• 한국공간구조학회논문집
• /
• 제19권2호
• /
• pp.101-108
• /
• 2019

In this paper, the characteristic of intrinsic mode function(IMF) and its orthogonalization of ensemble empirical mode decomposition(EEMD), which is often used in the analysis of the non-linear or non-stationary signal, has been studied. In the decomposition process, the orthogonal IMF of EEMD was obtained by applying the Gram-Schmidt(G-S) orthogonalization method, and was compared with the IMF of orthogonal EMD(OEMD). Two signals for comparison analysis are adopted as the analytical test function and El Centro seismic wave. These target signals were compared by calculating the index of orthogonality(IO) and the spectral energy of the IMF. As a result of the analysis, an IMF with a high IO was obtained by GSO method, and the orthogonal EEMD using white noise was decomposed into orthogonal IMF with energy closer to the original signal than conventional OEMD.

• 한국소음진동공학회논문집
• /
• 제24권9호
• /
• pp.675-681
• /
• 2014

This paper proposes a fault diagnosis system for an induction motor. This system uses empirical mode decomposition(EMD) to extract fault signatures and multi-layer perceptron(MLP) neural network to facilitate an accurate fault diagnosis. EMD can not only decompose a signal adaptively but also provide intrinsic mode functions(IMFs) containing natural oscillatory modes of the signal. However, every IMF does not represent fault signature, an IMF selection algorithm based on harmonics and their energy of each IMF is proposed. The selected IMFs are utilized for fault classification using MLP and this system shows approximately 98 % diagnosis accuracy for the fault vibration signal of the induction motor.

• 한국소음진동공학회논문집
• /
• 제15권2호
• /
• pp.192-198
• /
• 2005

Empirical mode decomposition(EMD) method has been recently proposed to analyze non-linear and non-stationary data. This method allows the decomposition of one-dimensional signals into intrinsic mode functions(IMFs) and is used to calculate a meaningful multi-component instantaneous frequency. In this paper, it is assumed that each mode of damped vibration signal could be well separated in the form of IMF by EMD. In this case, we can have a new powerful method to calculate natural frequencies and dampings from damped vibration signal which usually has multiple modes. This proposed method has been verified by both simulation and experiment. The results by EMD method whichhas used only output vibration data are almost identical to the results by FRF method which has used both input and output data, thereby proving usefulness and accuracy of the proposed method.

• 응용통계연구
• /
• 제29권3호
• /
• pp.525-537
• /
• 2016

본 연구에서는 시계열 자료의 비정상성과 비선형성과 같은 복잡성을 효과적으로 포용할 수 있는 경험적모드분해법(empirical mode decomposition; EMD)을 토대로 시계열 자료의 분석 및 예측을 위한 혼합(hybrid) 모형을 연구한다. EMD에 의하여 생성되는 내재모드함수(intrinsic mode function; IMF)는 해석 및 예측의 편리성을 개선하기 위하여 누적에너지의 개념을 사용하여 그룹화하였으며, 그룹화된 IMF 및 residue의 성분들은 그 성질에 따라서 ARIMA 모형 및 지수평활법과 결합된 혼합 모형으로 예측된다. 제안된 방법은 일별 코스피 지수의 예측을 위해서 적용하였다. 다양한 형태의 혼합 모형을 사용하여 코스피 지수를 예측하였으며 전통적인 예측 방법과 비교하였다. 분석 결과, 그룹화된 성분들은 코스피 지수의 움직임을 단기적, 중기적, 장기적으로 해석하는데 편리함을 주었으며, 그룹화된 IMF 및 residue를 각각 ARIMA 모형과 지수평활법으로 조합한 혼합 모형이 우수한 예측력을 보여주었다.

• 한국수자원학회논문집
• /
• 제49권3호
• /
• pp.197-205
• /
• 2016

최근 기후변화로 인한 자연재해가 증가하면서 강수 및 기온자료의 시계열에 대한 변동성과 추세를 분석하여 그 변화를 예측하는 연구의 필요성이 점점 커지고 있다. 하지만 강수나 기온의 경우 복합적인 요소에 의해 변동이 일어나 자료의 변동성이 매우 심하고 너무 많은 요소를 포함하게 되어 그 특성을 정확히 판단하기가 쉽지 않다. 따라서 자료의 시계열을 분해하게 되면 각 특성을 가진 요소를 추출할 수 있으므로, 정확한 변동 특성을 파악할 수 있다. 본 연구에서는 우리나라 강수 및 기온자료를 경험적 모드분해법(Empirical Mode Decomposition, EMD)을 통해 주기별로 분해하여 각각의 내재모드함수(Intrinsic Mode Function, IMF)를 추출하였다. 또한, 추출된 내재모드함수의 에너지 밀도를 이용한 유의성 검정을 통해 원자료로부터 유의미한 자료를 포함하고 있는 내재모드함수를 선별하고, 이들의 주기성, 경향성을 분석하였다.

• 한국위성정보통신학회논문지
• /
• 제11권1호
• /
• pp.26-31
• /
• 2016

본 논문에서는 이기종 통신 시스템에서 Empirical Mode Decomposition(EMD) 기법을 활용하여 통신 신호의 잡음을 완화시키는 방안을 제시하였다. EMD는 노이즈가 인가된 신호를 여러 개의 Intrinsic Mode Function(IMF)로 분할하여 노이즈가 포함된 IMF를 제거하는 방법으로 노이즈를 줄이는 방법이다. 본 논문에서는 EMD의 연산량을 줄이기 위해 새로운 반복 중지 규칙을 제시하였다. EMD의 적용 방법을 수식 및 알고리즘으로 구현하였다. 3종류의 잡음이 인가된 신호를 시뮬레이션을 통해 효과적으로 잡음이 완화되는 것을 확인하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2004년도 추계학술대회논문집
• /
• pp.699-704
• /
• 2004

Empirical mode decomposition(EMD) method has been recently proposed to analyze non-linear and non-stationary data. This method allows the decomposition of one-dimensional signals into intrinsic mode functions(IMFs) and is used to calculate a meaningful multi-component instantaneous frequency. In this paper, it is assumed that each mode of damped vibration signal could be well separated in the form of IMF by EMD. In this case, we can have a new powerful method to calculate natural frequencies and dampings from damped vibration signal which usually has multiple modes. This proposed method has been verified by both simulation and experiment. The result by EMD method which has used only output vibration data is almost identical to the result by FRF method which has used both input and output data, thereby proving usefulness and accuracy of the proposed method.

• Structural Engineering and Mechanics
• /
• 제39권6호
• /
• pp.813-831
• /
• 2011

This paper presents an efficient version of Hilbert-Huang transform for nonlinear non-stationary systems analyses. An ensemble empirical mode decomposition (EEMD) is introduced to alleviate the problem of mode mixing between intrinsic mode functions (IMFs) decomposed by EMD. Yet the problem has not been fully resolved when a signal of a similar scale resides in different IMF components. Instead of using a trial and error method to select the "best" outcome generated by EEMD, a hybrid algorithm based on EEMD and EMD is proposed for multi-mode signal processing. The developed approach comprises the steps from a bandpass filter design for regrouping modes of the IMFs obtained from EEMD, to the mode extraction using EMD, and to the assessment of each mode in the marginal spectrum. A simulated two-mode signal is tested to demonstrate the efficiency and robustness of the approach, showing average relative errors all equal to 1.46% for various noise levels added to the signal. The developed approach is also applied to a real bridge structure, showing more reliable results than the pure EMD. Discussions on the mode determination are offered to explain the connection between modegrouping form on the one hand, and mode-grouping performance on the other.

• Structural Monitoring and Maintenance
• /
• 제7권4호
• /
• pp.283-294
• /
• 2020

In this paper, an adaptive MEMD based modal identification technique for linear time-invariant systems is proposed employing multiple vibration measurements. Traditional empirical mode decomposition (EMD) suffers from mode-mixing during sifting operations to identify intrinsic mode functions (IMF). MEMD performs better in this context as it considers multi-channel data and projects them into a n-dimensional hypercube to evaluate the IMFs. Using this technique, modal parameters of the structural system are identified. It is observed that MEMD has superior performance compared to its traditional counterpart. However, it still suffers from mild mode-mixing in higher modes where the energy contents are low. To avoid this problem, an adaptive filtering scheme is proposed to decompose the interfering modes. The Proposed modified scheme is then applied to vibrations of a reinforced concrete road bridge. Results presented in this study show that the proposed MEMD based approach coupled with the filtering technique can effectively identify the parameters of the dominant modes present in the structural response with a significant level of accuracy.

• 대한토목학회논문집
• /
• 제38권4호
• /
• pp.579-586
• /
• 2018

단기 통행속도 예측을 위해 데이터 기반 비모수적 기법들을 활용한 다양한 연구들이 수행되고 있다. 그럼에도 교통신호 및 교차로로 인한 복잡한 동적 특성을 가지는 도시부의 예측 연구는 상대적으로 부족한 실정이다. 본 연구는 도시부 통행 속도를 예측하기 위해 앙상블 경험적 모드 분해법(EEMD)과 인공신경망(ANN)을 이용한 하이브리드 접근법을 제안하는 것을 목적으로 한다. EEMD는 통행속도의 시계열 자료를 고유모드함수(IMF)와 오차항으로 분해한다. 분해된 IMF는 시간단위의 국지적 특성을 반영하며, ANN을 통해 개별적으로 예측된다. IMF는 원본데이터가 가진 비선형성, 비정상성, 진동 등의 복잡성을 완화하기 때문에, 원래의 통행속도에 비하여 더 정확하게 예측될 수 있다. 예측된 IMF들은 합산되어 예측 통행속도를 표현한다. 본 연구에서 제시된 방법을 검증하기 위하여 대구시의 DSRC로부터 구득된 통행속도 데이터가 활용된다. 성능평가는 도시부 링크 중 특히 예측이 어려운 지점에 대해 수행되었으며, 분석 결과 제시된 모형은 15분 후 예측에 대해 각각 평상시 10.41%, 와해상태시 25.35%의 오차율을 가지며, 단순 ANN 기법에 비하여 우수한 성능을 보이는 것으로 확인된다. 본 연구에서 개발된 모형은 도시교통관리체계의 신뢰성 있는 교통정보를 제공하는 데에 기여할 수 있을 것으로 기대된다.