)頻譜如圖8所示。

圖7 EMD方法得到的IMF分量

圖8 氣動(dòng)失穩(wěn)仿真信號(hào)的Hilbert時(shí)頻譜

從圖8中可見(jiàn)，此氣動(dòng)失穩(wěn)仿真信號(hào)包含的20Hz和40 Hz 2個(gè)主要頻率分量，基本上同時(shí)出現(xiàn)，并貫穿整個(gè)信號(hào)始終，在信號(hào)的結(jié)尾0.92 s處開始出現(xiàn)較高頻分量，這從EMD分解的幾個(gè)IMF結(jié)果中也可以看出。根據(jù)EMD分解性質(zhì)，各個(gè)IMF分量的局部頻率依次降低。本次分解結(jié)果的IMF1基本上是40 Hz的頻率分量，在0.92 s處開始過(guò)渡到較高頻分量；同樣在IMF2中基本上是20 Hz的頻率分量，在0.92 s處開始過(guò)渡到40 Hz的頻率分量；在IMF3以后的分量中信號(hào)的直流成分開始占主導(dǎo)。

在信號(hào)的起止端，由于數(shù)據(jù)的截?cái)嘣斐闪藭r(shí)頻譜的端點(diǎn)效應(yīng)問(wèn)題（又稱端點(diǎn)飛翼），所以時(shí)頻譜圖在時(shí)間起點(diǎn)和終點(diǎn)處的分析結(jié)果不準(zhǔn)確，如果要求分析此處數(shù)據(jù)，可以適當(dāng)延長(zhǎng)被分析數(shù)據(jù)的長(zhǎng)度。另外，圖中各頻率分量抖動(dòng)的部分是由HHT固有的模態(tài)混疊造成，可以通過(guò)極值加密、EEMD法、改進(jìn)掩膜信號(hào)法等得到改善，但是基于HHT的實(shí)際應(yīng)用超前理論的研究和發(fā)展，若不從理論算法上改進(jìn)完善，這些問(wèn)題是不能從根本上得到解決。

6 結(jié)論

（1）運(yùn)用圖形化編程語(yǔ)言Labview編制HHT算法，開發(fā)過(guò)程更加簡(jiǎn)捷，程序界面更加友好。在運(yùn)行時(shí)間上與Matlab程序相比獲得了性能提升，這源于Labview程序所具有的并行特性。

（2）使用HHT方法，定位出不同頻率分量在信號(hào)中出現(xiàn)的不同時(shí)刻，為氣動(dòng)失穩(wěn)這種非平穩(wěn)、非線性信號(hào)的分析探索出新的途徑，同時(shí)還驗(yàn)證了HHT的一些優(yōu)勢(shì)和不足。

（3）針對(duì)使用這種新型的信號(hào)時(shí)頻分析技術(shù)處理實(shí)際信號(hào)時(shí)，HHT存在的固有問(wèn)題[11]，本文采取了一些有效措施。

（4）HHT擺脫了傳統(tǒng)的傅里葉分析的局限，是一種簡(jiǎn)單易行，且有效的信號(hào)分析方法。將HHT變換應(yīng)用在發(fā)動(dòng)機(jī)氣動(dòng)失穩(wěn)信號(hào)的分析具有適用性。但HHT是新興的時(shí)頻分析方法，有待進(jìn)一步研究和改進(jìn)。

[1]管霖，吳國(guó)沛，黃雯瑩．小波變換在電力設(shè)備故障診斷中的應(yīng)用研究[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2000，20（10）：46-49.

GUAN Lin,WU Guopei,HUANG Wenying．Studies on the application of wavelet transform in fault diagnosis of electric devices[J]．Journal of Chinese Electrical Engineering Science, 2000,20（10）：46-49．(in Chinese)

[2]彭志科，何永勇，盧青．用小波時(shí)頻分析方法研究發(fā)電機(jī)碰摩故障特征[J].中國(guó)電機(jī)工程學(xué)報(bào)，2003，23（5）：75-79．

PENG Zhike,HE Yongqing,LU Qing．Using wavelet method to analyze fault features of rubrotor in Generator[J]．Journal of Chinese Electrical Engineering Science,2003，23（5）：75-79. (in Chinese)

[3]Choi A.Real-time fundamental frequency estimation by least-square fitting[J].IEEE Trans.Speech Audio Processing，1997（5）：201-205.

[4]HUANGDaji,ZHAOJinping,SUJilan.Pracitical implementation of Hilbert-Huang Transform algorithm[J].Acta Oceanologica Sinica,2003,22（1）：1-14.

[5]Rilling D,Flandrin P,Gonc P,et al.On empirical mode decomposition and its algorithms[C]//Grado,Italy:IEEE，2003：1-5.

[6]Ryan D,James F K.The use of amasking signal to improve empiricalmode decomposition[C]//Philadelphia:International Conference on Acoustics Speech,and Signal Processing(ICA SSP),2005：485-488.

[7]陳錫輝，張銀鴻.Labview程序設(shè)計(jì)從入門到精通[M].北京：清華大學(xué)出版社,2007：1-3．

CHEN Xihui,Zhang Yinhong．Labview Program design junior to superior[M].Beijing:Tsinghua University Publishing House, 2007：1-3．(in Chinese)

[8]胡維平，莫家玲，杜明輝.經(jīng)驗(yàn)?zāi)B(tài)分解中的頻域分辨率及其改進(jìn)法[J].華南理工大學(xué)學(xué)報(bào)，2007（5）：2-3．

HU Weiping,MO Jialing,Du Minghui.Method for improving frequency resolution of empirical mode decomposition[J]．Journal of South China University of Technology,2007（5）：2-3.(in Chinese)

[9]陳忠，鄭時(shí)雄．EMD信號(hào)分析方法邊緣效應(yīng)的分析[J]．?dāng)?shù)據(jù)采集與處理，2003，18（1）：2-3.

CHEN Zhong,ZHENG Shixiong．Analysis on end effects of EMD method[J].Journal of Data Acquisition and Processing, 2003,18（1）：2-3.(in Chinese)

[10]毛煒，金榮洪，耿軍平．一種基于改進(jìn)Hilbert-Huang變換的非平穩(wěn)信號(hào)時(shí)頻分析法及其應(yīng)用[J]．上海交通大學(xué)學(xué)報(bào)，2006（5）：1-2．

MAOWei,JIN Ronghong,GENG Junping．A time-friquency analysis for non-stationary signals based on improved Hilbert-Huang Transform and it's application[J].Journal of ShangHai JiaoTong University,2006（5）：1-2．(in Chinese)

[11]于德介，程軍圣，楊宇.機(jī)械故障診斷的Hilbert-Huang變換方法[M].北京：科學(xué)出版社，2006：46-51．

YU Dejie,CHENG Junsheng,YANG Yu.Hilbert-Huang Transform method formechanical fault diagnosis[M].Beijing: Science Publishing House,2006：46-51.(in Chinese)

Time-frequency Analysis Method of Aeroengine Aerodynam ic Instability Signal Based on Hilbert-Huang Transform

GUO Gui-xi,WANG Zhen-hua,WANG Hong-xiang,GAO Hui-guo, XUEXiu-sheng
（AVIC Shenyang Engine Design and Research Institute,Shenyang 110015,China）

Aiming at aerodynamic instability in aeroengine work scope,the time varying signal characteristics were analyzed by Hilbert-Huang Transform(HHT).The analysis new method of nonlinear and non-stationary signal was compared with other timefrequency analysis methods.The problems of HHT were solved to adapt the data analysis requirements of aeroengine aerodynamic instability.HHT method was implemented and verified on Labview platform by the numerical simulation test.The results show the method is accurate and effective and the project test data processing of aeroengine is presented.The HHT is feasibility and adaptability to solve relative problems.There are some little defection for HHTmethod also.

time-frequency analysis;Hilbert-Huang Transform;aeroengine;aerodynamic instability

2012-12-12

郭貴喜（1980），男，碩士，工程師，從事航空發(fā)動(dòng)機(jī)測(cè)試工作。