自适应最优化窄带分解方法及其应用

发布时间：2017-12-12 16:44

  本文关键词：自适应最优化窄带分解方法及其应用

  更多相关文章： 自适应最优化窄带分解 内禀窄带分量 局部窄带信号 奇异局部线性算子 转子故障诊断

【摘要】：提出了自适应最优化窄带分解(Adaptive Optimization Narrow-Band Decomposition,AONBD)方法。该方法将信号分解转化为对滤波器参数的优化问题,以得到信号的最优化解为优化目标,在优化过程中将信号自适应的分解成多个内禀窄带分量(Intrinsic Narrow-Band Components,INBC)。AONBD分为两步,首先通过优化得到最优的滤波器,然后使用该滤波器对信号进行滤波以得到信号的最优化解。阐述了AONBD的基本原理及分解步骤。采用仿真信号将AONBD方法与自适应最优化时频分析(Adaptive Sparsest Time-Frequency Analysis,ASTFA)方法及经验模态分解(Empirical Mode Decomposition,EMD)方法进行对比。结果表明,AONBD在抑制端点效应和模态混淆、抗噪声性能、提高分量的正交性和准确性等方面具有一定的优越性。对转子振动信号的分析结果表明,AONBD能有效应用于机械故障诊断。
【作者单位】： 湖南大学汽车车身先进设计制造国家重点实验室;
【基金】：国家科技支撑计划课题(2015BAF32B03) 国家自然科学基金(51375152,51575168) 智能型新能源汽车国家2011协同创新中心 湖南省绿色汽车2011协同创新中心资助
【分类号】：TH17;TN911.7
【正文快照】： 非平稳信号的分析处理方法是现代信号处理领域中的一个研究热点。经验模态分解(Empirical ModeDecomposition,EMD)方法[1-3]是近年来最具代表性的自适应时频分析方法之一,但仍存在端点效应和模态混淆等缺点。在EMD的基础上,Thomas等[4]提出了一种使用高斯牛顿迭代法解决非线性

【相似文献】

中国期刊全文数据库 前3条

1 李仲杰;;信息化时代下的全厂最优化[J];国内外机电一体化技术;2010年05期

2 胡为柏;;选矿最佳化方法[J];有色金属;1979年01期

3 ;[J];;年期

，

本文编号：1283227