基于自适应CEEMD的非平稳信号分析方法

发布时间：2021-07-03 01:44

　　由于标准的互补集总经验模态分解（complementary ensemble empirical mode decomposition,简称CEEMD）在处理模态混叠问题时缺乏自适应性,其本质是分解信号获得的本征模态函数（intrinsic mode function,简称IMF）之间产生了一定的信息耦合现象,使IMF分量不能正确地反映信号的真实成分。因此,提出了在使用CEEMD分解信号的过程中嵌入网格搜索算法（grid search algorithm,简称GSA）,以最小二乘互信息（least squares mutual information,简称LSMI）为网格搜索算法的适应度函数,构造一个自适应CEEMD方法。该算法通过自适应地搜索最佳的白噪声幅值,修正信号分解过程中产生的少量的耦合频率成分,确保每个IMF分量之间信息的正交性,以进一步抑制模态混叠问题。最后,通过仿真实验验证了该方法的有效性,并将该方法用于提取滚动轴承微故障的特征频率。实验结果表明,该算法在滚动轴承的微故障特征提取应用中具有更少的迭代数、IMF分量以及相对更小的计算量。 

【文章来源】：振动.测试与诊断. 2020,40(01)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

算法流程图

图1 算法流程图图3为使用不同方法处理图1中的仿真信号，获得相应的IMF分量及对应的频谱。图3(c)中，笔者提出的方法能够将仿真信号中的多分量信号精确地分解成单一分量信号，每个单一的IMF分量对应的频谱没有出现模态混叠现象，也没有冗余的IMF分量。图3(b)中，使用CEEMDAN方法分解得到的单一IMF分量对应的频谱出现了模态混叠现象，而且还存在少量冗余的IMF分量。图3(a)中，使用传统的CEEMD方法分解得到的单一IMF分量对应的频谱出现了严重的模态混叠现象，存在较多的冗余IMF分量。为了进一步定性说明本方法的性能，通过实验对比3种方法的重构信号的均方根误差、IMF分量个数、白噪声的幅值以及各个相邻IMF分量之间的LSMI估计值等评价指标，对上述算法的性能进行分析，结果如表1所示。可以看到:a．笔者提出方法的重构均方根误差为2.510 7×10-4，远小于其他两种方法;b．笔者提出的方法分解获得了3个IMF分量，少于CEEMDAN方法获得的个数，明显少于CEEMD方法获得的个数;c．笔者提出的方法是在每次IMF分量筛选的过程中添加不同幅值的正负白噪声对，与其他两种方法添加固定幅值白噪声对的方式有所不同，不但IMF分量的个数最少，而且能够有效地将各个单分量信号从多分量信号分解出来;d．对比上述3种方法获得的IMF分量及其每个相邻的IMF分量间的LSMI，笔者提出的方法获得的每个相邻IMF分量的LSMI都小于给定的阀值，而其他两种方法获得的每个相邻IMF分量的LSMI基本上都大于给定的阀值。因此，可以得出本方法各方面的性能指标都优于传统的CEEMD及CEEMDAN方法，也证明了本方法的有效性。

笔者采用美国凯斯西储大学滚动轴承故障实验台采集的内圈故障振动信号作为分析信号。采样频率为12 kHz，采样点数为4 096，电机转速为1 797r/min。轴承故障采用电火花加工单点损伤，损伤直径为0.173 4 mm(模拟轴承内圈的早期故障，其理论计算值为162.18 Hz)。按照以上参数采集相关的故障振动信号如图4所示。4.2 故障特征提取

【参考文献】：
期刊论文
[1]基于独立分量分析的EMD模态混叠消除方法研究[J]. 汤宝平,董绍江,马靖华.  仪器仪表学报. 2012(07)
[2]分离EMD中混叠模态的新方法[J]. 高云超,桑恩方,许继友.  哈尔滨工程大学学报. 2008(09)



本文编号：3261607