基于改进的集合经验模态方法振动信号分解

发布时间：2017-07-07 02:15

  本文关键词：基于改进的集合经验模态方法振动信号分解

  更多相关文章： 集合经验模态分解 变步长模式搜索 振动信号 模态混叠

【摘要】：针对集合经验模态分解(EEMD)中2个重要参数白噪声幅值系数和集合平均次数的优化问题,提出了一种基于变步长模式搜索的集合经验模态方法.该方法以EEMD期望的分解误差设定值为目标,利用自适应EEMD得到的白噪声幅值系数为初值,对不同振动信号能够自动获取合适的EEMD参数,解决模态混叠问题.仿真实验和工程案例验证结果表明:与传统EEMD和自适应EEMD相比,基于变步长模式搜索的EEMD方法具有更高的分解精度及更快的运算效率.
【作者单位】： 上海交通大学机械与动力工程学院;上海航天设备制造总厂;
【关键词】： 集合经验模态分解 变步长模式搜索 振动信号 模态混叠
【基金】：国家科技重大04专项项目(2014ZX04015-021)
【分类号】：TH17;TN911.7
【正文快照】： 振动信号是用来评估机械部件健康状态的重要信号,振动信号处理最关键步骤之一就是信号分解.目前振动信号的分解方法主要有快速傅里叶变换(FFT)、小波变换和经验模态分解(EMD)等[1].其中FFT是典型的振动信号处理技术,在旋转机械状态监测中广泛应用.但是FFT是一种典型的线性稳态，

本文编号：528569